跳至主要内容
OpenAI

2025年3月27日

Zendesk 借助 OpenAI 技术,打造以“高效解决”为核心的自适应服务智能体

特写镜头呈现柔和的粉彩色石头,中央以白色叠加显示 Zendesk 的徽标和名称。
正在加载…

十多年来,Zendesk 始终致力于协助企业打造卓越的客户体验,其平台每年处理的解决方案量已突破 46 亿次。

早在 2023 年初,Zendesk 便与 OpenAI 展开密切合作,共同探索 AI 如何重塑服务模式与产品研发。如今,Zendesk 正在通过试点项目推出一类全新的 AI 智能体(在新窗口中打开)。在 OpenAI 模型的驱动下,这些智能体不仅能掌控对话全程,更能自主规划并执行回复策略:

  • 将配置时间从数天缩短到数分钟
  • 将自动化率提升至接近 80%
  • 赋予团队对 AI 行为逻辑的全面控制权

从“基于意图”的机器人,迈向“主动型”AI 智能体

即便是在最先进的服务平台上,传统的自动化模式也难免遭遇瓶颈。标准模式长期依赖于“意图识别”:即预测用户的意图,随后触发预设的对话逻辑或工作流,并希望客户能按照既定的“脚本”进行沟通。

这种模式在处理结构化交互时尚可胜任,但面对语义的细微差别、追问或极端情况时,往往会显得力不从心。

“在旧有的模式下,服务只是简单的‘消息输入与回复输出’,”Zendesk 首席技术官 Adrian McDermott 表示,“但现实中的客户会改变主意,会要求澄清,并期望 AI 能够自然地跟上节奏。在服务领域,唯一核心的结果是‘解决问题’。但长期以来,机器人受限于自身能力,很难真正实现这一目标。”

Zendesk 最初通过与 OpenAI 合作,采用检索增强生成 (RAG) 技术来处理基础的 FAQ(常见问题)交互。如今,Zendesk 的重心已转向生成式推理 (Generative reasoning) — 这赋予了 AI 智能体独立规划并执行复杂任务的能力。

折线图展示了 Zendesk 集成使用量的指数级快速增长,累计总量随时间急剧上升。

新一代 AI 智能体:直击“问题解决”的核心

Zendesk 推出的全新自主型 AI 智能体专为服务场景而生。在 GPT‑4o 等 OpenAI 模型的驱动下,这些智能体不再仅仅是机械地回答问题,而是能够主导对话、根据上下文进行推理,并主动解决问题。

该平台采用了多智能体架构 (Multi-agent architecture),由多个各司其职的专业智能体协作运行:

  • 任务识别智能体:该智能体告别了繁琐的手动训练,通过真实的对话来洞察用户需求,并能主动提出澄清性问题,以区分容易混淆的相似问题。
  • 对话式 RAG 智能体:在传统 RAG 的基础上,实现了多轮对话能力。例如,当用户询问付款方式时,它会先追问用户的所在地,再精准检索并提供特定地区的政策。
  • 流程编排智能体:为了在“自主性”与“可控性”之间取得平衡,该智能体能将自然语言描述的业务规则转化为结构化工作流,确保 AI 既能理解公司流程,又能直观地呈现执行路径。
  • 流程执行智能体:在企业定义的逻辑框架内,通过调用 API、触发工作流和更新系统信息,将方案落到实处。

通过将 RAG 与推理能力相结合,Zendesk 的 AI 智能体现在可以进行多步对话、处理追问,并根据用户的反馈实时调整策略。这使得平台能够自主解决复杂问题,彻底摆脱了对僵硬对话脚本的依赖。

“在确保符合 Zendesk 质量与准确性‘护栏’的前提下,我们赋予了机器人更强的主动权来引导对话,”McDermott 表示,“这一变革的起点,正是由于我们对客户问题有着深刻的理解,并始终高度聚焦于‘解决问题’这一终极目标。”

从静态流向自适应推理的跨越

Zendesk AI 智能体开发历程中最重大的变革之一,便是向混合开发模式的演进。在这种模式下,智能体可以在单次对话中,在预设对话流与生成式流程之间实现无缝切换。

借助全新的 AI 智能体构建工具,企业只需使用自然语言即可定义业务流程。随后,AI 智能体会利用自适应推理规划行动路径,并在正式上线前预览其拟定的执行步骤。

AI 推理控制功能则提供了实时的决策透明度。团队可以通过回顾智能体的思维链 (Chain of Thought, CoT),全面审计每一场对话,从而清晰掌握 AI 做出决策背后的逻辑。

这一变革将配置时间从数天缩短至数分钟,让生成式自动化技术走进更广泛的 Zendesk 客户群体。

“我们已经扫清 AI 应用道路上的最大障碍。现在,客户无需繁琐配置,即可直接使用这些全新的自主型 AI 智能体。”
Adrian McDermott,Zendesk 首席技术官

针对各类场景:优中选优,精准测评

在底层架构上,Zendesk 运行着一套严苛的内部基准测试方案,旨在为每个具体场景挑选并部署最适合的模型,并针对性地优化提示词。团队综合考量延迟、成本与质量,对包括 OpenAI o3‑mini 在内的新型模型进行测试,涵盖了从 RAG 到后台推理任务的方方面面。

得益于这套流程,Zendesk 能够在 24 小时内完成新模型的评估、测试及部署。

Zendesk 还会全程追踪模型部署前后的性能表现,通过离线评估以及解决率、修改率、延迟等实时指标进行综合研判。每一项模型决策均有据可查且可审计,确保系统在演进过程中的透明度与可靠性。

今年,Zendesk 计划更进一步:推出自助式基准测试平台。届时,任何 Zendesk 工程团队都能独立测试并部署模型,无需机器学习专家的全程介入。

加速实现 80% 自动化率的目标

目前,Zendesk 正与早期采用者客户合作,开展这一全新智能体 AI 平台的试点项目。该平台旨在与现有配置无缝集成,帮助客户在无需推倒重来的前提下,加速实现 80% 自动化率的目标。

虽然更详尽的评估数据将于 2025 年晚些时候公布,但早期反馈非常积极:部署速度更快、回复更精确,且在所有渠道上都能提供更顺畅的用户体验。

想深入了解面向企业的 ChatGPT?