Zendesk nutzt OpenAI, um adaptive Service-Agenten zu entwickeln, die auf Problemlösungen ausgerichtet sind

Zendesk unterstützt Unternehmen seit über einem Jahrzehnt dabei, großartige Kundenerlebnisse zu schaffen. Seine Plattform ermöglicht jedes Jahr mehr als 4,6 Milliarden Problemlösungen.

Anfang 2023 begann Zendesk eine enge Zusammenarbeit mit OpenAI, um zu untersuchen, wie KI Service und Produktentwicklung neu gestalten könnte. Heute pilotiert Zendesk eine neue Klasse von KI-Agenten⁠(wird in einem neuen Fenster geöffnet), die von OpenAI-Modellen angetrieben werden und nicht nur ganze Gespräche führen, sondern Antworten autonom planen und ausführen: 

• Verkürzung der Einrichtungszeit von Tagen auf Minuten
• Steigerung der Automatisierungsraten in Richtung von 80 %
• Teams erhalten die volle Kontrolle darüber, wie sich die KI verhält

Selbst die ausgefeiltesten Serviceplattformen stoßen bei traditioneller Automatisierung an Grenzen. Das Standardmodell beruhte auf der Klassifizierung von Intentionen: eine Intention vorhersagen, einen vordefinierten Dialog oder Workflow auslösen und hoffen, dass der Kunde dem Skript folgt.

Dieses Setup funktionierte bei strukturierten Interaktionen, stieß aber bei Nuancen, Rückfragen oder Sonderfällen schnell an seine Grenzen.

„Früher galt: Nachricht rein, Antwort raus“, sagt Adrian McDermott, CTO bei Zendesk. „Echte Kunden ändern ihre Meinung, stellen Rückfragen und erwarten, dass die KI dem auf natürliche Weise folgt. Im Service zählt nur das Ergebnis der Problemlösung, und bis jetzt waren Bots in ihrer Fähigkeit, dies zu erreichen, etwas eingeschränkt.“

Zendesk begann die Zusammenarbeit mit OpenAI, um einen generativen Ansatz mit Retrieval-Augmented Generation (RAG) für grundlegende FAQ-Interaktionen einzuführen. Heute hat sich der Fokus auf generatives Reasoning verlagert, das KI-Agenten in die Lage versetzt, Aufgaben selbstständig zu planen und auszuführen.

Zendesks neue Klasse agentischer KI-Agenten wurde speziell für den Service entwickelt. Angetrieben von OpenAI-Modellen wie GPT‑4o beantworten die Agenten nicht nur Fragen – sie führen Gespräche, erschließen den Kontext durch Reasoning und steuern auf eine Problemlösung zu.

Die Plattform nutzt eine Multi-Agenten-Architektur, die aus spezialisierten Agenten besteht, etwa:

• Agent zur Aufgabenidentifizierung: Anstatt sich auf manuelles Training zu verlassen, führt dieser KI-Agent ein echtes Gespräch, um zu verstehen, was der Nutzer braucht, stellt Rückfragen und grenzt ähnliche Probleme voneinander ab.
• Konversations-RAG-Agent: Erweitert traditionelles RAG durch Verankerung in mehrteiligen Gesprächen. Wenn ein Nutzer zum Beispiel nach Zahlungsoptionen fragt, kann der Agent nachfassen und fragen, wo sich der Nutzer befindet, bevor er regionsspezifische Richtlinien abruft.
• Agent zur Verfahrenskompilierung: Um Handlungsfreiheit mit Kontrolle auszubalancieren, wandelt Zendesks Agent zur Verfahrenskompilierung Geschäftsregeln aus natürlicher Sprache in einen strukturierten Ablauf um und stellt sicher, dass die KI versteht und visuell abbildet, wie die Unternehmensverfahren auszuführen sind.
• Agent zur Verfahrensausführung: Führt Aktionen aus, indem APIs aufgerufen, Workflows ausgelöst und Systeme aktualisiert werden – alles innerhalb der vom Unternehmen definierten Logik.

Durch die Kombination von RAG mit Reasoning können die KI-Agenten von Zendesk jetzt mehrstufige Gespräche führen, Rückfragen stellen und Antworten auf Grundlage der Nutzereingaben anpassen. Dadurch kann die Plattform komplexe Probleme autonom lösen, ohne auf starre Dialogabläufe angewiesen zu sein.

„Wir haben dem Bot mehr Handlungsspielraum gegeben, um das Gespräch zu steuern, während er innerhalb der Schutzmechanismen von Zendesk für Qualität und Genauigkeit arbeitet“, sagt McDermott. „Der Prozess begann damit, das Problem des Kunden zu verstehen, mit einem starken Fokus darauf, auf eine Problemlösung hinzuarbeiten.“

Eine der größten Veränderungen in der Entwicklung der KI-Agenten von Zendesk war die Weiterentwicklung zu einem hybriden Entwicklungsmodell, bei dem Agenten innerhalb einer einzigen Unterhaltung nahtlos zwischen Dialogabläufen und generativen Verfahren wechseln können.

Mit dem neuen KI-Agenten-Builder können Unternehmen Verfahren in natürlicher Sprache definieren. Der KI-Agent plant dann mithilfe von adaptivem Reasoning einen Handlungsverlauf und zeigt eine Vorschau der vorgeschlagenen Schritte, bevor er live geht. 

Kontrollen für KI-Reasoning bieten Transparenz in Echtzeit darüber, wie KI-Agenten denken, und stellen sicher, dass Teams jede Unterhaltung prüfen können, indem sie die Gedankenkette (Chain of Thought, CoT) des Agenten nachvollziehen, um zu verstehen, wie Entscheidungen getroffen wurden.

Dieser Wandel verkürzt die Einrichtungszeit von Tagen auf Minuten und macht generative Automatisierung für eine deutlich breitere Gruppe von Zendesk-Kunden zugänglich.

Im Hintergrund betreibt Zendesk ein strenges internes Benchmarking-Programm, um die besten Modelle auszuwählen und bereitzustellen und Prompts für jeden Anwendungsfall abzustimmen. Das Team berücksichtigt Latenz, Kosten und Qualität und testet neue Modelle wie OpenAIs o3‑mini in Anwendungsfällen von RAG bis hin zu Hintergrund-Reasoning-Aufgaben.

Dieser Prozess ermöglicht es Zendesk, neue Modelle in weniger als 24 Stunden zu evaluieren, zu testen und bereitzustellen.

Zendesk verfolgt die Leistung sowohl vor als auch nach der Bereitstellung und nutzt dabei Offline-Evals und Live-Metriken wie Lösungsquote, Bearbeitungsrate und Latenz. Jede Modellentscheidung wird dokumentiert und ist prüfbar, was Transparenz und Zuverlässigkeit sicherstellt, während sich das System weiterentwickelt.

In diesem Jahr plant Zendesk, noch einen Schritt weiterzugehen: mit der Einführung einer Self-Service-Benchmarking-Plattform, damit jedes Zendesk-Engineering-Team Modelle testen und bereitstellen kann, ohne praktische Unterstützung von Experten für maschinelles Lernen zu benötigen.

Zendesk pilotiert die neue agentische KI-Plattform derzeit mit Early-Adopter-Kunden. Die Plattform ist so konzipiert, dass sie sich leicht in bestehende Setups integrieren lässt und den Weg der Kunden zu 80 % Automatisierung beschleunigt, ohne dass sie alles von Grund auf neu aufbauen müssen.

Während umfassendere Kennzahlen später im Jahr 2025 folgen werden, ist das frühe Feedback stark: schnellere Einrichtung, genauere Antworten und reibungslosere User Journeys über alle Kanäle hinweg.