„Zendesk“ naudoja „OpenAI“ kurdama prisitaikančius aptarnavimo agentus, orientuotus į problemų sprendimą

„Zendesk“ jau daugiau nei dešimtmetį padeda įmonėms kurti puikią klientų patirtį. Jos platforma kasmet padeda išspręsti daugiau nei 4,6 mlrd. problemų.

2023 m. pradžioje „Zendesk“ pradėjo glaudžiai bendradarbiauti su „OpenAI“, siekdama ištirti, kaip DI galėtų pakeisti aptarnavimą ir produktų kūrimą. Šiandien „Zendesk“ bando naują DI agentų klasę⁠(atsidaro naujame lange), paremtą „OpenAI“ modeliais, kuri ne tik valdo visus pokalbius, bet ir savarankiškai planuoja bei vykdo atsakymus: 

• Sutrumpina diegimo laiką nuo dienų iki minučių
• Didina automatizavimo lygį iki 80 %
• Suteikia komandoms visišką kontrolę to, kaip elgiasi DI

Net ir pažangiausios aptarnavimo platformos susiduria su ribotumais, kai kalbama apie tradicinį automatizavimą. Standartinis modelis rėmėsi ketinimų klasifikavimu: numatyti ketinimą, paleisti iš anksto apibrėžtą dialogą ar darbo eigą ir tikėtis, kad klientas laikysis scenarijaus.

Ši sąranka veikė, kai sąveika būdavo susisteminta, bet greitai žlugdavo atsiradus niuansams, papildomiems klausimams ar išskirtiniams atvejams.

„Anksčiau buvo taip: gaunama žinutė, išsiunčiamas atsakymas“, – sako Adrian McDermott, „Zendesk“ technologijų vadovas. „Tikri klientai persigalvoja, užduoda patikslinančius klausimus ir tikisi, kad DI natūraliai prisitaikys prie pokalbio. Aptarnavimo srityje vienintelis svarbus rezultatas yra problemos išsprendimas, o iki šiol robotų galimybės tai pasiekti buvo gana ribotos.“

„Zendesk“ pradėjo dirbti su „OpenAI“, kad pritaikytų generatyvinį metodą naudodama išgavimu papildytą generavimą (angl. „Retrieval-Augmented Generation“, RAG) pagrindinėms DUK sąveikoms. Šiandien jos dėmesys persikėlė į generatyvinį protavimą, leidžiantį DI agentams savarankiškai planuoti ir vykdyti užduotis.

Naujoji „Zendesk“ agentinių DI agentų klasė yra specialiai sukurta aptarnavimui. Agentai, veikiantys su „OpenAI“ modeliais, tokiais kaip GPT‑4o, ne tik atsako į klausimus – jie veda pokalbius, analizuoja kontekstą ir siekia problemos išsprendimo.

Platforma naudoja kelių agentų architektūrą, sudarytą iš specializuotų agentų, tokių kaip:

• Užduočių nustatymo agentas: užuot rėmęsis rankiniu mokymu, šis DI agentas veda tikrą pokalbį, kad suprastų, ko reikia naudotojui, užduoda patikslinančius klausimus ir atskiria panašias problemas.
• Pokalbinis RAG agentas: išplečia tradicinį RAG remdamasis kelių etapų pokalbiu. Pavyzdžiui, kai naudotojas klausia apie mokėjimo galimybes, agentas gali pirmiausia pasiteirauti, kur naudotojas yra, prieš pateikdamas konkrečiam regionui taikomas taisykles.
• Procedūrų kompiliavimo agentas: derindamas savarankiškumą ir kontrolę, „Zendesk“ procedūrų atitikties agentas verslo taisykles iš natūralios kalbos paverčia struktūruotu srautu, užtikrindamas, kad DI suprastų ir vizualiai atspindėtų, kaip vykdyti įmonės procedūras.
• Procedūrų vykdymo agentas: atlieka veiksmus kviesdamas API, paleisdamas darbo eigas ir atnaujindamas sistemas – visa tai pagal verslo apibrėžtą logiką.

Sujungus RAG ir protavimą, „Zendesk“ DI agentai dabar gali dalyvauti kelių etapų pokalbiuose, užduoti papildomus klausimus ir pritaikyti atsakymus pagal naudotojo įvestį. Tai leidžia platformai savarankiškai spręsti sudėtingas problemas nesiremiant standžiais dialogo srautais.

„Suteikėme robotui daugiau savarankiškumo valdant pokalbį, kartu išlaikydami „Zendesk“ kokybės ir tikslumo apribojimus“, – sako McDermott. „Procesas prasidėjo nuo kliento problemos supratimo, daug dėmesio skiriant jos išsprendimui.“

Vienas didžiausių pokyčių „Zendesk“ DI agentų kūrime buvo perėjimas prie hibridinio kūrimo modelio, kuriame agentai gali sklandžiai pereiti tarp dialogo srautų ir generatyvinių procedūrų vieno pokalbio metu.

Naudodamos naują DI agentų kūrimo priemonę, įmonės gali apibrėžti procedūras natūralia kalba. Tada DI agentas suplanuoja veiksmų eigą naudodamas adaptyvųjį protavimą ir prieš paleidimą pateikia siūlomų žingsnių peržiūrą. 

DI protavimo valdikliai realiuoju laiku rodo, kaip mąsto DI agentai, todėl komandos gali audituoti kiekvieną pokalbį, peržiūrėdamos agento minčių grandinę (angl. „chain of thought“, CoT), kad suprastų, kaip buvo priimti sprendimai.

Šis pokytis sutrumpina diegimo laiką nuo dienų iki minučių ir padaro generatyvinį automatizavimą prieinamą daug platesniam „Zendesk“ klientų ratui.

Sistemos lygmeniu „Zendesk“ vykdo griežtą vidinę lyginamojo vertinimo programą, kad pasirinktų ir įdiegtų geriausius modelius bei pritaikytų užklausas kiekvienam naudojimo atvejui. Komanda vertina vėlavimą, kainą ir kokybę, testuodama naujus modelius, tokius kaip „OpenAI o3‑mini“, įvairiuose naudojimo atvejuose – nuo RAG iki foninių protavimo užduočių.

Šis procesas leidžia „Zendesk“ įvertinti, išbandyti ir įdiegti naujus modelius greičiau nei per 24 valandas.

„Zendesk“ seka našumą tiek prieš diegimą, tiek po jo, naudodama neprisijungus atliekamus vertinimus ir tiesioginius rodiklius, tokius kaip problemų išsprendimo rodiklis, redagavimo rodiklis ir vėlavimas. Kiekvienas sprendimas dėl modelio yra dokumentuojamas ir audituojamas, užtikrinant skaidrumą ir patikimumą sistemai toliau vystantis.

Šiais metais „Zendesk“ planuoja žengti dar toliau: pristatyti savitarnos lyginamojo vertinimo platformą, kad bet kuri „Zendesk“ inžinerijos komanda galėtų testuoti ir diegti modelius be tiesioginės mašininio mokymosi ekspertų pagalbos.

„Zendesk“ šiuo metu bando naują agentinio DI platformą su pirmaisiais klientais. Platforma sukurta taip, kad lengvai integruotųsi su esamomis sistemomis, spartindama klientų kelią į 80 proc. automatizavimą ir nereikalaudama iš klientų visko kurti nuo nulio.

Nors platesni rodikliai bus pateikti vėliau 2025 m., ankstyvieji atsiliepimai buvo labai teigiami: greitesnis diegimas, tikslesni atsakymai ir sklandesnė naudotojų patirtis visuose kanaluose.