Dit artikel maakt deel uit van onze serie over hoe OpenAI eigen oplossingen bouwt op basis van eigen technologie.
Jaarlijks komen er miljoenen supporttickets binnen. Elk ticket bevat iets waardevols: een frustratie, een idee, een verzoek.
Maar tot voor kort waren die signalen moeilijk te begrijpen. Dashboards gaven een indicatie van trends, maar misten de achterliggende redenen. Diepgaande analyses kostten een datawetenschapper weken werk. Een productmanager wil misschien weten hoe een nieuwe functie is ontvangen door een unieke doelgroep. Maar om deze vraag te beantwoorden, moest een datawetenschapper een gedetailleerde analyse uitvoeren.
Nieuwsgierigheid werd maar tot op zekere hoogte toegestaan.
“Het proces vereiste diepgaande technische expertise en remde onze nieuwsgierigheid af”, zegt Molly Jackman, Head of Business Data.
We hebben een onderzoeksassistent ontwikkeld om nieuwsgierigheid op maat te stimuleren. Deze assistent combineert twee manieren van verkennen: dashboards voor patronen en een gespreksinterface om dieper op de materie in te gaan. Je kunt beginnen met een overzicht van actuele onderwerpen en daarna vervolgvragen stellen in begrijpelijke taal.
We hebben de assistent gebouwd door te combineren wat al werkte. Aan de ene kant classificaties en grafieken waarin miljoenen tickets worden ingedeeld in productgebieden en thema's. Aan de andere kant GPT‑5, dat ruwe tickets kan samenvatten en flexibele rapporten in begrijpelijke taal kan genereren. De combinatie gaf ons zowel snelheid als diepgang, en was eenvoudig genoeg voor gebruik door iedereen.
“Wat zeggen klanten in de gezondheidszorg over nieuwe integraties?”
“Wat is de oorzaak van de supporttickets dit kwartaal?”
“Welke belangrijke functies zijn het meest succesvol?”
Binnen enkele minuten genereert het systeem een rapport waarin de omvang van het probleem wordt weergegeven, de prevalentie wordt getoond en knelpunten worden benadrukt. Managers hoeven niet langer bandbreedte te lenen of statische dashboards te bekijken. Iedereen kan zijn eigen vragen volgen, waarheen die ook leiden. Voor productteams betekent dit snellere iteratie op basis van echte feedback: ze weten wat werkt en wat niet, en beschikken over duidelijke inzichten om zowel productlanceringen als langetermijnroadmaps te sturen.
“Het mooie is dat je je vragen niet van tevoren hoeft te bedenken, je kunt gewoon je afgaan op je nieuwsgierigheid.”
Snelheid is zinloos als dat ten koste gaat van nauwkeurigheid.
In eerste instantie voerden operationele teams handmatige classificaties uit en schreven datawetenschappers aangepaste modellen die werden vergeleken met de assistent. De resultaten kwamen overeen.
Na verloop van tijd groeide het vertrouwen. Managers begonnen de bevindingen te vergelijken met wat ze al in het veld hadden gehoord, en wanneer deze overeenkwamen, gingen ze erin mee.
Die cyclus - vragen, controleren, vertrouwen - maakte de assistent tot een dagelijkse gewoonte voor teams. Wat vroeger een week aan SQL-query's en classificaties kostte, gebeurt nu met een paar muisklikken.
De voordelen zijn overal merkbaar.
- Na de lancering van GPT‑5 hadden productteams binnen enkele dagen feedbackthema's, waar dat vroeger weken duurde.
- Toen de acceptatie van connectoren door bedrijven vertraagde, ontdekte de assistent al snel de achterliggende oorzaak: een foutieve onboarding-flow. Ingenieurs konden vervolgens prioriteiten stellen voor correcties.
- Bij beeldgeneratie werd niet alleen de creativiteit benadrukt van marketingteams die dit gebruikten voor mockups, maar kwam ook de frictie van vertragingen bij het renderen aan het licht; twee waarheden die de roadmap direct hebben vormgegeven.
Wanneer het stellen van een vraag niet meer dan een paar minuten kost, worden er meer vragen gesteld. Er komen meer problemen aan het licht. Teams werken sneller.
De tool is geen vervanging voor datawetenschappers. Het geeft ze de vrijheid om ander werk te doen. In plaats van eenmalige analyses hebben ze meer tijd om nieuwe classificaties te ontwikkelen en zich bezig te houden met automatisering en tooling. Ops-teams genereren nu binnen enkele minuten lanceringsrapporten in plaats van dagen, waardoor er meer tijd aan klanten kan worden besteed. Productteams kunnen in realtime leren van klanten en hun roadmaps aanpassen aan de hand van snellere feedbackloops.
Deze transformatie heeft onze manier van luisteren veranderd. Teams hoeven het niet meer te doen met schaarse analysecycli, maar hebben nu alle vrijheid om vragen te stellen. De nieuwsgierigheid wordt groter. Een productmanager signaleert een knelpunt, een salesmanager ziet hetzelfde thema terug in bedrijfstickets en samen bedenken ze een snellere manier om er iets aan te doen.
De hoop is dat vooral klanten dat merken. Problemen zullen sneller worden opgelost. Functies kunnen beter worden afgestemd op de behoeften. Feedback die vroeger ondergesneeuwd raakte in de backlog, staat nu centraal in hoe we bouwen.
"Ik zie het als grootschalig onderzoek naar de gebruikerservaring van klanten. Als we de stem van de klant naar voren brengen op een manier die onze producten, ons beleid en onze praktijken proactief verandert, is dat een succes."
Wat begon als een tool voor het analyseren van miljoenen tickets, wordt nu onderdeel van de manier waarop we luisteren. En goed luisteren vertaalt zich in hoe we goed bouwen.
