Ovo je deo naše serije u kojoj delimo interne primere kako OpenAI koristi sopstvenu tehnologiju i API-je. Ovi alati se koriste interno, samo u OpenAI-ju, i ovde se dele kao ilustrativni primeri kako гранични AI podržava različite slučajeve upotrebe u našim timovima. Delimo i nazive internih alata kako bismo jasnije pokazali kako гранични AI pomaže našim timovima da obavljaju posao.
Svake godine stižu milioni tiketa podrške. Svaki od njih nosi nešto vredno: frustraciju, ideju, zahtev.
Ali do nedavno, te signale je bilo teško razumeti. Kontrolne table su nagoveštavale trendove, ali su propuštale zašto. Dubinske analize su zahtevale nedelje rada naučnika za podatke. Lider proizvoda je možda želeo da zna kako je nova funkcija prihvaćena kod određene vrste publike. Ali odgovor je zahtevao da naučnik za podatke sprovede detaljnu analizu.
Radoznalost se dozirala.
„Proces je zahtevao duboku tehničku stručnost i gušio je našu radoznalost“, kaže Molly Jackman, rukovodilac poslovnih podataka.
Napravili smo istraživačkog asistenta da oslobodi radoznalost koja može da se širi. Kombinuje dva načina istraživanja: kontrolne table za obrasce i konverzacijski interfejs za dublje istraživanje. Možete da počnete grafikonom trendova problema, a zatim da postavljate dodatna pitanja običnim jezikom.
Izgradili smo ga spajanjem onoga što je već funkcionisalo. S jedne strane, klasifikatori i grafikoni koji su strukturisali milione tiketa u oblasti proizvoda i teme. S druge strane, GPT‑5, koji je mogao da sažima neobrađene tikete i generiše fleksibilne izveštaje običnim jezikom. Ta kombinacija nam je dala i brzinu i dubinu, a bila je dovoljno jednostavna da svako može da je koristi.
„Šta korisnici iz zdravstva govore o novim integracijama?“
„Šta pokreće tikete podrške ovog kvartala?“
„Koje glavne funkcije postižu željeni efekat?“
Za nekoliko minuta, sistem vraća izveštaj koji procenjuje obim problema, pokazuje učestalost i ističe tačke trenja. Lideri više ne moraju da pozajmljuju tuđe kapacitete niti da gledaju statične kontrolne table. Svako može da prati sopstvena pitanja kuda god da vode. Za timove proizvoda to znači brže iteracije zasnovane na stvarnim povratnim informacijama — znanje o tome šta funkcioniše, šta ne funkcioniše i izvođenje jasnih uvida koji usmeravaju i lansiranja proizvoda i dugoročne mape puta.
„Magija je u tome što ne morate unapred da definišete pitanja, već možete jednostavno da pratite svoju radoznalost.“
Brzina ne znači ništa bez tačnosti.
U ranim danima, operativni timovi su radili ručne klasifikacije, a naučnici za podatke su pisali prilagođene modele da ih uporede sa asistentom. Rezultati su se poklapali.
Vremenom je poverenje raslo. Lideri su počeli da proveravaju nalaze u odnosu na ono što su već slušali sa terena, i kada se to poklopilo, dodatno su mu verovali.
Taj ciklus — pitaj, proveri, veruj — pretvorio je asistenta u svakodnevnu naviku za timove. Ono za šta je nekada bila potrebna nedelja SQL upita i klasifikatora sada se dešava u nekoliko klikova.
Dobit se vidi svuda.
- Nakon lansiranja GPT‑5, timovi proizvoda su imali teme povratnih informacija za nekoliko dana, a ne nedelja.
- Kada je usvajanje konektora u enterprise segmentu usporilo, asistent je brzo otkrio osnovni uzrok: onboarding tok sa greškama. Inženjeri su tada mogli da daju prioritet ispravkama.
- U генерисање слика, istakao je i kreativnost marketinških timova koji su ga koristili za makete i teškoće zbog kašnjenja u renderovanju; dve istine koje su direktno oblikovale mapu puta.
Kada se trošak postavljanja pitanja svede na nekoliko minuta, postavlja se više pitanja. Više problema ispliva. Timovi se kreću brže.
Alat ne zamenjuje naučnike za podatke. Oslobađa ih da rade drugačiji posao. Umesto jednokratnih analiza, imaju više vremena da grade nove klasifikatore i ulažu u automatizaciju i alate. Operativni timovi sada generišu izveštaje o lansiranju za nekoliko minuta umesto za nekoliko dana, što oslobađa kapacitet da više vremena provode sa korisnicima. Timovi proizvoda mogu u realnom vremenu da uče od korisnika, oblikujući svoje mape puta uz brže petlje povratnih informacija.
Ova transformacija je promenila način na koji možemo da slušamo. Umesto da oskudne analitičke cikluse doziramo, svaki tim sada može slobodno da sledi svoja pitanja. Radoznalost se umnožava. Lider proizvoda primeti tačku trenja, lider prodaje vidi istu temu u tiketima enterprise korisnika i zajedno stvaraju brži put do akcije.
Nadamo se da će to kupci najviše osetiti. Problemi će se rešavati ranije. Funkcije će moći da se razvijaju bliže njihovim potrebama. Povratne informacije koje su nekada bile zatrpane u zaostatku sada su u središtu načina na koji gradimo.
„Ja o tome razmišljam kao o UX istraživanju korisnika u velikom obimu. Ako glas korisnika iznosimo na videlo na način koji proaktivno menja naše proizvode, politike i prakse — to je uspeh.“
Ono što je počelo kao alat za raščlanjivanje miliona tiketa postaje deo operativnog sistema našeg načina slušanja. A dobro slušanje je način na koji dobro gradimo.
