Dies ist Teil unserer Serie darüber, wie OpenAI seine eigenen Lösungen auf unserer Technologie aufbaut.
Jedes Jahr treffen Millionen von Support-Tickets ein. Jedes beinhaltet etwas Wertvolles: eine Frustration, eine Idee, eine Bitte.
Bis vor Kurzem waren diese Signale jedoch schwer zu verstehen. Dashboards gaben Hinweise auf Trends, jedoch nicht auf die Gründe. Tiefenanalysen erforderten die wochenlange Arbeit eines Datenwissenschaftlers. Ein Produktleiter möchte vielleicht wissen, wie eine neue Funktion bei einer bestimmten Zielgruppe ankommt. Um diese Frage beantworten zu können, war jedoch eine detaillierte Analyse durch einen Datenwissenschaftler erforderlich.
Neugier wurde rationiert.
„Der Prozess erforderte tiefgreifende technische Fachkenntnisse und raubte uns die Neugier“, so Molly Jackman, Head of Business Data.
Wir haben einen Forschungsassistenten entwickelt, um skalierbare Neugierde zu wecken. Er kombiniert zwei Erkundungsmodi: Dashboards für Muster und eine Gesprächsschnittstelle für tiefere Einblicke. Du kannst mit einer Tabelle von Trendthemen beginnen und dann in einfacher Sprache Folgefragen stellen.
Wir haben ihn gebaut, indem wir Dinge kombiniert haben, die bereits funktionierten. Auf der einen Seite waren dies Klassifikatoren und Diagramme, die Millionen von Tickets in Produktbereiche und Themen gliederten. Auf der anderen Seite GPT‑5, das Rohtickets zusammenfassen und flexible Berichte in einfacher Sprache generieren konnte. Diese Kombination gab uns sowohl Geschwindigkeit als auch Tiefe, die einfach genug war, damit sie jeder nutzen konnte.
„Was sagen Kunden aus dem Gesundheitswesen zu neuen Integrationen?“
„Was ist der Grund für die Anzahl der Support-Tickets in diesem Quartal?“
„Welche Hauptfunktionen finden Anklang?“
Innerhalb weniger Minuten gibt das System einen Bericht zurück, der das Problem einschätzt, zeigt, wie verbreitet es ist, und Reibungspunkte hervorhebt. Führungskräfte benötigen keine zusätzliche Bandbreite mehr oder müssen statische Dashboards anzeigen. Jeder kann seinen eigenen Fragen dahin folgen, wohin sie führen. Für Produktteams bedeutet dies eine schnellere Iteration auf der Grundlage echten Feedbacks – sie wissen, was funktioniert und was nicht, und können klare Erkenntnisse gewinnen, die sowohl für Produkteinführungen als auch für langfristige Roadmaps hilfreich sind.
„Die Magie ist, dass Sie Ihre Fragen nicht vorab definieren müssen, sondern einfach Ihrer Neugier folgen können.“
Geschwindigkeit ist bedeutungslos, wenn sie nicht akkurat ist.
In der Anfangszeit führten Betriebsteams manuelle Klassifizierungen durch und Datenwissenschaftler schrieben benutzerdefinierte Modelle zum Vergleich mit dem Assistenten. Die Ergebnisse stimmten überein.
Die Zuversicht wuchs mit der Zeit. Führungskräfte begannen, die Ergebnisse mit dem abzugleichen, was sie bereits in der Praxis gehört hatten, und wenn die Ergebnisse übereinstimmten, agierten sie entsprechend.
Dieser Zyklus – fragen, prüfen, vertrauen – machte den Assistenten zu einer täglichen Gewohnheit für die Teams. Was früher eine Woche mit SQL-Abfragen und Klassifikatoren erforderte, ist jetzt mit wenigen Klicks erledigt.
Dies lohnt sich überall.
- Nach der Einführung von GPT‑5 hatten die Produktteams innerhalb von Tagen anstatt Wochen Feedback zu den Themen.
- Als die Einführung von Konnektoren in Unternehmen nachließ, deckte der Assistent schnell die Grundursache auf: einen fehlerhaften Onboarding-Flow. Die Ingenieure konnten dann die Fehlerbehebungen priorisieren.
- Bei der Bildgenerierung hob er sowohl die Kreativität der Marketingteams hervor, die den Assistenten für Mockups nutzten, als auch die Probleme durch Rendering-Verzögerungen. Diese beiden Erkenntnisse flossen direkt in die Roadmap ein.
Wenn die Kosten für eine Frage auf wenige Minuten sinken, werden mehr Fragen gestellt. Mehr Probleme kommen zum Vorschein. Teams agieren schneller.
Das Tool ersetzt keine Datenwissenschaftler. Es verschafft ihnen Zeit, sich auf andere Aufgaben zu konzentrieren. Statt einmaliger Analysen bleibt ihnen mehr Zeit, neue Klassifikatoren zu erstellen und in Automatisierung und Tools zu investieren. Betriebsteams erstellen Berichte zu Einführungen jetzt in Minuten anstatt Tagen und haben so mehr Kapazitäten, längere Zeit mit Kunden zu verbringen. Produktteams können in Echtzeit von Kunden lernen und ihre Roadmaps mit schnelleren Feedbackschleifen ergänzen.
Dieser Wandel hat die Art und Weise verändert, wie wir zuhören. Anstatt knappe Analysezyklen zu rationieren, kann nun jedes Team seinen Fragen frei nachgehen. Neugierde wächst. Ein Produktleiter erkennt einen Reibungspunkt, ein Vertriebsleiter erkennt dasselbe Thema in Unternehmenstickets und gemeinsam schaffen sie einen schnelleren Weg zu Maßnahmen.
Die Hoffnung ist, dass Kunden dies am meisten spüren. Probleme werden schneller gelöst. Funktionen können sich ihren Anforderungen entsprechend weiterentwickeln. Feedback, das früher im Backlog vergraben war, ist jetzt für unsere Entwicklung von zentraler Bedeutung.
„Ich betrachte es als skalierte Forschung zur Benutzererfahrung der Kunden. Wenn wir die Stimme der Kunden so herausarbeiten, dass wir unsere Produkte, Richtlinien und Praktiken proaktiv ändern, dann ist das ein Erfolg.“
Was als Tool zum Analysieren von Millionen von Tickets begann, wird Teil der Art und Weise, wie wir zuhören. Und durch gutes Zuhören bauen wir erfolgreich.
