Mejorar la asistencia con cada interacción en OpenAI

Esto forma parte de nuestra serie sobre cómo OpenAI está creando sus propias soluciones con nuestra tecnología.

Tradicionalmente, la asistencia implicaba colas, solicitudes y capacidad de rendimiento. Pero en OpenAI, eso no bastaba. Atendemos a cientos de millones de usuarios, gestionamos millones de solicitudes cada año y vemos cómo ese volumen se multiplica anualmente.

Muchas organizaciones se enfrentan al reto de la escala. Pocas afrontan tanto la escala como el fuerte crecimiento. Casi ninguna se enfrenta a ambas cosas mientras desarrolla la propia tecnología que podría cambiar las reglas del juego. Esa combinación nos situó en una posición única para replantear la asistencia desde cero.

La asistencia no es un problema de volumen. Es un reto de ingeniería y de diseño operativo. Así que creamos algo diferente: un modelo operativo en el que cada interacción mejora la siguiente.

El equipo de operaciones quería ir mucho más allá de usar un chatbot para desviar preguntas de asistencia. La visión del equipo es reinventar la asistencia como un modelo operativo de IA que aprenda y mejore de forma continua.

En el centro hay tres pilares:

• Superficies. Plataformas donde se utilizan los sistemas de asistencia. Chat, correo electrónico y teléfono, pero cada vez más, ayuda integrada directamente en el producto.
• Conocimiento. No solo documentos estáticos, sino guías dinámicas y en constante mejora, elaboradas a partir de conversaciones reales, políticas y contexto.
• Evaluaciones y clasificadores. Definiciones compartidas de calidad creadas conjuntamente por software y personas, además de herramientas para medir, mejorar y destacar comentarios.

Estos elementos no funcionan de manera aislada. Forman un bucle. Un patrón detectado en una conversación con una empresa puede dar lugar a una pregunta frecuente para desarrolladores. Una evaluación redactada para un caso refuerza el modelo para miles más. Y como los mismos elementos básicos impulsan cada superficie —chat, correo electrónico, voz—, las mejoras se amplían automáticamente en todos los canales.

El papel de un representante de asistencia está cambiando. Nuestro objetivo es transformar el modelo: que deje de centrarse principalmente en tramitar tareas transaccionales para pasar a formar parte del propio desarrollo. Ahora tiene la capacidad de contribuir a la arquitectura en sí, tanto directamente —mediante la implementación ascendente de cambios— como indirectamente a través de las acciones naturales de su trabajo diario.

Los representantes señalan interacciones que deberían convertirse en casos de prueba, proponen y crean clasificadores cuando detectan nuevos patrones e incluso hacen prototipos de automatizaciones ligeras para cerrar brechas de flujo de trabajo en cuestión de días. El entrenamiento también cambia: ya no se trata solo de políticas, sino de evaluar interacciones, identificar carencias estructurales e incorporar mejoras.

El nuevo enfoque busca garantizar que los representantes de asistencia sean tanto creadores como respondedores.

El resultado es una organización de asistencia definida menos por la capacidad de rendimiento y más por la capacidad de evolución. Cada persona no solo atiende a usuarios, sino que también mejora activamente la maquinaria que atiende a todos los usuarios.

Construir la asistencia de esta manera solo es posible porque nos basamos en la infraestructura de OpenAI.

• SDK para agentes nos ofrece trazas a nivel de paso y observabilidad de forma predeterminada. Podemos reproducir ejecuciones, inspeccionar llamadas a herramientas y depurar causas raíz al instante.
• La API de respuestas impulsa clasificadores para el tono, la corrección y el cumplimiento de políticas.
• La API en tiempo real hace posible la asistencia por voz.
• El panel de evaluaciones de OpenAI hace que la calidad sea medible y fácil de visualizar con el tiempo.

Como los elementos básicos de la plataforma vienen listos para usar, dedicamos menos tiempo a encajar sistemas y más tiempo a lo que realmente importa: definir qué es lo bueno, medirlo y mejorarlo.

Empezamos con un sencillo sistema de preguntas y respuestas que funcionaba bien. Con SDK para agentes, ampliamos rápidamente a acciones dinámicas para asuntos como reembolsos, facturas o búsquedas de incidentes. A medida que los modelos siguen mejorando con ventanas de contexto más amplias, investigación avanzada y mayores capacidades de agentes, podemos adoptar esos avances de inmediato.

Las evaluaciones convierten las conversaciones cotidianas en pruebas en producción. Definen lo que significa «excelente»: no solo resolver el problema, sino hacerlo con cortesía, claridad y coherencia. Los agentes de asistencia desempeñan aquí un papel directo: señalan ejemplos buenos y malos que se convierten en evaluaciones, y esas evaluaciones se ejecutan de forma continua en producción para guiar el comportamiento del modelo.

«Normalmente, cuando tienes un problema, lo único que quieres es recibir ayuda lo antes posible. Con nuestras herramientas de IA, podemos ofrecer esas respuestas mucho más rápido y, lo que es igual de importante, sabemos cuándo el modelo no debe contestar», explica Jay Patel, ingeniero de software, Automatización de asistencia.

El aprendizaje no se detiene al resolver el caso. Los patrones se retroalimentan en el conocimiento, la automatización y el diseño de producto. El sistema se multiplica: respuestas más rápidas para los usuarios, bucles de retroalimentación más ágiles para los desarrolladores y un listón de calidad cada vez más alto en todas las superficies.

Y no es solo la IA la que aprende. La organización aprende con ella. Los especialistas detectan dónde fallan los modelos, diseñan nuevos clasificadores y aportan conjuntos de datos para el ajuste preciso. Los paneles de observabilidad hacen que la calidad se pueda medir, lo que muestra cómo mejora el rendimiento con el tiempo.

El cambio más profundo no está en las herramientas, sino en las personas y en cómo la organización mide el éxito. Los especialistas en asistencia son reconocidos no solo por resolver problemas, sino por perfeccionar el conocimiento, mejorar los modelos y ampliar el propio sistema. Los responsables buscan un nuevo tipo de compañero: alguien que combine la empatía en primera línea con la intuición para el diseño, uniendo la práctica de la asistencia con la curiosidad para mejorar el sistema.

Nuestra visión es que la asistencia deje de ser un lugar al que acudir. Y que se convierta en una acción, integrada en cada superficie del producto. Los usuarios no «inician una solicitud». Simplemente obtienen lo que necesitan en el momento.

Lo que comenzó como una respuesta a la escala se ha convertido en un modelo de cómo las personas y la IA pueden trabajar juntas: de manera colaborativa, adaptable y en mejora continua.