OpenAI में हर बातचीत के साथ सपोर्ट को बेहतर बनाना
ये हमारी उस सीरीज़ का एक हिस्सा है जिसमें बताया गया है कि किस तरह OpenAI हमारी टेक्नोलॉजी पर अपने खुद के सॉल्यूशन्स डेवलप कर रहा है.
सपोर्ट का मतलब पहले कतारें, टिकट, और काम निपटाने की गति हुआ करता था. लेकिन OpenAI में, ये काफ़ी नहीं था. हम करोड़ों यूज़र्स को सर्विस देते हैं, हर साल लाखों रिक्वेस्ट हैंडल करते हैं, और देखते हैं कि ये संख्या हर साल कई गुना बढ़ रही है.
बहुत सारे ऑर्गनाइज़ेशन्स बड़े पैमाने पर काम संभालते हैं. कम लोग ही बड़े पैमाने और तेज़ बढ़ोतरी दोनों को संभालते हैं. लगभग कोई भी नहीं है जो दोनों का सामना नहीं करता है—साथ ही वही टेक्नोलॉजी भी बनाते हुए जो हालात बदल सकती है. इस कॉम्बिनेशन ने हमें ज़मीनी स्तर से सपोर्ट पर दोबारा सोचने के लिए यूनीक स्थिति में लाकर रख दिया.
“सपोर्ट कभी भी सिर्फ़ टिकटों पर जवाब देने तक ही सीमित नहीं रहा है. ये इस बारे में है कि क्या लोगों को वो मिलता है जिसकी उन्हें ज़रुरत है, क्या ये वाकई में उनके लिए अच्छा है.”
सपोर्ट कोई वॉल्यूम से जुड़ी चुनौती नहीं है. ये एक इंजीनियरिंग और ऑपरेशनल डिज़ाइन चैलेंज है. इसलिए हमने कुछ अलग बनाया: एक ऐसा ऑपरेटिंग मॉडल जहां हरेक बातचीत अगली बातचीत को बेहतर बनाती है.
ऑप्स टीम सिर्फ़ चैटबॉट का इस्तेमाल करके सपोर्ट सवालों को टालने से कहीं आगे बढ़ना चाहती थी. टीम का एक विज़न है: सपोर्ट को एक AI ऑपरेटिंग मॉडल के तौर पर एक नया रूप देना जो लगातार सीखता और सुधारता रहे.
सेंटर में तीन बुनियादी हिस्से हैं:
- सतहें. जहां सपोर्ट सिस्टम्स के साथ बातचीत की जाती है. चैट, ईमेल, और फ़ोन, लेकिन अब ज़्यादातर मदद सीधे प्रोडक्ट में ही उपलब्ध होती है.
- जानकारी सिर्फ़ स्टैटिक डॉक्यूमेंट्स ही नहीं, बल्कि असली वाबातचीतों, पॉलिसियों और कॉन्टेक्स्ट से मिलने वाला जीवंत और लगातार सीख कर बेहतर होती जाने वाली गाइडेंस.
- इवैल्स और क्लासिफ़ायर्स. सॉफ़्टवेयर और इंसानों द्वारा एक साथ मिलकर बनाई गई क्वालिटी की शेयर्ड परिभाषाएं, साथ ही फ़ीडबैक को मापने, सुधारने, और हाईलाइट करने के लिए टूल्स.
ये टुकड़े अलग-थलग नहीं रहते. वे एक लूप बनाते हैं. किसी एंटरप्राइज़ बातचीत में देखा गया पैटर्न, डेवलपर FAQ को जानकारी दे सकता है. एक मामले के लिए लिखा गया एक इवैल हज़ारों दूसरे और मामलों के लिए मॉडल को मज़बूत बनाता है. और क्योंकि वही मूल तत्व हर माध्यम - चैट, ईमेल, वॉइस—को चलाते हैं, सुधार अपने आप सभी चैनलों में फ़ैल जाते हैं.
सपोर्ट प्रतिनिधि का रोल बदल रहा है. हमारा उद्देश्य मॉडल को मुख्य रूप से लेन-देन संबंधी काम करने पर फ़ोकस करने से हटाकर पूरी निर्माण प्रक्रिया का एक हिस्सा बनाना है. वे आर्किटेक्चर में योगदान देने के लिए सशक्त हैं, सीधे तौर पर नीचे से ऊपर तक बदलाव लाने के ज़रिये और अप्रत्यक्ष तरीके से अपने रोज़मर्रा के कामों के आम तरीकों के ज़रिये.
रिप्रेजेंटेटिव्स उन इंटरैक्शन्स को चिह्नित करते हैं जिन्हें टेस्ट केसेस बनने चाहिए, जब वे नए पैटर्न देखते हैं तो क्लासिफ़ायर का प्रस्ताव देते हैं और लागू करते हैं, और यहां तक कि कुछ ही दिनों में वर्कफ़्लो के गैप बंद करने के लिए हल्के ऑटोमेशन का प्रोटोटाइप भी बनाते हैं. ट्रेनिंग में भी बदलाव होता है, ये सिर्फ़ पॉलिसियों के बारे में नहीं है, बल्कि बातचीत को इवैल्यूएट करने, स्ट्रक्चरल गैप की पहचान करने और सुधारों को वापस फ़ीड करने के बारे में है.
नई अप्रोच ये पक्का करने की कोशिश करती है कि सपोर्ट रिप्रेजेंटेटिव्स उतने ही निर्माता भी हों जितने कि जवाब देने वाले.
“एजेंट सिर्फ़ टिकटों पर ही जवाब नहीं देते. वे हमारे नॉलेज बेस और हमारी पॉलिसियों को जानकारी प्रदान कर रहे हैं. उनके पास ज़मीनी स्तर पर हो रही चीज़ों की जानकारी होती है जो हमारे पास नहीं है.”
इसका रिज़ल्ट ये हुआ कि सपोर्ट ऑर्गनाइज़ेशन को उसकी कार्य-क्षमता के आधार पर कम और विकास की क्षमता के आधार पर ज़्यादा परिभाषित किया गया. हरेक व्यक्ति न सिर्फ़ यूज़र्स को सर्विस दे रहा है, बल्कि सभी यूज़र्स को सर्विस देने वाली मशीनरी में भी एक्टिव तरीके से सुधार कर रहा है.
इस तरह से सपोर्ट बनाना सिर्फ़ इसलिए मुमकिन है क्योंकि हम OpenAI के स्टैक पर बने हैं.
- Agents SDK हमें डिफ़ॉल्ट तरीके से स्टेप-लेवल के ट्रेस और देखने व समझने की क्षमता प्रदान करता है. हम रन्स को रीप्ले कर सकते हैं, टूल कॉल्स को इंस्पेक्ट कर सकते हैं, और मूल कारणों को तुरंत डीबग कर सकते हैं.
- Responses API टोन, सही-गलत होने, और पॉलिसी को फ़ॉलो करने के क्लासिफ़ायर्स को मज़बूत प्रदान करता है.
- Realtime API वॉइस सपोर्ट को मुमकिन बनाता है.
- OpenAI का इवैल्स डैशबोर्ड क्वालिटी को मापने लायक बनाता है और समय के साथ उसे आसानी से विज़ुअलाइज़ किया जा सकता है.
चूंकि प्लैटफ़ॉर्म के बुनियादी तत्त्व पहले से तैयार मिलते हैं, इसलिए हम सिस्टम को एक साथ जोड़ने में कम समय खर्च करते हैं और उस काम पर ज़्यादा फ़ोकस करते हैं जो मायने रखता है: ये तय करना कि अच्छा कैसा दिखता है, उसे मापना, और उसे सुधारना.
हमने एक आसान Q&A जवाब देने वाले सिस्टम से शुरुआत की जो अच्छी तरह से काम करता था. Agents SDK के साथ, हमने रिफ़ंड्स, इन्वॉइसेस, इन्सिडेंट लुकअप्स जैसी चीज़ों के लिए डायनामिक एक्शन्स में तेज़ी से विस्तार किया. जैसे-जैसे मॉडल बड़े कॉन्टेक्स्ट विंडो, डीप रिसर्च और मज़बूत एजेंटिक कैपेबिलिटीज़ के साथ बेहतर होते जा रहे हैं, हम उन प्रगतियों को तुरंत अपना सकते हैं.
इवैल्यूएशन्स रोज़मर्रा की बातचीत को प्रोडक्शन टेस्ट में बदल देते हैं. वे यह तय करते हैं कि "बेहतर" का मतलब क्या है—सिर्फ़ समस्या हल करना ही नहीं, बल्कि उसे विनम्र, क्लियर और लगातार तरीके से करना भी शामिल है. रिप्रेजेंटेटिव्स यहां एक डायरेक्ट रोल निभाते हैं, मज़बूत और कमज़ोर उदाहरणों को चिह्नित करते हैं जो इवैल्स बन जाते हैं, और ये इवैल्स मॉडल के बर्ताव को दिशा देने के लिए प्रोडक्शन में लगातार चलते रहते हैं.
“अक्सर जब आपके सामने कोई समस्या आती है, तो आप बस जल्द से जल्द मदद चाहते हैं. Support Automation के सॉफ़्टवेयर इंजीनियर Jay Patel कहते हैं, "हमारे AI टूल्स का इस्तेमाल करके, हम उन जवाबों को बहुत तेज़ी से पा लेते हैं—और उतना ही ज़रूरी ये है कि हमें पता होता है कि मॉडल को कब जवाब नहीं देना चाहिए."
लर्निंग बस समस्या के हल होने पर ही नहीं रुक जाती. पैटर्न्स वापस नॉलेज, ऑटोमेशन और प्रोडक्ट डिज़ाइन में लौटते हैं. सिस्टम लगातार बढ़ता है: यूज़र्स के लिए तेज़ जवाब, बिल्डर्स के लिए सख्त फ़ीडबैक लूप्स, और हर जगह क्वालिटी के लिए एक लगातार ऊंची सीमा.
और सिर्फ़ AI ही नहीं है जो सीखता है. ऑर्गनाइज़ेशन भी इसके साथ-साथ सीखता है. स्पेशलिस्ट ये देखते हैं कि मॉडल कहां कमज़ोर पड़ रहे हैं, नए क्लासिफ़ायर्स तैयार करते हैं, और फ़ाइन-ट्यूनिंग के लिए डेटासेट्स में योगदान देते हैं. देखने और समझने की क्षमता के डैशबोर्ड, क्वालिटी को मापने लायक बनाते हैं, और ये दिखाते हैं कि समय के साथ परफ़ॉर्मेंस कैसे बेहतर होता है.
सबसे बड़ा बदलाव टूलिंग नहीं है, बल्कि लोगों में है और यह है कि ऑर्गनाइज़ेशन कामियाबी को कैसे मापती है. सपोर्ट स्पेशलिस्ट्स को न सिर्फ़ समस्याओं को सुलझाने के लिए, बल्कि नॉलेज में सुधार करने, मॉडल्स में सुधार करने और पूरे सिस्टम को एक्स्पैंड करने के लिए भी पहचाना जाता है. लीडर्स एक नए तरह के टीममेट की तलाश में हैं: कोई ऐसा जो फ़्रंटलाइन में सहानुभूति के साथ डिज़ाइन की समझ जोड़ता हो, सपोर्ट स्किल्स और उत्सुकता को मिलाकर सिस्टम को बेहतर बनाता हो.
"हम गहन स्किल विशेषज्ञता और गहन इंजीनियरिंग विशेषज्ञता के मेल को देखना शुरू कर रहे हैं. डिपार्टमेंट्स कैसे चलते हैं इसका यही भविष्य है.”
और हमारा विज़न ये है कि सपोर्ट अब एक ऐसी जगह न रहे जहां आप सिर्फ़ जाते हों. ये एक एक्शन बन जाए, हरेक प्रोडक्ट के हिस्से में बुना हुआ. यूज़र्स “कोई टिकट नहीं खोलते”. उन्हें बस वही मिलता है जिसकी उन्हें ज़रूरत होती है, जहां वे हैं.
जो शुरुआत में बड़े पैमाने पर जवाब देने के लिए अभिप्रेत था, वो अब ये दिखाने वाला एक ब्लूप्रिंट बन गया है कि लोग और AI कैसे साथ काम कर सकते हैं: कोलैबोरेटिव, परिस्थितियों के अनुसार ढलने वाला, और लगातार बेहतर होता रहने वाला.
