Lepsze wsparcie dzięki każdej interakcji w OpenAI
Jest to jeden z serii naszych artykułów na temat sposobów opracowywania przez OpenAI własnych rozwiązań w oparciu o nasze technologie.
Tradycyjnie wsparcie sprowadzało się zazwyczaj do kwestii takich jak kolejki, zgłoszenia i przepustowość. Lecz w przypadku OpenAI okazało się to niewystarczające. Obsługujemy setki milionów użytkowników, otrzymujemy miliony zgłoszeń rocznie i liczby te systematycznie rosną z roku na rok.
Wiele organizacji zmaga się z wyzwaniami skali. Mniej jest takich, które doświadczają jednocześnie problemów skali oraz lawinowego rozwoju. Natomiast takich, które mają oba te problemy naraz i przy tym pracują nad rozwojem technologii zdolnych zmienić układ sił, jest już jak na lekarstwo. Nasza sytuacja daje nam unikalną możliwość zmiany od podstaw samego podejścia do problemu wsparcia.
„Wsparcie nigdy nie sprowadzało się do samego odpowiadania na zgłoszenia. Jego zadaniem jest dostarczać ludziom to, czego potrzebują i po prostu dobrze im służyć”.
Skuteczne wsparcie nie jest wyłącznie kwestią wolumenu. Jest wyzwaniem inżynieryjnym i operacyjnym. Dlatego postanowiliśmy stworzyć coś zupełnie nowego: model operacyjny, w którym każda interakcja pozwala na usprawnienie wszystkich kolejnych.
Zespół operacyjny chciał stworzyć coś więcej niż zwykłego chatbota do wstępnej obsługi zapytań do wsparcia. Przyświecała mu następująca wizja: zupełnie nowe podejście do wsparcia z wykorzystaniem modelu operacyjnego AI zdolnego do nieustannej nauki i samodoskonalenia.
Istota tej koncepcji opiera się na trzech filarach:
- Płaszczyzny. Na których odbywa się interakcja z systemami wsparcia. Czat, e-mail i telefon ale również, w coraz większym stopniu pomoc wbudowana bezpośrednio w produkt.
- Wiedza. Nie tylko statyczna dokumentacja, ale żywe i stale udoskonalane wytyczne opracowywane na podstawie rzeczywistych konwersacji, zasad i kontekstów.
- Oceny i klasyfikatory. Wspólne definicje jakości opracowane we współpracy pomiędzy oprogramowaniem i ludźmi, w połączeniu z narzędziami umożliwiającymi pomiary, doskonalenie i wyróżnianie informacji zwrotnych.
Żaden z tych elementów nie funkcjonuje w izolacji. Tworzą swoistą pętlę. Wzorzec zaobserwowany w konwersacji może od razu wejść do zbioru często zadawanych pytań dla programistów. Ocena napisana w kontekście jednego przypadku ulepsza działanie modelu w tysiącach kolejnych. A dzięki temu, że te same podstawowe elementy są wykorzystywane na każdej z płaszczyzn — czat, e-mail, głos — udoskonalenia są automatycznie skalowane dla wszystkich kanałów.
Rola pracownika działu wsparcia ewoluuje. Naszym celem jest zmiana ukierunkowania modelu z przetwarzania transakcyjnego na pracę jako element większej całości. Pracownicy mają możliwość uczestnictwa w tworzeniu architektury jako takiej, zarówno bezpośrednio w drodze oddolnej promocji zmian, jak i pośrednio, zgodnie z codziennym rytmem swojej pracy.
Oznaczają oni interakcje kwalifikujące się jako przypadki testowe, proponują i wdrażają klasyfikatory po zaobserwowaniu nowego wzorca, a nawet tworzą prototypowe wersje automatyki, aby uzupełniać luki w procesach w ciągu zaledwie kilku dni. Zmienia się również zakres szkoleń, odchodząc od koncentracji jedynie na zasadach, aby uwzględniać aspekty takie jak ocena interakcji, identyfikacja luk strukturalnych, czy sugerowanie możliwych ulepszeń.
Dzięki temu nowemu podejściu pracownicy wsparcia nie tylko odpowiadają na zapytania, ale również budują system.
„Rola agentów nie sprowadza się do odpowiadania na zgłoszenia. Rozbudowują one naszą bazę wiedzy i tworzą podstawy dla zasad. Potrafią wsłuchiwać się w sygnały, których my nie słyszymy”.
W konsekwencji uzyskujemy organizację wsparcia definiowaną w mniejszym stopniu przez swą przepustowość, a w większym przez swą zdolność do ewoluowania. Każdy pracownik odpowiada nie tylko za obsługę poszczególnych użytkowników, lecz także za udoskonalanie maszynerii pracującej z korzyścią dla wszystkich użytkowników.
Mechanizmy wsparcia mogą być budowane w ten sposób wyłącznie dzięki oparciu ich na stosie rozwiązań OpenAI.
- Agents SKD domyślnie zapewnia możliwość trasowania krok po kroku i obserwowalność. Możemy odtwarzać działania, sprawdzać wywołania narzędzi i natychmiast debugować przyczyny błędów.
- Responses API zapewnia odpowiedni ton klasyfikatorów, ich poprawność i zgodność z przepisami.
- Realtime API umożliwia wsparcie głosowe.
- Panel ocen od OpenAI umożliwia pomiary jakości i ich łatwą wizualizację w czasie.
Dzięki temu, że podstawowe elementy platformy są od razu gotowe do użycia, możemy poświęcać mniej czasu na organizację systemów, a więcej na pracę, która faktycznie ma znaczenie: definiowanie kryteriów sukcesu, mierzenie ich i poprawę wyników.
Zaczęliśmy od prostego narzędzia udzielającego odpowiedzi na pytania i sprawdziło się ono doskonale. Dzięki Agents SDK szybko rozszerzyliśmy jego działanie na obsługę dynamicznych działań w kontekstach takich jak zwroty pieniędzy, fakturowanie, czy wyszukiwanie incydentów. Wraz z doskonaleniem modeli poprzez dodanie obsługi szerszych okien kontekstowych, głębokich badań, czy też wzmocnionych zdolności agentowych, możemy natychmiast wykorzystywać ich rozszerzone możliwości.
Oceny pozwalają na wykorzystanie codziennych konwersacji jako testów produkcyjnych. Kodyfikują znaczenie „doskonałości” — nie tylko rozwiązując problemy, lecz także robiąc to w sposób uprzejmy, przejrzysty i konsekwentny. Konsultanci mogą odgrywać bezpośrednią rolę w tym kontekście, oflagowując dobre i złe przykłady, które stają się kryteriami ocen prowadzonych nieustannie w kontekście produkcji, aby ukierunkowywać zachowanie modeli.
„Kiedy masz jakiś problem, zazwyczaj chcesz po prostu jak najszybciej uzyskać pomoc. Dzięki wykorzystaniu narzędzi AI jesteśmy w stanie udzielać odpowiedzi znacznie szybciej i — co równie ważne — wiemy, kiedy model nie powinien udzielać odpowiedzi”. — zauważa Jay Patel, Inżynier oprogramowania, Automatyzacja wsparcia
Nauka nie kończy się na poziomie jednostkowym. Identyfikowane wzorce przekładają się na wiedzę, automatyzację i projektowanie produktów. Wydajność systemu wzrasta: szybsze odpowiedzi dla użytkowników, krótsze cykle informacji zwrotnych dla inżynierów i stale podnoszona poprzeczka jakości na wszystkich płaszczyznach.
Co więcej, uczy się nie tylko AI. Wraz z nią uczy się cała organizacja. Specjaliści dostrzegają niedociągnięcia modeli, tworzą nowe klasyfikatory i gromadzą zbiory danych dla procesów ich doskonalenia. Obserwowalne panele sprawiają, że jakość staje się mierzalna, ukazując trend poprawy wydajności w czasie.
Największa zmiana nie dotyczy narzędzi, lecz ludzi i miar sukcesu przyjmowanych przez organizacje. Wkład specjalistów ds. wsparcia widoczny jest nie tylko w kontekście rozwiązywania problemów, lecz również poszerzania wiedzy, doskonalenia modeli i rozbudowywania systemu jako takiego. Liderzy poszukują współpracowników nowego rodzaju: osób wykazujących empatię wymaganą w pracy na pierwszej linii, a jednocześnie mających odpowiednie instynkty projektowe, posiadających umiejętności z zakresu wsparcia i ciekawość potrzebną w kontekście doskonalenia systemu.
„Zaczynamy obserwować swoiste połączenie głębokiej wiedzy praktycznej z głęboką wiedzą inżynieryjną. Tak wygląda przyszłość pracy poszczególnych działów”.
Mamy taką wizję, by wsparcie nie było postrzegane jako miejsce, do którego trzeba się udać. Ma stać się działaniem, wplecionym w każdą płaszczyznę produktu. Użytkownicy nie „przesyłają zgłoszenia”. Po prostu uzyskują to, czego potrzebują, tam gdzie już się znajdują.
Proces, który zaczął się od reakcji na wyzwania skali, stał się wzorcem dla możliwej współpracy ludzi i AI: zespołowej, adaptacyjnej i stale doskonalonej.
