Zendesk использует OpenAI для создания адаптивных сервисных агентов, ориентированных на решение задач

Компания Zendesk уже более десяти лет помогает компаниям обеспечивать отличный клиентский опыт. Её платформа обеспечивает более 4,6 миллиарда решённых обращений в год.

В начале 2023 года Zendesk начала тесно сотрудничать с OpenAI, чтобы изучить, как ИИ может изменить сервис и разработку продуктов. Сегодня Zendesk тестирует новый класс ИИ-агентов⁠(открывается в новом окне) на базе моделей OpenAI, которые не только ведут разговор целиком, но и автономно планируют и выполняют ответы: 

• Сокращают время настройки с дней до минут
• Повышают уровень автоматизации до 80%
• Дают командам полный контроль над тем, как ведёт себя ИИ

Даже самые продвинутые сервисные платформы сталкиваются с ограничениями, когда речь идёт о традиционной автоматизации. Стандартная модель опиралась на классификацию намерений: предсказать намерение, запустить заранее заданный диалог или рабочий процесс и надеяться, что клиент будет следовать сценарию.

Такая схема работала для структурированных взаимодействий, но быстро давала сбой при нюансах, уточнениях или нестандартных случаях.

«В старом мире всё сводилось к сообщению на входе и ответу на выходе», — говорит Эдриан Макдермотт, CTO в Zendesk. «Реальные клиенты меняют своё мнение, задают уточняющие вопросы и ожидают, что ИИ будет естественно следовать за разговором. В сервисе важен только один результат — решение проблемы, и до недавнего времени возможности ботов добиться этого были довольно ограничены».

Zendesk начала работать с OpenAI, чтобы внедрить генеративный подход с использованием Retrieval-Augmented generation (RAG) для базовых FAQ-взаимодействий. Сегодня их фокус сместился на генеративные рассуждения, которые позволяют ИИ-агентам самостоятельно планировать и выполнять задачи.

Новый класс агентных ИИ-агентов Zendesk специально создан для сервисных задач. Работая на моделях OpenAI, таких как GPT‑4o, эти агенты не просто отвечают на вопросы — они ведут разговор, анализируют контекст и движутся к решению проблемы.

Платформа использует мультиагентную архитектуру, состоящую из специализированных агентов, таких как:

• Агент определения задачи: вместо зависимости от ручного обучения этот ИИ-агент ведёт реальный разговор, чтобы понять, что нужно пользователю, задаёт уточняющие вопросы и различает схожие проблемы.
• Разговорный RAG-агент: расширяет традиционный RAG, опираясь на многоходовый диалог. Например, когда пользователь спрашивает о вариантах оплаты, агент может сначала уточнить, где находится пользователь, прежде чем извлекать политики для конкретного региона.
• Агент компиляции процедур: балансируя между автономностью и контролем, агент соответствия процедурам Zendesk преобразует бизнес-правила с естественного языка в структурированный поток, чтобы ИИ понимал и визуально отражал, как выполнять процедуры компании.
• Агент выполнения процедур: выполняет действия, вызывая API, запуская рабочие процессы и обновляя системы — всё в рамках логики, заданной бизнесом.

Объединяя RAG с рассуждениями, ИИ-агенты Zendesk теперь могут вести многошаговые разговоры, задавать уточняющие вопросы и адаптировать ответы на основе информации от пользователя. Это позволяет платформе автономно решать сложные проблемы без опоры на жёсткие диалоговые сценарии.

«Мы дали боту больше самостоятельности в ведении разговора, сохраняя при этом рамки Zendesk по качеству и точности», — говорит Макдермотт. «Процесс начинался с понимания проблемы клиента при сильном фокусе на движении к её решению».

Одним из самых больших изменений в разработке ИИ-агентов Zendesk стал переход к гибридной модели разработки, где агенты могут плавно переключаться между диалоговыми сценариями и генеративными процедурами в рамках одного разговора.

С новым конструктором ИИ-агентов компании могут описывать процедуры на естественном языке. Затем ИИ-агент планирует ход действий с помощью адаптивных рассуждений и показывает предварительный просмотр предлагаемых шагов перед запуском. 

Средства контроля ИИ-рассуждений обеспечивают видимость в реальном времени того, как думают ИИ-агенты, позволяя командам проводить аудит каждого разговора, просматривая цепочку рассуждений агента (CoT), чтобы понять, как были приняты решения.

Этот переход сокращает время настройки с дней до минут и делает генеративную автоматизацию доступной для гораздо более широкого круга клиентов Zendesk.

Внутри Zendesk использует строгую внутреннюю программу бенчмаркинга, чтобы выбирать и развёртывать лучшие модели и настраивать промпты для каждого сценария использования. Команда учитывает задержку, стоимость и качество, тестируя новые модели, такие как o3‑mini от OpenAI, для сценариев от RAG до фоновых задач рассуждений.

Этот процесс позволяет Zendesk оценивать, тестировать и развёртывать новые модели менее чем за 24 часа.

Zendesk отслеживает производительность как до, так и после развёртывания, используя офлайн-оценки и оперативные метрики, такие как коэффициент решённых обращений, коэффициент правок и задержка. Каждое решение по модели документируется и поддаётся аудиту, что обеспечивает прозрачность и надёжность по мере развития системы.

В этом году Zendesk планирует пойти ещё дальше: запустить платформу для самостоятельного бенчмаркинга, чтобы любая инженерная команда Zendesk могла тестировать и развёртывать модели без необходимости в практической поддержке со стороны экспертов по машинному обучению.

Сейчас Zendesk пилотирует новую платформу агентного ИИ с клиентами из числа ранних пользователей. Платформа разработана для простой интеграции с существующими системами, ускоряя путь клиентов к 80% автоматизации без необходимости перестраивать всё с нуля.

Хотя более широкие метрики появятся позже в 2025 году, первые отзывы уже очень позитивные: более быстрая настройка, более точные ответы и более плавный пользовательский путь по всем каналам.