Zendesk använder OpenAI för att bygga adaptiva serviceagenter med fokus på lösningar

Zendesk har hjälpt företag att leverera fantastiska kundupplevelser i över ett decennium. Plattformen ger mer än 4,6 miljarder lösningar varje år.

I början av 2023 började Zendesk arbeta nära OpenAI för att utforska hur AI kunde omforma service och produktutveckling. I dag pilotkör de en ny klass av AI-agenter⁠(öppnas i ett nytt fönster), drivna av OpenAI-modeller, som inte bara hanterar hela konversationer utan planerar och utför svar autonomt: 

• Minskar implementeringstiden från dagar till minuter
• Ökar automatiseringsgraden mot 80 %
• Ger teamen full kontroll över hur AI:n beter sig

Även de mest sofistikerade serviceplattformarna har begränsningar när det gäller traditionell automatisering. Standardmodellen förlitar sig på avsiktsklassificering: att förutsäga en avsikt, utlösa en fördefinierad dialog eller ett arbetsflöde och hoppas att kunden följer manuset.

Det här upplägget fungerade för strukturerade interaktioner, men föll snabbt samman vid nyanser, följdfrågor eller specialfall.

”Den gamla världen var in med meddelanden, ut med svar”, säger Adrian McDermott, CTO på Zendesk. ”Riktiga kunder ändrar sig, ställer förtydligande frågor och förväntar sig att AI:n hänger med på ett naturligt sätt. Inom service är det enda resultatet som räknas en lösning, och fram till nu har bottar varit något begränsade i sin förmåga att uppnå det.”

Zendesk började arbeta med OpenAI för att använda en generativ metod med Retrieval-Augmented generation (RAG) för grundläggande FAQ-interaktioner. I dag har fokus skiftat till generativt resonemang som gör det möjligt för AI-agenter att planera och utföra uppgifter självständigt.

Zendesks nya klass av agentiska AI-agenter är specialbyggd för service. Agenterna drivs av OpenAI-modeller som GPT‑4o och svarar inte bara på frågor – de leder konversationer, resonerar utifrån kontext och går mot en lösning.

Plattformen använder en multiagentarkitektur som består av specialiserade agenter som:

• Agent för uppgiftsidentifiering: I stället för att förlita sig på manuell träning för den här AI-agenten en riktig konversation för att förstå vad användaren behöver, ställer förtydligande frågor och reder ut liknande problem.
• Konversationsbaserad RAG-agent: Utökar traditionell RAG genom förankring i konversationer i flera omgångar. Till exempel när en användare frågar om betalningsalternativ kan agenten följa upp och fråga var användaren befinner sig innan regionsspecifika policyer hämtas.
• Agent för procedurkompilering: Genom att balansera handlingsutrymme med kontroll omvandlar Zendesks agent för procedurefterlevnad affärsregler från naturligt språk till ett strukturerat flöde, vilket säkerställer att AI:n förstår och visuellt återger hur företagets procedurer ska utföras.
• Agent för procedurutförande: Utför åtgärder genom att anropa API:er, trigga arbetsflöden och uppdatera system, allt inom den logik som definieras av verksamheten.

Genom att kombinera RAG med resonemang kan Zendesks AI-agenter nu delta i konversationer i flera steg, ställa följdfrågor och anpassa svar utifrån användarens indata. Det gör att plattformen kan lösa komplexa problem autonomt, utan att förlita sig på dialogflöden.

”Vi har gett botten större handlingsutrymme att styra konversationen samtidigt som den arbetar inom Zendesks skyddsräcken för kvalitet och noggrannhet”, säger McDermott. ”Processen börjar med att förstå kundens problem med starkt fokus på att gå mot en lösning.”

En av de största förändringarna i Zendesks utveckling av AI-agenter har varit utvecklingen till en hybridmodell, där agenter sömlöst kan röra sig mellan dialogflöden och generativa procedurer inom en och samma konversation.

Med den nya byggaren för AI-agenter kan företag definiera procedurer med naturligt språk. AI-agenten planerar sedan ett tillvägagångssätt med hjälp av adaptivt resonemang och visar en förhandsvisning av sina föreslagna steg innan den går live. 

Kontroller för AI-resonemang ger insyn i realtid i hur AI-agenter tänker, så att team kan granska varje konversation genom att se agentens tankekedja för att förstå hur besluten fattades.

Den här förändringen minskar implementeringstiden från dagar till minuter och gör generativ automatisering tillgänglig för en mycket bredare grupp Zendesk-kunder.

Bakom kulisserna driver Zendesk ett rigoröst internt benchmarkprogram för att välja och driftsätta de bästa modellerna och finjustera promptar för varje användningsfall. Teamet väger in latens, kostnad och kvalitet och testar nya modeller som OpenAI:s o3‑mini i användningsfall som sträcker sig från RAG till bakgrundsuppgifter för resonemang.

Den här processen gör att Zendesk kan utvärdera, testa och driftsätta nya modeller på mindre än 24 timmar.

Zendesk följer prestandan både före och efter driftsättning, med offlineutvärderingar och live-mätvärden som lösningsgrad, redigeringsgrad och latens. Varje modellbeslut dokumenteras och kan granskas, vilket säkerställer transparens och tillförlitlighet när systemet utvecklas.

I år planerar Zendesk att ta det ett steg längre: lansera en självbetjäningsplattform för benchmarking så att Zendesks samtliga tekniska team kan testa och driftsätta modeller utan att behöva praktisk hjälp från experter inom maskininlärning.

Zendesk pilotkör just nu den nya agentiska AI-plattformen med kunder som är tidiga användare. Plattformen är utformad för att enkelt integreras med befintliga miljöer, vilket snabbar på kundernas väg till 80 % automatisering, utan att de behöver bygga om från grunden.

Samtidigt som bredare mätvärden kommer att följa senare under 2025, har den tidiga feedbacken varit stark: snabbare installation, mer exakta svar och smidigare användarupplevelser över alla kanaler.