Ginagamit ng Zendesk ang OpenAI para bumuo ng mga adaptive service agent na nakatuon sa mga resolusyon

Mahigit isang dekada nang tinutulungan ng Zendesk ang mga negosyo na maghatid ng mahuhusay na karanasan sa customer. Ang platform nito ay nagpapagana ng mahigit 4.6 bilyong resolusyon bawat taon.

Noong unang bahagi ng 2023, nagsimulang makipagtulungan nang malapitan ang Zendesk sa OpenAI upang tuklasin kung paano mababago ng AI ang serbisyo at pagbuo ng produkto. Sa ngayon, sinusubukan ng Zendesk ang isang bagong klase ng AI agent⁠(magbubukas sa bagong window), na pinapagana ng mga modelo ng OpenAI, na hindi lang namamahala ng buong pag-uusap kundi nagpaplano at nagsasagawa rin ng mga tugon nang awtonomo: 

• Pinapababa ang oras ng pag-set up mula mga araw tungo sa ilang minuto
• Pinapataas ang mga automation rate tungo sa 80%
• Binibigyan ang mga team ng ganap na kontrol sa kung paano kumikilos ang AI

Kahit ang pinakamakabagong mga service platform ay may mga limitasyon pagdating sa tradisyonal na automation. Ang karaniwang modelo ay umaasa sa intent classification: hulaan ang isang intent, mag-trigger ng paunang itinakdang dialogue o workflow, at umasang susunod ang customer sa script.

Gumana ang setup na ito para sa mga istrukturadong interaksiyon, ngunit mabilis itong pumapalya kapag may nuance, mga follow-up, o edge case.

“Ang lumang mundo ay message in, response out,” sabi ni Adrian McDermott, CTO sa Zendesk. “Nagbabago ang isip ng totoong mga customer, nagtatanong ng paglilinaw, at inaasahang sasabay nang natural ang AI. Sa serbisyo, ang tanging mahalagang resulta ay resolusyon, at hanggang ngayon, medyo limitado ang kakayahan ng mga bot na makamit ito.”

Nagsimulang makipagtulungan ang Zendesk sa OpenAI upang gumamit ng generative na approach gamit ang Retrieval-Augmented generation (RAG) para sa mga batayang FAQ interaction. Sa ngayon, lumipat ang kanilang pokus sa generative reasoning na nagbibigay-daan sa mga AI agent na magplano at magsagawa ng mga gawain nang independiyente.

Ang bagong klase ng agentic AI agent ng Zendesk ay sadyang ginawa para sa serbisyo. Pinapagana ng mga modelo ng OpenAI tulad ng GPT‑4o, hindi lang sumasagot ng tanong ang mga agent—pinangungunahan nila ang mga pag-uusap, nangangatuwiran ayon sa konteksto, at nagtutulak tungo sa resolusyon.

Ginagamit ng platform ang multi-agent architecture na binubuo ng mga espesyal na agent gaya ng:

• Agent sa pagtukoy ng gawain: Sa halip na umasa sa manwal na pagsasanay, nakikipag-usap nang tunay ang AI agent na ito upang maunawaan kung ano ang kailangan ng user, nagtatanong ng paglilinaw at nililinaw ang magkakahawig na isyu.
• Conversational RAG agent: Pinapalawak ang tradisyonal na RAG sa pamamagitan ng pag-angkla sa multi-turn na pag-uusap. Halimbawa, kapag nagtanong ang isang user tungkol sa mga opsyon sa pagbabayad, puwedeng mag-follow up ang agent upang itanong kung saan matatagpuan ang user bago kunin ang mga patakarang naaayon sa rehiyon.
• Agent sa pagbuo ng procedure: Sa pagbabalanse ng agency at kontrol, kino-convert ng procedure compliance agent ng Zendesk ang mga business rule mula sa natural na wika tungo sa isang istrukturadong daloy, na tinitiyak na nauunawaan at biswal na naipapakita ng AI kung paano isasagawa ang mga procedure ng kumpanya.
• Agent sa pagsasagawa ng procedure: Isinasagawa ang mga aksyon sa pamamagitan ng pagtawag sa mga API, pagti-trigger ng mga workflow, at pag-update ng mga system, lahat sa loob ng lohikang itinakda ng negosyo.

Sa pagsasama ng RAG at reasoning, nakakasali na ngayon ang mga AI agent ng Zendesk sa mga multi-step na pag-uusap, nakakapagtanong ng mga follow-up, at nakakapag-angkop ng mga tugon batay sa input ng user. Dahil dito, kayang resolbahin ng platform ang mga kumplikadong isyu nang awtonomo, nang hindi umaasa sa mahihigpit na dialogue flow.

“Binigyan namin ang bot ng mas maraming agency sa paggabay sa pag-uusap habang kumikilos sa loob ng mga guardrail ng Zendesk para sa kalidad at katumpakan,” sabi ni McDermott. “Nagsimula ang proseso sa pag-unawa sa isyu ng customer na may matinding pokus sa pagtulak tungo sa resolusyon.”

Isa sa pinakamalalaking pagbabago sa pagbuo ng AI agent ng Zendesk ay ang pag-usbong nito tungo sa hybrid na development model, kung saan maaaring tuluy-tuloy na lumipat ang mga agent sa pagitan ng mga dialogue flow at generative procedure sa loob ng iisang pag-uusap.

Gamit ang bagong AI agent builder, maaaring tukuyin ng mga negosyo ang mga procedure sa natural na wika. Pagkatapos, magpaplano ang AI agent ng paraan ng pagkilos gamit ang adaptive reasoning at nagpapakita ng preview ng mga iminungkahing hakbang nito bago ito maging live. 

Ang mga control sa AI reasoning ay nagbibigay ng real-time na visibility sa kung paano mag-isip ang mga AI agent, na tinitiyak na mao-audit ng mga team ang bawat pag-uusap sa pamamagitan ng pagrepaso sa chain of thought (CoT) ng agent upang maunawaan kung paano ginawa ang mga desisyon.

Pinapababa ng pagbabagong ito ang oras ng pag-set up mula mga araw tungo sa ilang minuto, at ginagawang mas naa-access ang generative automation sa mas malawak na hanay ng mga customer ng Zendesk.

Sa likod ng lahat, nagpapatakbo ang Zendesk ng mahigpit na internal benchmarking program upang piliin at i-deploy ang pinakamahusay na mga modelo at i-tune ang mga prompt para sa bawat use case. Isinasaalang-alang ng team ang latency, gastos, at kalidad, at sinusubok ang mga bagong modelo tulad ng o3‑mini ng OpenAI sa mga use case mula RAG hanggang sa mga background reasoning task.

Binibigyang-daan ng prosesong ito ang Zendesk na magsuri, sumubok, at mag-deploy ng mga bagong modelo sa loob ng wala pang 24 na oras.

Sinusubaybayan ng Zendesk ang performance bago at pagkatapos ng deployment, gamit ang offline evals at live na sukatan tulad ng resolution rate, edit rate, at latency. Naka-dokumento at nao-audit ang bawat desisyon sa modelo, na nagsisiguro ng transparency at pagiging maaasahan habang umuunlad ang system.

Ngayong taon, plano ng Zendesk na humakbang pa: ilunsad ang isang self-service benchmarking platform upang makapagsubok at makapag-deploy ng mga modelo ang anumang engineering team ng Zendesk nang hindi nangangailangan ng hands-on na suporta mula sa mga eksperto sa machine learning.

Kasalukuyang sinusubukan ng Zendesk ang bagong agentic AI platform kasama ang mga customer na maagang nag-adopt nito. Dinisenyo ang platform upang madaling maisama sa mga umiiral na setup, na nagpapabilis sa landas ng mga customer tungo sa 80% automation nang hindi nila kailangang muling buuin ang lahat mula sa simula.

Bagama’t susunod pa ang mas malawak na mga sukatan sa huling bahagi ng 2025, naging malakas na ang paunang feedback: mas mabilis na setup, mas tumpak na mga tugon, at mas maayos na user journey sa bawat channel.