Zendesk використовує OpenAI, щоб створювати адаптивних сервісних агентів, зосереджених на вирішенні завдань

Zendesk уже понад десять років допомагає компаніям забезпечувати чудовий клієнтський досвід. Її платформа щороку забезпечує понад 4,6 мільярда вирішених звернень.

На початку 2023 року Zendesk почала тісно співпрацювати з OpenAI, щоб дослідити, як ШІ може змінити сервіс і розробку продуктів. Сьогодні Zendesk тестує новий клас ШІ-агентів⁠(відкривається у новому вікні), створених на базі моделей OpenAI, які не лише ведуть цілі розмови, а й автономно планують і надають відповіді: 

• Скорочення часу налаштування з днів до хвилин
• Підвищення рівня автоматизації до 80%
• Надання командам повного контролю над поведінкою ШІ

Навіть найсучасніші сервісні платформи мають обмеження, коли йдеться про традиційну автоматизацію. Стандартна модель спиралася на класифікацію намірів: передбачити намір, запустити наперед визначений діалог або робочий процес і сподіватися, що клієнт дотримуватиметься сценарію.

Таке налаштування працювало для структурованих взаємодій, але швидко давало збій у разі нюансів, уточнень чи нетипових випадків.

«Раніше все зводилося до принципу: запит на вході — відповідь на виході», — каже Едріан МакДермотт, технічний директор Zendesk. «Реальні клієнти змінюють думку, ставлять уточнювальні запитання й очікують, що ШІ природно підлаштовуватиметься. У сервісі єдиний результат, який має значення, — це вирішення запиту, і дотепер боти були дещо обмежені у своїй здатності його досягати».

Zendesk почала співпрацювати з OpenAI, щоб застосувати генеративний підхід на основі Retrieval-Augmented generation (генерація з використанням пошуку, RAG) для базових взаємодій FAQ. Сьогодні їхній фокус змістився на генеративні міркування, що дають ШІ-агентам змогу самостійно планувати й виконувати завдання.

Новий клас агентних ШІ-рішень Zendesk спеціально створений для сервісу. Працюючи на моделях OpenAI, як-от GPT‑4o, ці агенти не просто відповідають на запитання — вони ведуть розмови, міркують у контексті та рухаються до вирішення.

Платформа використовує мультиагентну архітектуру, що складається зі спеціалізованих агентів, як-от:

• Агент визначення завдань: замість покладатися на ручне навчання, цей ШІ-агент веде реальну розмову, щоб зрозуміти, що потрібно користувачеві, ставлячи уточнювальні запитання та розрізняючи схожі проблеми.
• Розмовний RAG-агент: розширює традиційний RAG завдяки опорі на багатокрокову розмову. Наприклад, коли користувач запитує про варіанти оплати, агент може уточнити, де перебуває користувач, перш ніж знайти правила для конкретного регіону.
• Агент компіляції процедур: поєднуючи автономність із контролем, агент компіляції процедур Zendesk перетворює бізнес-правила з природної мови на структурований потік, гарантуючи, що ШІ розуміє і візуально відображає, як виконувати процедури компанії.
• Агент виконання процедур: виконує дії, викликаючи API, запускаючи робочі процеси й оновлюючи системи — усе в межах логіки, визначеної бізнесом.

Поєднуючи RAG із міркуваннями, ШІ-агенти Zendesk тепер можуть вести багатокрокові розмови, ставити уточнювальні запитання й адаптувати відповіді до запитів користувача. Це дає платформі змогу автономно вирішувати складні проблеми без залежності від жорстких діалогових потоків.

«Ми дали боту більше автономності в керуванні розмовою, водночас він працює в межах запобіжників Zendesk щодо якості та точності», — каже МакДермотт. «Процес починався з розуміння проблеми клієнта з великим фокусом на русі до вирішення».

Однією з найбільших змін у розробці ШІ-агентів Zendesk став перехід до гібридної моделі розробки, де агенти можуть безперешкодно перемикатися між діалоговими потоками та генеративними процедурами в межах однієї розмови.

З новим конструктором ШІ-агентів компанії можуть визначати процедури природною мовою. Потім ШІ-агент планує курс дій за допомогою адаптивних міркувань і показує попередній перегляд запропонованих кроків перед запуском у продакшн. 

Елементи керування міркуваннями ШІ забезпечують видимість у реальному часі того, як мислять ШІ-агенти, щоб команди могли перевіряти кожну розмову, переглядаючи ланцюжок міркувань агента (CoT) і розуміючи, як було ухвалено рішення.

Ця зміна скорочує час налаштування з днів до хвилин і робить генеративну автоматизацію доступною для значно ширшого кола клієнтів Zendesk.

На базовому рівні Zendesk реалізує сувору внутрішню програму бенчмаркінгу, щоб обирати й розгортати найкращі моделі та налаштовувати запити для кожного сценарію використання. Команда враховує затримку, вартість і якість, тестуючи нові моделі, як-от o3‑mini від OpenAI, у сценаріях від RAG до фонових завдань міркування.

Цей процес дає Zendesk змогу оцінювати, тестувати й розгортати нові моделі менш ніж за 24 години.

Zendesk відстежує продуктивність як до, так і після розгортання, використовуючи офлайн-оцінювання та live-метрики, як-от частота вирішення, частота редагування та затримка. Кожне рішення щодо моделі документується й підлягає аудиту, що забезпечує прозорість і надійність у міру розвитку системи.

Цього року Zendesk планує піти ще далі: запустити платформу бенчмаркінгу самообслуговування, щоб будь-яка інженерна команда Zendesk могла тестувати й розгортати моделі без практичної підтримки від експертів з машинного навчання.

Zendesk зараз тестує нову платформу агентного ШІ з клієнтами з числа ранніх користувачів. Платформу створено для легкої інтеграції з наявними налаштуваннями, прискорюючи шлях клієнтів до 80% автоматизації без потреби перебудовувати все з нуля.

Хоча ширші показники з’являться пізніше у 2025 році, ранні відгуки вже дуже позитивні: швидше налаштування, точніші відповіді та більш зручний і цілісний досвід взаємодії у кожному каналі.