Zendesk utilizza OpenAI per creare agenti di assistenza adattivi focalizzati sulla risoluzione

Zendesk aiuta le aziende a offrire esperienze clienti di alta qualità da oltre un decennio. La sua piattaforma supporta più di 4,6 miliardi di risoluzioni ogni anno.

All’inizio del 2023, Zendesk ha iniziato a collaborare strettamente con OpenAI per esplorare come l’IA potesse trasformare il servizio e lo sviluppo del prodotto. Oggi Zendesk sta sperimentando una nuova classe di agenti IA⁠(si apre in una nuova finestra), basati sui modelli OpenAI, che non solo gestiscono intere conversazioni ma pianificano ed eseguono risposte in autonomia: 

• Riduzione del tempo di configurazione da giorni a minuti
• Aumento dei tassi di automazione verso l’80%
• Possibilità per i team di avere il pieno controllo sul comportamento dell’IA

Anche le piattaforme di assistenza più sofisticate presentano limiti quando si tratta di automazione tradizionale. Il modello standard si basava sulla classificazione degli intenti: prevedere un intento, attivare un dialogo o un flusso di lavoro predefinito e sperare che il cliente seguisse il percorso previsto.

Questo approccio funzionava per interazioni strutturate, ma mostrava rapidamente i suoi limiti in presenza di sfumature, domande di follow-up o casi limite.

"Nel modello precedente avevamo: input del messaggio, output della risposta", afferma Adrian McDermott, CTO di Zendesk. "I clienti reali cambiano idea, fanno domande di chiarimento e si aspettano che l’IA segua il filo in modo naturale. Nell’assistenza, l’unico risultato che conta è la risoluzione e, finora, i bot sono stati piuttosto limitati nella loro capacità di raggiungerla."

Zendesk ha iniziato a collaborare con OpenAI per adottare un approccio generativo basato sulla Retrieval-Augmented Generation (RAG) per le interazioni FAQ di base. Oggi l’attenzione si è spostata verso il ragionamento generativo, che consente agli agenti IA di pianificare ed eseguire attività in autonomia.

La nuova classe di agenti IA agentici di Zendesk è progettata specificamente per l’assistenza. Basati su modelli OpenAI come GPT‑4o, gli agenti non si limitano a rispondere alle domande: guidano le conversazioni, ragionano sul contesto e puntano alla risoluzione.

La piattaforma sfrutta un’architettura multi-agente composta da agenti specializzati come:

• Agente di identificazione del compito: invece di basarsi su training manuale, questo agente IA porta avanti una conversazione reale per capire di cosa ha bisogno l’utente, ponendo domande di chiarimento e disambiguando problemi simili.
• Agente RAG conversazionale: estende il RAG tradizionale ancorandosi a una conversazione multi-turno. Per esempio, quando un utente chiede informazioni sulle opzioni di pagamento, l’agente può fare una domanda di follow-up per chiedere dove si trova l’utente prima di recuperare policy specifiche per quell’area geografica.
• Agente di compilazione delle procedure: bilanciando autonomia e controllo, l’agente di conformità procedurale di Zendesk converte le regole aziendali dal linguaggio naturale in un flusso strutturato, assicurando che l’IA capisca e rifletta visivamente come eseguire le procedure dell’azienda.
• Agente di esecuzione delle procedure: esegue azioni chiamando API, attivando workflow e aggiornando sistemi, il tutto nel rispetto della logica definita dall’azienda.

Combinando RAG e ragionamento, gli agenti IA di Zendesk possono ora gestire conversazioni in più fasi, fare domande di follow-up e adattare le risposte in base all’input dell’utente. Questo consente alla piattaforma di risolvere in autonomia problemi complessi, senza fare affidamento su flussi di dialogo rigidi.

"Abbiamo dato al bot maggiore autonomia nel guidare la conversazione, pur operando entro i guardrail di Zendesk in termini di qualità e accuratezza", afferma McDermott. "Il processo è iniziato dalla comprensione del problema del cliente, con una forte attenzione alla risoluzione."

Uno dei cambiamenti più importanti nello sviluppo degli agenti IA di Zendesk è stata l’evoluzione verso un modello di sviluppo ibrido, in cui gli agenti possono passare senza soluzione di continuità tra flussi di dialogo e procedure generative all’interno della stessa conversazione.

Con il nuovo builder di agenti IA, le aziende possono definire procedure in linguaggio naturale. L’agente IA pianifica quindi una linea d’azione usando ragionamento adattivo e presenta un’anteprima dei passaggi proposti prima della messa in produzione. 

I controlli sul ragionamento dell’IA offrono visibilità in tempo reale su come operano gli agenti IA, consentendo ai team di verificare ogni conversazione analizzando la chain of thought (CoT) per comprendere come sono state prese le decisioni.

Questo cambiamento riduce i tempi di configurazione da giorni a minuti e rende l’automazione generativa accessibile a una gamma molto più ampia di clienti Zendesk.

Dietro le quinte, Zendesk gestisce un rigoroso programma interno di benchmarking per selezionare e distribuire i modelli migliori e ottimizzare i prompt per ogni caso d’uso. Il team considera latenza, costo e qualità, testando nuovi modelli come o3‑mini di OpenAI in casi d’uso che spaziano dal RAG alle attività di ragionamento in background.

Questo processo consente a Zendesk di valutare, testare e distribuire nuovi modelli in meno di 24 ore.

Zendesk monitora le prestazioni sia prima che dopo il deployment, usando valutazioni offline e metriche live come tasso di risoluzione, tasso di modifica e latenza. Ogni decisione sul modello è documentata e verificabile, garantendo trasparenza e affidabilità man mano che il sistema evolve.

Quest’anno Zendesk prevede di fare un ulteriore passo avanti: lanciare una piattaforma di benchmarking self-service che consenta a qualsiasi team di ingegneria di testare e distribuire modelli senza il supporto diretto di esperti di machine learning.

Zendesk sta attualmente sperimentando la nuova piattaforma IA agentica con clienti early adopter. La piattaforma è progettata per integrarsi facilmente con le configurazioni esistenti, accelerando il percorso dei clienti verso l’80% di automazione senza richiedere una ricostruzione da zero.

Sebbene metriche più ampie arriveranno nel corso del 2025, i primi riscontri sono stati molto positivi: configurazione più rapida, risposte più accurate e percorsi utente più fluidi su ogni canale.