Jest to jeden z serii naszych artykułów na temat sposobów opracowywania przez OpenAI własnych rozwiązań w oparciu o nasze technologie.
Rokrocznie spływają do nas miliony zgłoszeń od użytkowników. W każdym z nich można znaleźć wartościowe informacje: przyczynę frustracji, pomysł, sugestię.
Lecz do niedawna, tego rodzaju sygnały były trudne do wyłowienia. Dawało się wyróżnić pewne trendy, ale nie ich przyczyny. Głębsze analizy wymagały tygodni pracy specjalistów analityków. Informacje na temat odbioru danej funkcji wśród określonej grupy docelowej mogą być niezwykle cenne dla kierowników produktów. Lecz ich znalezienie wymagało dogłębnych analiz przeprowadzanych przez analityków danych.
Ciekawość musiała być ściśle racjonowana.
„Procesy takie wymagały dogłębnej wiedzy technicznej, przez co musieliśmy bardzo ograniczać naszą ciekawość” — stwierdza Molly Jackman, Dyrektor ds. danych biznesowych.
Stworzyliśmy asystenta badawczego, który pozwala na skalowanie ciekawości. Łączy on w sobie dwa tryby analizy danych: panele ukazujące określone wzorce i konwencjonalny interfejs pozwalający na pogłębienie analiz. Można zacząć od wykresu obserwowanych trendów, a następnie zadawać szczegółowe pytania formułowane prostym językiem.
Stworzyliśmy to narzędzie, łącząc sprawdzone wcześniej rozwiązania. Z jednej strony wykorzystujemy klasyfikacje i wykresy pozwalające uporządkować miliony otrzymywanych zgłoszeń poprzez przypisanie do określonych obszarów produktowych i tematów. Z drugiej — możliwości GPT‑5, dzięki któremu możliwe jest streszczanie zgłoszeń w ich pierwotnym formacie i generowanie raportów pisanych zwykłym językiem. Takie połączenie szybkości i głębi działania pozwoliło stworzyć narzędzie na tyle proste, że może być skutecznie używane przez każdego.
„Co klienci pracujący w służbie zdrowia mówią na temat nowych integracji?”
„Jakie są wiodące tematy zgłoszeń do pomocy technicznej w tym kwartale?”
„Które z najważniejszych funkcji sprawdzają się najlepiej?”
W ciągu zaledwie kilku minut system generuje raport oceniający rozmiary problemu, wskazujący najczęściej pojawiające się kwestie i podkreślający trudności. Liderzy nie muszą już pożyczać zasobów lub polegać na panelach statystycznych. Każdy może zadawać własne pytania i kontynuować analizy w pożądanym kierunku. Dla zespołów produktowych oznacza to, możliwość przyspieszenia iteracji w oparciu o informacje zwrotne — wiedzę na temat tego co działa, a co nie, czytelne wskazówki przydatne zarówno w kontekście nadchodzących produktów, jak i długofalowego rozwoju.
„Najwspanialsze jest to, że nie musisz wstępnie definiować swoich pytań, wystarczy podążać za swoją ciekawością”.
Szybkość nie ma znaczenia przy braku dokładności
Na początku zespoły operacyjne przeprowadzały ręczne klasyfikacje, zaś analitycy tworzyli niestandardowe modele, aby porównywać dane z wynikami asystenta. Wyniki układały się w spójną całość.
Z czasem pozwoliło to na wzrost poziomu zaufania. Liderzy zaczęli porównywać uzyskiwane wyniki z obserwowanymi trendami i, jeśli okazywały się zgodne, stosować takie dane w praktyce.
Ten cykl — pytanie, sprawdzenie, zaufanie — sprawił, że zespoły włączyły asystenta do rutynowego zestawu codziennych narzędzi. To, co niegdyś wymagało wielodniowych kwerend SQL i klasyfikacji, teraz można osiągnąć po zaledwie kilku kliknięciach.
Efekty obserwujemy na każdym poziomie.
- Po udostępnieniu GPT‑5 zespoły produktowe były w stanie porządkować tematycznie informacje zwrotne w ciągu kilku dni, zamiast kilku tygodni
- Gdy zaobserwowano spowolnienie przy wdrażaniu łączników w przedsiębiorstwach, asystent szybko zdiagnozował przyczynę: błędy w procesie wprowadzania. Pozwoliło to inżynierom na określenie priorytetu odpowiednich poprawek.
- W kontekście generowania obrazów udało się zaobserwować zarówno kreatywność zespołów marketingowych, które korzystały z tej funkcji do tworzenia makiet, jak i problemy związane z opóźnieniami renderowania; obie te obserwacje bezpośrednio wpłynęły na strategię dalszego działania.
Gdy koszt każdego pytania spada do zaledwie kilku minut, zadaje się więcej pytań. Rozpoznaje się więcej problemów. Zespoły pracują szybciej.
Nasze narzędzie nie zastępuje analityków. Pozwala im pracować w nowy sposób. Zamiast robić jednorazowe analizy mogą poświęcać więcej czasu na tworzenie nowych klasyfikacji, rozwój automatyzacji i opracowywanie nowych narzędzi. Zespoły operacyjne są w stanie generować raporty na temat udostępnianych produktów w ciągu minut zamiast dni, dzięki czemu mają więcej czasu na interakcje z klientami. Zespoły produktowe mogą uczyć się na bieżąco od klientów, dostosowując swoje strategie dzięki przyspieszonej pętli zwrotnej.
Opisana transformacja dała nam nowy sposób słuchania opinii klientów. Zamiast zadowalać się niewielką liczbą cykli analitycznych, każdy zespół może teraz zadawać istotne pytania bez ograniczeń. Ich ciekawość przynosi konkretne efekty. Kierownik produktu dostrzega problem, kierownik sprzedaży obserwuje powiązane tematy w zgłoszeniach od przedsiębiorców, a następnie razem mogą szybciej wypracować plan zaradczy.
Mamy nadzieję, że zmiany będą odczuwalne dla klientów. Problemy rozwiązuje się szybciej. Rozwój funkcji lepiej podąża za potrzebami klientów. Natomiast opinie niegdyś tracone w natłoku informacji stają się jednym z centralnych elementów naszej pracy.
„Można porównać ten system do badania wrażeń użytkowników, tylko w większej skali. Ilekroć rozpoznamy opinię klienta, która doprowadzi do zmiany naszych produktów, zasad lub praktyk, uznaję to z sukces”.
Narzędzie pierwotnie stworzone, aby przetwarzać miliony spływających zgłoszeń, staje się dla nas kluczowym instrumentem kontaktu klientami. To właśnie dzięki temu jesteśmy w stanie tworzyć tak dobre rozwiązania.
