Mejorar el soporte con cada interacción en OpenAI

Este artículo forma parte de nuestra serie sobre cómo OpenAI desarrolla sus propias soluciones basadas en nuestra tecnología.

Históricamente, el soporte ha significado filas, tickets y rendimiento. Sin embargo, en OpenAI, eso no era suficiente. Atendemos a cientos de millones de usuarios, gestionamos millones de solicitudes al año y vemos que ese volumen crece de manera exponencial anualmente.

Muchas organizaciones lidian con las escalas. Unas cuantas menos lidian con las escalas y el hipercrecimiento. Casi ninguna enfrenta ambas, y además crea la tecnología misma que podría cambiar esa ecuación. Esta combinación nos puso en una posición única para repensar en el soporte desde cero.

El soporte no es un desafío de volumen. Es un desafío de diseño de ingeniería y operaciones. Así que creamos algo diferente: una modelo operativo en la que cada interacción mejora la siguiente.

El equipo de Operaciones quería ir más allá usando un chatbot para desviar las preguntas de soporte. El equipo tiene una visión: reimaginar el soporte como un modelo operativo de IA que aprende y mejora de manera continua.

Al centro hay tres bloques de construcción:

• Superficies. Donde se interactúa con los sistemas de soporte. Chat, correo electrónico y teléfono, pero cada vez más, ayuda integrada directamente dentro del producto.
• Conocimiento. No solo documentos estáticos, sino orientación viva y en mejora continua, extraída de conversaciones, políticas y contextos reales.
• Evaluaciones y clasificadores. Definiciones compartidas sobre calidad creadas por software y humanos al unísono, además de herramientas para medir, mejorar y destacar los comentarios.

Estas piezas no están aisladas. Forman un bucle. Un patrón vislumbrado en una conversación empresarial pueden informar las Preguntas frecuentes de un desarrollador. Una evaluación escrita para un caso fortalece el modelo para miles más. Y, dado que los mismos básicos impulsan cada una de las superficies (chat, correo electrónico, voz), las mejoras escalan entre los canales de manera automática.

El rol de un representante de soporte es cambiar. Nuestro objetivo es cambiar el modelo: de centrarse principalmente en procesar trabajo transaccional a ser parte de la construcción general. Tienen el poder para contribuir con la arquitectura misma, tanto directamente a través de una implementación ascendente de cambios, como indirectamente, a través de los movimientos naturales de su trabajo cotidiano.

Los representantes notifican interacciones que deben convertirse en casos de prueba, proponen y envían clasificadores cuando ven nuevos patrones, e incluso hacen prototipos de automatizaciones ligeras para cerrar brechas en los flujos de trabajo con rapidez. También hacen cambios en el entrenamiento; no se trata solo de políticas, sino de evaluar interacciones, identificar brechas estructurales y comentar las mejorías.

El nuevo enfoque busca asegurar que los representantes de soporte sean constructores en la misma medida que son ayudantes.

El resultado es una organización de soporte definida menos por el rendimiento y más por su capacidad para evolucionar. Cada persona no solo atiende a los usuarios sino que también mejora de manera activa la maquinaria que atiende a todos los usuarios.

Construir el soporte de esta manera solo es posible porque estamos creados sobre la pila de OpenAI.

• El SDK de los agentes deja huellas a cada paso y observabilidad de manera predeterminada. Podemos repetir corridas, inspeccionar llamadas sobre herramientas y depurar las causas raíz de inmediato.
• La API de respuestas impulsa los clasificadores de tono, corrección y adherencia a las políticas.
• La API en tiempo real hace posible el soporte por voz.
• El panel de control de evaluaciones de OpenAI hace medible la calidad y facilita su visualización a través del tiempo.

Ya que los básicos de la plataforma vienen listos, pasamos menos tiempo uniendo sistemas y más tiempo enfocándonos en el trabajo que importa: definir cómo se es lo bueno, midiéndolo y mejorándolo.

Comenzamos con un simple respondedor de preguntas que funcionaba bien. Con el SDK de agentes, nos expandimos rápidamente a acciones dinámicas para cosas como reembolsos, facturas y revisiones de incidentes. A medida que los modelos continúan mejorando con ventanas de contexto mayores, investigación a fondo y funcionalidades agénticas más sólidas, podemos adoptar esos avances de inmediato.

Las evaluaciones convierten las conversaciones cotidianas en pruebas productivas. Codifican lo que significa “grandioso”: no solo resolver el problema, sino hacerlo de manera educada, clara y sistemática. Los representantes tienen un rol directo aquí, indicando ejemplos fuertes y débiles que se convierten en evaluaciones, y estas van continuamente a producción para dirigir el comportamiento del modelo.

“Por lo general, cuando hay un problema lo único que quieres es ayudar lo más rápido posible. Al usar nuestras herramientas de IA, podemos obtener esas respuestas mucho más rápido y, no menos importante, sabemos cuándo no debe responder el modelo”, afirma Jay Paterl, ingeniero de Software, Automatización del Soporte.

El aprendizaje no se detiene con las resoluciones. Los patrones alimentan el conocimiento, la automatización y el diseño de productos. El sistema crece: hay respuestas más rápidas para los usuarios, bucles de comentarios más estrechos para los constructores, y una vara constantemente más alta de calidad en cada superficie.

Y no solo la IA aprende. La organización aprende junto a ella. Los especialistas ven dónde se quedan cortos los modelos, dan forma a nuevos clasificadores y contribuyen con conjuntos de datos para un ajuste fino. Los paneles de control de observabilidad hacen medible la calidad, mostrando cómo mejora el rendimiento con el paso del tiempo.

El cambio más profundo no son las herramientas, sino las personas y la manera en que la organización mide el éxito. Los especialistas de soporte son reconocidos no solo por resolver problemas, sino por refinar el conocimiento, mejorar los modelos y ampliar el sistema mismo. Los líderes buscan un nuevo tipo de compañero de equipo: alguien que combine la empatía de la atención al usuario con instintos de diseño, el arte del soporte con la curiosidad de mejorar el sistema.

Y nuestra visión es que el soporte es un destino al que llegas. Se convierte en una acción entretejida con la superficie de cada producto. Los usuarios no «abren un ticket». Simplemente obtienen lo que necesitan desde donde están.

Lo que comenzó como una respuesta a la escala se ha convertido en un diagrama de la manera en que las personas y la IA pueden trabajar juntas: de manera colaborativa, adaptativa y mejorando continuamente.