Este conteúdo faz parte da nossa série sobre como a OpenAI está desenvolvendo soluções próprias com base na nossa tecnologia.
As empresas acumulam milhões de chamados de suporte todos os anos. Cada um desses chamados carrega algo importante: uma frustração, uma ideia, uma solicitação.
Mas, até pouco tempo atrás, era muito difícil interpretar esse tipo de conteúdo. O painel de controle até sugeria uma tendência, mas não explicava o motivo. Do mesmo modo, qualquer tipo de análise aprofundada exigia semanas de trabalho por parte de um cientista de dados. Ou vai ver que um líder de produto talvez quisesse saber como um novo recurso foi recebido por um tipo específico de público. Em todos esses casos, o cientista de dados precisava realizar uma análise bem detalhada.
Ou seja: a curiosidade ficava sempre limitada.
Molly Jackman, diretora de dados comerciais, explica: "O processo exigia profundo conhecimento técnico e estava limitando nossa curiosidade."
Foi por esse motivo que criamos um assistente de pesquisa: a ideia, afinal, era despertar a curiosidade. Ele combina dois modos de exploração: painéis de controle, para detectar padrões, e uma interface conversacional para aprofundar a pesquisa. Você pode começar com um gráfico das questões mais populares e, em seguida, fazer perguntas complementares em linguagem simples.
O que nós criamos não é nada mais do que a junção de coisas que já funcionavam. De um lado, os classificadores e gráficos que estruturaram milhões de chamados em áreas de produtos e temas. Do outro, o GPT‑5, que é capaz de resumir chamados brutos e gerar relatórios flexíveis em linguagem simples. A combinação nos proporcionou velocidade e profundidade, sendo simples o suficiente para qualquer pessoa usar.
"O que os clientes do setor de saúde estão dizendo sobre as novas integrações?"
"O que está gerando chamados de suporte neste trimestre?"
"Quais são os principais recursos que estão fazendo sucesso?"
Em poucos minutos, o sistema gera um relatório avaliando a dimensão do problema, mostrando a prevalência e destacando os pontos de atrito. Desse modo, os líderes não precisam mais pedir largura de banda emprestada e nem visualizar painéis estáticos de controle. Além disso, qualquer pessoa pode seguir suas próprias perguntas, sem se preocupar com o destino final. Para as equipes de produto, isso significa uma iteração mais rápida com base em feedback real — saber o que está funcionando, o que não está e obter insights claros para orientar tanto os lançamentos de produtos quanto os planos de longo prazo.
"A melhor parte é que você não precisa elaborar as perguntas. Basta deixar a curiosidade falar mais alto."
Não faz o menor sentido ter velocidade sem ter precisão.
No início, as equipes de operações realizavam classificações manuais e os cientistas de dados criavam modelos personalizados para comparar com o assistente. Os resultados logo se amontoaram.
Com o tempo, a confiança aumentou e os líderes começaram a comparar as conclusões com as coisas que já vinham percebendo. Quando havia correspondência, eles mergulhavam com tudo.
Esse ciclo — perguntar, verificar, confiar — transformou o assistente em uma ferramenta que as equipes usam diariamente. O que antes levava uma semana de consultas SQL e classificadores agora é feito com apenas alguns cliques.
Há muitos benefícios.
- Após o lançamento do GPT‑5, as equipes de produto receberam feedback em questão de dias, e não mais semanas.
- Quando a adoção de conectores pelas empresas diminuiu, o assistente rapidamente identificou a causa principal: um fluxo de integração que apresentava erros. Os engenheiros puderam então priorizar as correções.
- Na geração de imagens, destacou-se tanto a criatividade das equipes de marketing que a utilizam para maquetes quanto o atrito causado pelos atrasos na renderização; duas verdades que moldaram diretamente a estratégia.
Quando o custo de fazer uma pergunta cai para alguns minutos, mais perguntas são feitas. Mais questões vêm à tona. E, assim, as equipes conseguem agir com mais rapidez.
A ferramenta não substitui os cientistas de dados. Na verdade, ela faz com que eles fiquem com mais tempo para realizar outras tarefas. Em vez de análises pontuais, eles podem criar novos classificadores e investir em automação e ferramentas. As equipes de operações agora geram relatórios de lançamento em minutos, em vez de dias. Desse modo, conseguem ter mais tempo para se dedicar aos clientes. As equipes de produto podem aprender em tempo real com os clientes, fundamentando planos de ação com ciclos de feedback mais rápidos.
Essa transformação mudou a forma como podemos fazer o monitoramento. Em vez de racionar ciclos analíticos escassos, cada equipe agora pode investigar questões com liberdade. A curiosidade, portanto, vai ficando cada vez maior. Por exemplo: um líder de produto identifica um ponto de atrito e um líder de vendas vê o mesmo tema nos chamados da empresa. Juntos, eles criam uma solução sem precisar perder muito tempo.
Nossa esperança é que os clientes consigam ver os resultados disso tudo na prática. Afinal, os problemas serão resolvidos com mais rapidez. E os recursos poderão evoluir de modo a atender cada necessidade específica. Aquele feedback que antes ficava enterrado lá no meio da pilha de tarefas agora é fundamental para a forma como trabalhamos.
"É como se fosse uma pesquisa de experiência do usuário em grande escala. Estamos dando voz ao cliente de uma forma que muda proativamente nossos produtos, políticas e práticas. E isso é incrível."
O que começou como uma ferramenta para analisar milhões de chamados está se tornando parte do sistema operacional de escuta. E ouvir bem é o primeiro passo para desenvolver bem.
