Dette er en del af vores serie om, hvordan OpenAI bygger sine egne løsninger på vores teknologi.
Millionvis af supportsager oprettes hvert år. Hver sag indeholder noget værdifuldt: en frustration, en idé, en anmodning.
Men indtil for nylig var den type signaler svære at forstå. Dashboard viste tendenser, men ikke årsagerne. At dykke ned i en sag betød ugers arbejde for en dataekspert. En produktchef vil måske gerne vide, hvordan en ny funktion blev modtaget af en bestemt målgruppe. Men svaret krævede en dataekspert, der skulle foretage en detaljeret analyse.
Nysgerrighed blev rationeret.
“Processen krævede dyb teknisk ekspertise, og det bremsede vores nysgerrighed,” siger Molly Jackman, Head of Business Data.
Vi byggede en researchassistent til at fremme nysgerrighed i stor skala. Den kombinerer to undersøgelsesmetoder: dashboards til mønstre og en samtalebaseret grænseflade til at dykke dybere ned. Du kan starte med et diagram over problemtendenser og derefter stille opfølgende spørgsmål på almindeligt sprog.
Vi byggede den ved at blande det, der allerede fungerede. På den ene side klassificeringer og diagrammer, der strukturerede millioner af supportsager i produktområder og temaer. På den anden side GPT‑5, som kunne opsummere rå supportsager og generere fleksible rapporter på almindeligt sprog. Kombinationen gav os både hastighed og dybde, som var så enkel, at alle kunne bruge det.
“Hvad siger kunder i sundhedsvæsnet til nye integrationer?”
“Hvad driver supportsager dette kvartal?”
“Hvilke vigtige funktioner rammer plet?”
På få minutter returnerer systemet en rapport, der vurderer problemets størrelse, viser udbredelsen og fremhæver friktionspunkter. Ledere behøver ikke længere låne kapacitet eller se på statiske dashboards. Enhver kan følge egne spørgsmål, hvor end de fører hen. For produktteams betyder det hurtigere iterationer på ægte feedback – at vide, hvad der virker og ikke virker, og at få et klart indblik som en guide til produktlanceringer og langsigtede produktplaner.
“Det magiske er, at du ikke på forhånd behøver at definere dine spørgsmål. Du kan blot følge din nysgerrighed.”
Hastighed er meningsløst uden præcision.
I den tidlige fase kørte driftsteam manuelle klassificeringer, og dataeksperter skrev tilpassede modeller, der blev sammenholdt med assistenten. Resultaterne stemte overens.
Med tiden voksede tilliden. Ledere begyndte at krydstjekke resultater mod det, de allerede hørte fra markedet, og når det matchede, kom de med ombord.
Den cyklus – spørg, tjek, tro – forvandlede assistenten til en daglig vane for teams. Det, der engang tog en uges SQL-forespørgsler og klassificeringer, sker nu med nogle få klik.
Afkastet er synligt overalt.
- Efter lanceringen af GPT‑5 fik produktteams feedback på få dage i stedet for uger.
- Da virksomhedens implementering af forbindelser tog længere tid, fandt assistenten hurtig hovedårsagen: en fejlbehæftet proces for onboarding. Teknikerne kunne derefter prioritere løsningen af problemet.
- Ved billedredigering fremhævede den både kreativiteten hos marketingteams, der brugte den til mockups og friktionen ved gengivelsesforsinkelser; to sandheder, der direkte formede køreplanen.
Når omkostningen ved at stille et spørgsmål falder til nogle få minutter, bliver der stillet flere spørgsmål. Flere problemer dukker op til overfladen. Teams arbejder hurtigere.
Værktøjet erstatter ikke dataeksperter. Det frigør dem til andet arbejde. I stedet for engangsanalyser har de mere tid til at bygge nye klassificeringer og investere i automatisering og værktøjsopbygning. Driftsteams genererer nu lanceringsrapporter på få minutter i stedet for dage og frigør kapacitet til at bruge mere tid på kunderne. Produktteams kan lære af kunderne i realtid og dermed forbedre deres produktplaner med hurtigere feedback-loops.
Denne forvandling har ændret, hvordan vi lytter. I stedet for at rationere knappe analytiske cyklusser, kan hvert team nu frit stille deres spørgsmål. Forøget nysgerrighed. En produktchef opdager et friktionspunkt, en salgschef ser samme tema i virksomhedens supportsager, og sammen skaber de en hurtigere vej til handling.
Håbet er, at kunderne får mest gavn af det. Problemer løses hurtigere. Funktioner kan udvikles tættere på behovet. Feedback, der engang var begravet i supportkøer, er nu et centralt punkt i opbygningen.
“Jeg tænker på det som UX-research hos kunder i stor skala. Hvis vi får kundens stemme frem på en måde, der proaktivt ændrer vores produkter, politikker og praksisser – så er det en succes.”
Det, der begyndte som et værktøj til analyse af millioner af supportsager, bliver en del af definitionen af, hvordan vi lytter. Og hvis vi lytter godt efter, bygger vi også gode produkter.
