Zendesk با OpenAI عاملهای خدماتی سازگارپذیر با تمرکز بر حل مسئله میسازد
Zendesk بیش از یک دهه است که به کسبوکارها کمک کرده تجربههای عالی برای مشتری ارائه دهند. پلتفرم آن هر سال بیش از ۴.۶ میلیارد حل مسئله را پشتیبانی میکند.
در اوایل ۲۰۲۳، Zendesk همکاری نزدیک با OpenAI را آغاز کرد تا بررسی کند هوش مصنوعی چگونه میتواند خدمات و توسعه محصول را متحول کند. امروز Zendesk در حال آزمایش نسلی جدید از عاملهای هوش مصنوعی(در یک پنجره جدید باز میشود) است که با مدلهای OpenAI کار میکنند و نهتنها کل مکالمهها را مدیریت میکنند، بلکه بهصورت خودگردان پاسخها را برنامهریزی و اجرا میکنند:
- کاهش زمان راهاندازی از چند روز به چند دقیقه
- افزایش نرخ اتوماسیون تا ۸۰٪
- دادن کنترل کامل به تیمها بر نحوه رفتار هوش مصنوعی
حتی پیشرفتهترین پلتفرمهای خدماتی هم در اتوماسیون سنتی با محدودیتهایی روبهرو هستند. مدل استاندارد بر طبقهبندی نیت تکیه داشت: یک نیت را پیشبینی کن، یک گفتوگو یا گردشکار ازپیشتعریفشده را فعال کن و امیدوار باش مشتری مطابق اسکریپت پیش برود.
این ساختار برای تعاملات ساختاریافته کار میکرد، اما در برابر ظرافتها، پیگیریها یا موارد لبهای خیلی زود از کار میافتاد.
Adrian McDermott، مدیر ارشد فناوری Zendesk، میگوید: «در دنیای قدیم، پیام وارد میشد و پاسخ خارج میشد. مشتریان واقعی نظرشان را عوض میکنند، سؤالهای روشنکننده میپرسند و انتظار دارند هوش مصنوعی بهطور طبیعی همراهشان پیش بیاید. در خدمات، تنها نتیجهای که اهمیت دارد حل مسئله است و تا امروز، باتها در توانایی دستیابی به آن تا حدی محدود بودهاند».
Zendesk همکاری با OpenAI را برای بهکارگیری رویکردی مولد با استفاده از روش تولید تقویتشده با بازیابی اطلاعات (RAG) در تعاملات پایه پرسشهای متداول (FAQ) آغاز کرد. امروز تمرکز آن به استدلال مولد تغییر کرده است؛ قابلیتی که به عاملهای هوش مصنوعی اجازه میدهد بهطور مستقل برای کارها برنامهریزی و آنها را اجرا کنند.
نسل جدید عاملهای هوش مصنوعی عاملمحور Zendesk بهطور ویژه برای خدمات ساخته شده است. این عاملها که با مدلهای OpenAI مانند GPT‑4o کار میکنند، فقط به پرسشها پاسخ نمیدهند؛ بلکه مکالمهها را هدایت میکنند، درباره زمینه استدلال میکنند و بهسوی حل مسئله پیش میروند.
این پلتفرم از معماری چندعاملی بهره میبرد که شامل عاملهای تخصصی زیر است:
- عامل شناسایی وظیفه: این عامل هوش مصنوعی بهجای تکیه بر آموزش دستی، یک گفتوگوی واقعی انجام میدهد تا بفهمد کاربر به چه چیزی نیاز دارد؛ سؤالهای روشنکننده میپرسد و مسائل مشابه را از هم تفکیک میکند.
- عامل RAG مکالمهای: RAG سنتی را با اتکا به گفتوگوی چندنوبتی گسترش میدهد. برای مثال، وقتی کاربر درباره گزینههای پرداخت سؤال میکند، عامل میتواند در ادامه بپرسد کاربر در کجا قرار دارد و سپس سیاستهای مختص آن منطقه را بازیابی کند.
- عامل تدوین رویه: عامل انطباق رویه Zendesk با ایجاد تعادل میان اختیار و کنترل، قوانین کسبوکار را از زبان طبیعی به یک جریان ساختاریافته تبدیل میکند تا مطمئن شود هوش مصنوعی میفهمد چگونه باید رویههای شرکت را اجرا کند و آن را بهصورت بصری بازتاب میدهد.
- عامل اجرای رویه: با فراخوانی APIها، فعالکردن گردشکارها و بهروزرسانی سیستمها، همه در چارچوب منطقی تعریفشده از سوی کسبوکار، اقدامات را اجرا میکند.
Zendesk با ترکیب RAG و استدلال، اکنون میتواند عاملهای هوش مصنوعیای ارائه دهد که در گفتوگوهای چندمرحلهای مشارکت میکنند، سؤالهای پیگیری میپرسند و پاسخها را بر اساس ورودی کاربر تطبیق میدهند. این کار به پلتفرم اجازه میدهد مسائل پیچیده را بدون تکیه بر جریانهای گفتوگوی خشک، بهصورت خودگردان حل کند.
مکدرموت میگوید: «ما به بات اختیار بیشتری دادهایم تا در هدایت مکالمه نقش داشته باشد، در حالی که در چارچوبهای حفاظتی Zendesk برای کیفیت و دقت عمل میکند. این فرایند با درک مسئله مشتری و با تمرکز زیاد بر حرکت بهسمت حل مسئله آغاز شد.»
یکی از بزرگترین تغییرات در توسعه عاملهای هوش مصنوعی Zendesk، تکامل آن به یک مدل توسعه ترکیبی بوده است؛ مدلی که در آن عاملها میتوانند در یک گفتوگوی واحد، بهطور روان میان جریانهای گفتوگو و رویههای مولد جابهجا شوند.
با سازنده جدید عامل هوش مصنوعی، کسبوکارها میتوانند رویهها را با زبان طبیعی تعریف کنند. سپس عامل هوش مصنوعی با استفاده از استدلال تطبیقی، مسیر اقدام را برنامهریزی میکند و پیشنمایشی از گامهای پیشنهادی خود را پیش از فعالسازی ارائه میدهد.
کنترلهای استدلال هوش مصنوعی، دیدی لحظهای از نحوه فکر کردن عاملهای هوش مصنوعی فراهم میکنند و این اطمینان را میدهند که تیمها بتوانند با بررسی زنجیره فکر عامل (CoT)، هر گفتوگو را ممیزی کنند و بفهمند تصمیمها چگونه گرفته شدهاند.
این تغییر، زمان راهاندازی را از چند روز به چند دقیقه کاهش میدهد و اتوماسیون مولد را برای مجموعه بسیار گستردهتری از مشتریان Zendesk در دسترس قرار میدهد.
«بزرگترین موانع پذیرش هوش مصنوعی را از میان برداشتهایم. حالا مشتریان میتوانند این عاملهای جدید هوش مصنوعیِ عاملمحور را بهصورت آماده استفاده کنند.»
در پشت صحنه، Zendesk یک برنامه سختگیرانه بنچمارک داخلی اجرا میکند تا بهترین مدلها را برای هر کاربرد انتخاب و مستقر کند و اعلانها را برای هر مورد استفاده تنظیم کند. تیم، تأخیر، هزینه و کیفیت را در نظر میگیرد و مدلهای جدیدی مانند o3‑مینی از OpenAI را در کاربردهایی از RAG تا وظایف استدلال پسزمینه آزمایش میکند.
این فرایند به Zendesk اجازه میدهد مدلهای جدید را در کمتر از ۲۴ ساعت ارزیابی، آزمایش و مستقر کند.
Zendesk عملکرد را هم پیش از استقرار و هم پس از آن، با استفاده از ارزیابیهای آفلاین و شاخصهای زندهای مانند نرخ حل مسئله، نرخ ویرایش و تأخیر دنبال میکند. هر تصمیم مربوط به مدل مستند و قابل ممیزی است تا با تکامل سیستم، شفافیت و قابلیت اتکا حفظ شود.
Zendesk امسال قصد دارد یک گام فراتر برود: عرضه یک پلتفرم بنچمارک سلفسرویس تا هر تیم مهندسی Zendesk بتواند بدون نیاز به پشتیبانی عملی از سوی متخصصان یادگیری ماشین، مدلها را آزمایش و مستقر کند.
Zendesk در حال حاضر پلتفرم جدید هوش مصنوعی عاملمحور را با مشتریان پیشرو بهصورت آزمایشی اجرا میکند. این پلتفرم طوری طراحی شده که بهراحتی با زیرساختهای موجود یکپارچه شود و مسیر مشتریان را برای رسیدن به ۸۰٪ اتوماسیون، بدون نیاز به بازسازی از صفر، تسریع کند.
با اینکه شاخصهای گستردهتر بعداً در سال ۲۰۲۵ منتشر خواهند شد، بازخوردهای اولیه بسیار مثبت بودهاند: راهاندازی سریعتر، پاسخهای دقیقتر و مسیرهای کاربری روانتر در همه کانالها.
