Zendesk usa OpenAI para crear agentes de servicio adaptativos enfocados en la resolución

Zendesk ha ayudado a las empresas a ofrecer grandes experiencias al cliente durante más de una década. Su plataforma impulsa más de 4.6 mil millones de resoluciones cada año.

A principios de 2023, Zendesk comenzó a trabajar de cerca con OpenAI para explorar cómo la IA podría transformar el servicio y el desarrollo de productos. Hoy, Zendesk está probando una nueva clase de agentes de IA⁠(se abre en una nueva ventana), impulsados por modelos de OpenAI, que no solo gestionan conversaciones completas, sino que también planifican y ejecutan respuestas de forma autónoma: 

• Reducen el tiempo de configuración de días a minutos
• Aumentan las tasas de automatización hacia 80%
• Dan a los equipos control total sobre cómo se comporta la IA

Incluso las plataformas de servicio más sofisticadas enfrentan limitaciones cuando se trata de la automatización tradicional. El modelo estándar dependía de la clasificación de intenciones: predecir una intención, activar un diálogo o flujo de trabajo predefinido y esperar que el cliente siguiera el guion.

Esta configuración funcionaba en interacciones estructuradas, pero fallaba en cuanto aparecían matices, preguntas de seguimiento o casos poco comunes.

“Antes era simple: llega un mensaje y sale una respuesta”, dice Adrian McDermott, CTO de Zendesk. “Los clientes reales cambian de opinión, hacen preguntas aclaratorias y esperan que la IA siga el ritmo de forma natural. En servicio, el único resultado que importa es la resolución y, hasta ahora, los bots han sido algo limitados en su capacidad para lograrla”.

Zendesk comenzó a trabajar con OpenAI para adoptar un enfoque generativo que usara Retrieval-Augmented generation (RAG) para interacciones básicas de preguntas frecuentes. Hoy, su enfoque ha cambiado hacia el razonamiento generativo que permite a los agentes de IA planificar y ejecutar tareas de manera independiente.

La nueva clase de agentes de IA agéntica de Zendesk está diseñada específicamente para el servicio. Impulsados por modelos de OpenAI como GPT‑4o, los agentes no solo responden preguntas: lideran conversaciones, razonan según el contexto y avanzan hacia la resolución.

La plataforma aprovecha una arquitectura multiagente compuesta por agentes especializados como:

• Agente de identificación de tareas: en lugar de depender del entrenamiento manual, este agente de IA mantiene una conversación real para entender lo que el usuario necesita, haciendo preguntas aclaratorias y desambiguando problemas similares.
• Agente conversacional de RAG: amplía el RAG tradicional al basarse en conversaciones de varios turnos. Por ejemplo, cuando un usuario pregunta sobre opciones de pago, el agente puede hacer una pregunta de seguimiento para saber dónde se encuentra el usuario antes de recuperar políticas específicas de la región.
• Agente de compilación de procedimientos: al equilibrar autonomía con control, el agente de cumplimiento de procedimientos de Zendesk convierte reglas empresariales del lenguaje natural en un flujo estructurado, asegurando que la IA entienda y refleje visualmente cómo ejecutar los procedimientos de la empresa.
• Agente de ejecución de procedimientos: lleva a cabo acciones al llamar APIs, activar flujos de trabajo y actualizar sistemas, todo dentro de la lógica definida por la empresa.

Al combinar RAG con razonamiento, los agentes de IA de Zendesk ahora pueden participar en conversaciones de varios pasos, hacer preguntas de seguimiento y adaptar respuestas según la información del usuario. Esto permite que la plataforma resuelva problemas complejos de forma autónoma, sin depender de flujos de diálogo rígidos.

"Le hemos dado al bot más autonomía para guiar la conversación, sin salir de los controles de Zendesk en materia de calidad y precisión", dice McDermott. "El proceso comenzó por entender el problema del cliente, con un enfoque claro en llevar la conversación hacia una solución".

Uno de los mayores cambios en el desarrollo de agentes de IA de Zendesk ha sido su evolución hacia un modelo de desarrollo híbrido, donde los agentes pueden moverse sin problemas entre flujos de diálogo y procedimientos generativos dentro de una sola conversación.

Con el nuevo creador de agentes de IA, las empresas pueden definir procedimientos en lenguaje natural. El agente de IA luego planifica un curso de acción usando razonamiento adaptativo y presenta una vista previa de los pasos propuestos antes de entrar en funcionamiento. 

Los controles de razonamiento de IA ofrecen visibilidad en tiempo real sobre cómo piensan los agentes de IA, asegurando que los equipos puedan auditar cada conversación revisando la cadena de pensamiento (CoT) del agente para entender cómo se tomaron las decisiones.

Este cambio reduce el tiempo de configuración de días a minutos y hace que la automatización generativa sea accesible para un conjunto mucho más amplio de clientes de Zendesk.

Under the hood, Zendesk runs a rigorous internal benchmarking program to select and deploy the best models and tune prompts for each use case. The team considers latency, cost, and quality, testing new models like OpenAI’s o3‑mini across use cases ranging from RAG to background reasoning tasks.

This process allows Zendesk to evaluate, test, and deploy new models in under 24 hours.

Zendesk tracks performance both before and after deployment, using offline evals and live metrics like resolution rate, edit rate, and latency. Each model decision is documented and auditable, ensuring transparency and reliability as the system evolves.

This year, Zendesk plans to go a step further: rolling out a self-service benchmarking platform so any Zendesk engineering team can test and deploy models without needing hands-on support from machine learning experts.

Zendesk está probando su nueva plataforma de IA con agentes junto a clientes pioneros. Está diseñada para integrarse fácilmente con las configuraciones existentes y acelerar el camino hacia una automatización del 80 % sin requerir que reconstruyan todo desde cero.

Aunque las métricas más amplias llegarán más adelante en 2025, la retroalimentación inicial ha sido sólida: implementación más rápida, respuestas más precisas y recorridos de usuario más fluidos en todos los canales.