Ini adalah bagian dari seri tulisan mengenai cara OpenAI membangun solusi yang memakai teknologi kami sendiri.
Jutaan tiket dukungan masuk setiap tahun. Setiap tiket menyampaikan sesuatu yang berharga: frustrasi, gagasan, permintaan.
Sebelumnya, sinyal-sinyal tersebut sulit dipahami. Dasbor menunjukkan tren tetapi tidak mengungkap alasannya. Jika ingin ditelusuri lebih dalam, seorang ilmuwan data harus bekerja selama berminggu-minggu. Pimpinan produk mungkin ingin tahu bagaimana fitur baru menjangkau jenis audiens yang unik. Namun, untuk mendapatkan jawaban, seorang ilmuwan data harus melakukan analisis terperinci.
Rasa penasaran menjadi semakin terbatas.
“Proses ini memerlukan keahlian teknis mendalam, dan mengurangi rasa penasaran kita,” ujar Molly Jackman, Head of Business Data.
Kami membangun asisten penelitian untuk memicu rasa penasaran yang semakin membesar. Asisten ini memadukan dua mode eksplorasi: dasbor untuk pola dan antarmuka percakapan untuk menggali lebih dalam. Anda dapat memulai dengan bagan masalah yang sedang tren, lalu mengajukan pertanyaan lanjutan dalam bahasa sederhana.
Kami membangunnya dengan memadukan hal yang telah berjalan dengan baik. Di satu sisi, ada pengklasifikasi dan bagan yang menggolongkan jutaan tiket ke dalam area dan tema produk. Di sisi lain, ada GPT‑5, yang dapat merangkum tiket mentah dan menghasilkan laporan fleksibel dalam bahasa sederhana. Kombinasi tersebut memberikan kecepatan dan kedalaman yang cukup mudah digunakan oleh setiap orang.
“Apa kata pelanggan penyedia perawatan kesehatan mengenai integrasi baru?”
“Apa yang meningkatkan jumlah tiket dukungan pada kuartal ini?”
“Apa fitur utama yang sukses?”
Dalam hitungan menit, sistem memberikan laporan yang menyajikan ukuran masalah, menunjukkan prevalensi, dan menyoroti poin-poin friksi. Para pemimpin tidak perlu lagi meminjam bandwidth atau melihat dasbor statis. Setiap orang dapat memberikan pertanyaan lanjutan di mana pun mereka memimpin. Untuk tim produk, proses ini menciptakan iterasi yang lebih cepat atau masukan yang nyata—mengetahui apa yang berhasil, apa yang tidak berhasil, dan menghasilkan wawasan yang jelas untuk dijadikan panduan peluncuran produk dan peta jalan jangka panjang.
“Rahasianya, pertanyaan tidak perlu dibuat dari awal, Anda hanya perlu mengikuti rasa penasaran.”
Kecepatan tidak ada artinya tanpa akurasi.
Awalnya, tim operasi menjalankan klasifikasi manual dan ilmuwan data menulis model kustom untuk dibandingkan dengan asisten. Hasilnya sesuai.
Seiring waktu, kepercayaan tumbuh. Para pemimpin mulai membandingkan temuan dengan apa yang diobservasi di lapangan. Ketika temuan tersebut cocok, fokus diarahkan ke sana.
Siklus ini, yaitu tanya, periksa, percaya, menjadikan asisten sebagai kebiasaan harian bagi tim. Dulu, diperlukan kueri dan pengklasifikasi SQL selama seminggu, tetapi kini, semua selesai hanya dengan beberapa klik.
Hasilnya terlihat di mana-mana.
- Setelah GPT‑5 diluncurkan, tim produk mendapatkan tema masukan dalam hitungan hari, bukan lagi minggu.
- Saat adopsi konektor perusahaan melambat, asisten dengan cepat menunjukkan akar penyebabnya: alur orientasi yang penuh kesalahan. Para teknisi kemudian dapat memprioritaskan perbaikan.
- Pada Pembuatan Gambar, fitur ini mengungkap kreativitas tim pemasaran yang menggunakannya untuk replika dan friksi penundaan rendering; dua fakta yang berkontribusi langsung pada peta jalan.
Ketika waktu untuk mengajukan pertanyaan turun menjadi hitungan menit, akan ada banyak pertanyaan yang diajukan. Semakin banyak masalah yang muncul. Tim bergerak lebih cepat.
Alat tidak menggantikan ilmuwan data. Alat akan membebaskan ilmuwan agar tidak mengerjakan pekerjaan yang lain. Tidak lagi hanya sekali melakukan analisis, kini ilmuwan punya lebih banyak waktu untuk membuat pengklasifikasi dan mengembangkan automasi dan alat. Sekarang, tim operasi bisa membuat laporan peluncuran dalam hitungan menit, bukan lagi hari, sehingga punya lebih banyak waktu luang dengan pelanggan. Tim produk dapat belajar langsung dari pelanggan, sehingga mampu memberikan informasi pada peta jalan berupa proses masukan yang lebih cepat.
Transformasi ini telah mengubah cara kita mendengarkan. Tidak lagi harus memikirkan siklus analitik yang terbatas, setiap tim kini dapat menindaklanjuti pertanyaan dengan bebas. Rasa penasaran meningkat. Pimpinan produk menemukan titik friksi, pimpinan penjualan melihat tema yang sama dalam tiket perusahaan, dan keduanya bersama-sama lebih cepat mengambil tindakan.
Harapannya, pelanggan menjadi pihak yang paling merasakan dampaknya. Masalah akan diatasi lebih cepat. Fitur dapat berevolusi lebih sesuai dengan kebutuhan pelanggan. Masukan yang sebelumnya terkubur di backlog kini menjadi faktor penting dalam cara kita membangun.
“Menurut saya, ini seperti riset UX pelanggan dalam skala besar. Jika kita mengungkapkan pendapat pelanggan dengan cara yang secara proaktif mengubah produk, kebijakan, dan praktik kita—itulah yang disebut kesuksesan.”
Yang awalnya hanyalah alat pengurai jutaan tiket, kini menjadi bagian dari sistem operasi cara kita mendengarkan. Mendengarkan dengan baik menjadikan kita bisa membangun dengan baik.
