Zendesk समाधान-केंद्रित अनुकूली सेवा एजेंट बनाने के लिए OpenAI का उपयोग करता है

Zendesk एक दशक से अधिक समय से व्यवसायों को शानदार ग्राहक अनुभव देने में मदद कर रहा है. उसका प्लेटफ़ॉर्म हर साल 4.6 अरब से अधिक समाधानों को संचालित करता है.

2023 की शुरुआत में, Zendesk ने OpenAI के साथ मिलकर यह खोजने के लिए काम शुरू किया कि AI सेवा और उत्पाद विकास को कैसे बदल सकता है. आज Zendesk, OpenAI मॉडलों से संचालित AI एजेंट्स के एक नए वर्ग का पायलट चला रहा है⁠(एक नई विंडो में खुलेगा), जो न केवल पूरी बातचीत संभालते हैं बल्कि स्वायत्त रूप से जवाबों की योजना बनाते हैं और उन्हें लागू भी करते हैं: 

• सेटअप समय को दिनों से मिनटों तक कम करना.
• ऑटोमेशन दरों को 80% की ओर बढ़ाना.
• टीमों को AI के व्यवहार पर पूरा नियंत्रण देना.

सबसे उन्नत सेवा प्लेटफ़ॉर्म भी पारंपरिक ऑटोमेशन के मामले में सीमाओं का सामना करते हैं. मानक मॉडल इंटेंट क्लासिफिकेशन पर निर्भर था: एक इंटेंट का अनुमान लगाओ, पहले से तय संवाद या वर्कफ़्लो ट्रिगर करो, और उम्मीद करो कि ग्राहक उसी स्क्रिप्ट का पालन करेगा.

यह सेटअप संरचित इंटरैक्शन के लिए काम करता था, लेकिन बारीकियों, फॉलो-अप्स या एज केसों में जल्दी टूट जाता था.

Zendesk के CTO Adrian McDermott कहते हैं, “पुरानी दुनिया में संदेश अंदर, जवाब बाहर होता था. असली ग्राहक अपना मन बदलते हैं, स्पष्टीकरण वाले सवाल पूछते हैं, और उम्मीद करते हैं कि AI स्वाभाविक रूप से साथ चले. सेवा में केवल वही नतीजा मायने रखता है जो समाधान हो, और अब तक बॉट्स की उसे हासिल करने की क्षमता कुछ हद तक सीमित रही है.”

Zendesk ने OpenAI के साथ मिलकर बुनियादी FAQ इंटरैक्शंस के लिए Retrieval-Augmented generation (RAG) का उपयोग करते हुए एक जनरेटिव दृष्टिकोण अपनाना शुरू किया. आज उनका फ़ोकस जनरेटिव रीज़निंग पर है, जो AI एजेंट्स को स्वतंत्र रूप से कार्यों की योजना बनाने और उन्हें पूरा करने में सक्षम बनाता है.

Zendesk के एजेंटिक AI एजेंट्स का नया वर्ग सेवा के लिए विशेष रूप से बनाया गया है. GPT‑4o जैसे OpenAI मॉडलों से संचालित ये एजेंट्स सिर्फ सवालों के जवाब नहीं देते, बल्कि बातचीत का नेतृत्व करते हैं, संदर्भ पर रीज़निंग करते हैं, और समाधान तक पहुंचते हैं.

यह प्लेटफ़ॉर्म एक मल्टी-एजेंट आर्किटेक्चर का उपयोग करता है, जिसमें ऐसे विशेष एजेंट शामिल हैं:

• टास्क आइडेंटिफिकेशन एजेंट: मैन्युअल ट्रेनिंग पर निर्भर रहने के बजाय यह AI एजेंट उपयोगकर्ता की ज़रूरत समझने के लिए वास्तविक बातचीत करता है, स्पष्टीकरण वाले सवाल पूछता है और मिलते-जुलते मुद्दों में अंतर करता है.
• कन्वर्सेशनल RAG एजेंट: मल्टी-टर्न बातचीत में आधार बनाकर पारंपरिक RAG का विस्तार करता है. उदाहरण के लिए, जब कोई उपयोगकर्ता भुगतान विकल्पों के बारे में पूछता है, तो एजेंट क्षेत्र-विशिष्ट नीतियां निकालने से पहले यह पूछ सकता है कि उपयोगकर्ता कहाँ स्थित है.
• प्रोसीजर कम्पाइलेशन एजेंट: स्वायत्तता और नियंत्रण के बीच संतुलन रखते हुए, Zendesk का procedure compliance agent व्यावसायिक नियमों को प्राकृतिक भाषा से एक संरचित फ़्लो में बदलता है, जिससे AI समझ पाता है और दृश्य रूप से दिखाता है कि कंपनी की प्रक्रियाओं को कैसे लागू करना है.
• प्रोसीजर एक्ज़िक्यूशन एजेंट: APIs कॉल करके, वर्कफ़्लो ट्रिगर करके और सिस्टम अपडेट करके कार्रवाइयाँ करता है, वह भी व्यवसाय द्वारा परिभाषित लॉजिक के भीतर.

RAG को रीज़निंग के साथ मिलाकर, Zendesk के AI एजेंट्स अब बहु-चरणीय बातचीत कर सकते हैं, फॉलो-अप सवाल पूछ सकते हैं, और उपयोगकर्ता इनपुट के आधार पर जवाबों को अनुकूलित कर सकते हैं. इससे प्लेटफ़ॉर्म कठोर डायलॉग फ़्लोज़ पर निर्भर हुए बिना जटिल मुद्दों को स्वायत्त रूप से हल कर सकता है.

McDermott कहते हैं, “हमने बॉट को बातचीत का मार्गदर्शन करने में अधिक स्वायत्तता दी है, जबकि वह गुणवत्ता और सटीकता के लिए Zendesk के guardrails के भीतर काम करता है. प्रक्रिया की शुरुआत ग्राहक की समस्या को समझने से हुई, जिसमें समाधान तक पहुंचने पर बहुत अधिक ध्यान था.”

Zendesk के AI एजेंट विकास में सबसे बड़े बदलावों में से एक उनका हाइब्रिड डेवलपमेंट मॉडल की ओर बढ़ना रहा है, जहां एजेंट्स एक ही बातचीत के भीतर डायलॉग फ़्लोज़ और जनरेटिव प्रक्रियाओं के बीच सहजता से जा सकते हैं.

नए AI एजेंट बिल्डर के साथ, व्यवसाय प्राकृतिक भाषा में प्रक्रियाएं परिभाषित कर सकते हैं. इसके बाद AI एजेंट अनुकूली रीज़निंग का उपयोग करके कार्ययोजना बनाता है और लाइव होने से पहले अपने प्रस्तावित चरणों का प्रीव्यू दिखाता है. 

AI रीज़निंग कंट्रोल्स इस बात की रीयल-टाइम दृश्यता देते हैं कि AI एजेंट्स कैसे सोचते हैं, जिससे टीमें एजेंट की chain of thought (CoT) की समीक्षा करके हर बातचीत का ऑडिट कर सकती हैं और समझ सकती हैं कि निर्णय कैसे लिए गए.

यह बदलाव सेटअप समय को दिनों से मिनटों तक कम कर देता है, और जनरेटिव ऑटोमेशन को Zendesk ग्राहकों के कहीं व्यापक समूह के लिए सुलभ बनाता है.

अंदरूनी तौर पर, Zendesk हर उपयोग मामले के लिए सर्वोत्तम मॉडल चुनने और तैनात करने तथा प्रॉम्प्ट्स को ट्यून करने के लिए एक सख्त आंतरिक बेंचमार्किंग प्रोग्राम चलाता है. टीम लेटेंसी, लागत और गुणवत्ता पर विचार करती है, और OpenAI के o3‑mini जैसे नए मॉडलों का परीक्षण RAG से लेकर बैकग्राउंड रीज़निंग कार्यों तक विभिन्न उपयोग मामलों में करती है.

यह प्रक्रिया Zendesk को 24 घंटे से कम समय में नए मॉडलों का मूल्यांकन, परीक्षण और परिनियोजन करने की अनुमति देती है.

Zendesk परिनियोजन से पहले और बाद, दोनों समय प्रदर्शन को ट्रैक करता है, ऑफ़लाइन evals और लाइव मेट्रिक्स जैसे resolution rate, edit rate और latency का उपयोग करते हुए. हर मॉडल निर्णय का दस्तावेज़ीकरण किया जाता है और उसका ऑडिट किया जा सकता है, जिससे सिस्टम के विकसित होने पर पारदर्शिता और विश्वसनीयता सुनिश्चित होती है.

इस वर्ष, Zendesk एक कदम आगे जाने की योजना बना रहा है: self-service benchmarking platform शुरू करना ताकि कोई भी Zendesk इंजीनियरिंग टीम मशीन लर्निंग विशेषज्ञों के प्रत्यक्ष सहयोग के बिना मॉडल्स का परीक्षण और परिनियोजन कर सके.

Zendesk अभी शुरुआती अपनाने वाले ग्राहकों के साथ नए एजेंटिक AI प्लेटफ़ॉर्म का पायलट चला रहा है. यह प्लेटफ़ॉर्म मौजूदा सेटअप्स के साथ आसानी से इंटीग्रेट होने के लिए बनाया गया है, जिससे ग्राहकों का 80% ऑटोमेशन तक पहुंचने का रास्ता तेज होता है, बिना उन्हें सब कुछ फिर से बनाने की ज़रूरत पड़े.

हालांकि व्यापक मेट्रिक्स 2025 में बाद में आएंगे, शुरुआती प्रतिक्रिया मजबूत रही है: तेज सेटअप, अधिक सटीक उत्तर, और हर चैनल पर अधिक सहज यूज़र जर्नी.