此文章為 OpenAI 系列之一，探討 OpenAI 如何利用自家技術構建公司解決方案。
公司每年都需要處理數百萬計的支援個案，每個都承載著珍貴價值：一次挫折、一個構思、一項請求。
但直至最近，這些訊號才變得容易理解。主目錄呈現趨勢，但未能顯示原因。深度分析需要耗費數據科學家數個星期的工作時間。產品領袖可能想知道新功能為何能吸引到獨特的目標對象類型，但要解開這個謎團，就可能需要數據科學家展開詳盡的分析。
因此縱有探索精神，卻處處受到掣肘。
商業數據總監 Molly Jackman 表示：「分析過程需要深厚的技術專業知識，往往會扼殺我們的探索精神。」
我們構建了一個研究助理，以激發無限探索精神。當中結合兩種探索模式：透過主目錄分析模式，並以對話介面深入探討。您可以先開始探討熱門問題圖表，然後用淺白的語言提出跟進問題。
在構建過程中，我們融合了已有的成功經驗。一方面，分類器和圖表可將數百萬計的支援個案按產品範圍和主題分門別類。而另一方面，GPT‑5 可以總結個案中的原始資訊，再生成淺白易明的靈活報告。結合兩者，我們就能同時兼顧速度和深度，讓每個人都能輕鬆入手使用。
「醫療保健客戶對新整合系統有什麼看法？」
「本季的支援個案主要與什麼問題相關？」
「哪些主要功能命中目標？」
只需數分鐘時間，系統就能提供詳盡報告，評估問題的嚴重程度、揭示普遍性，並突顯摩擦點。主管無需再借調人手，又或者只對著死板呆滯的主目錄。任何人都可以跟進提問，無論探索會延伸至哪個方向。對於產品團隊而言，他們可以根據真實的反饋加速迭代，掌握哪些做法有效，哪些做法行不通，然後歸納出清晰洞見，以指引產品發佈與長期發展路向。
「神奇之處在於你無需預先設定問題，只需順應自己的好奇心。」
如果資訊不準確，速度也就毫無意義。
在早期階段，營運團隊會進行手動分類，而數據科學家亦編寫了自訂模型來與助理表現進行比較。各項結果會加以比對。
經過一段時間，大家的信心日增。主管開始將分析結果與他們實際在領域中獲知的資訊互相核對，如果兩者吻合，便會投入採用。
在這個「發問－核對－信任」的循環下，使用助理慢慢成為了團隊的日常習慣。以往需要花整個星期時間執行 SQL 查詢和分類器的工作，如今只需點擊幾下即可完成。
成效隨處可見。
- 在推出 GPT‑5 之後，產品團隊可在數日之間掌握反饋主題，而非花上數星期。
- 而當企業採用連接器的速度放緩，助理迅速找到根本原因：上線流程錯漏百出。這樣工程人員就能優先修正問題。
- 在圖像產生領域，研究助理突顯了市場推廣團隊可以利用圖像產生進行模擬，充分展現創意；同時亦揭示渲染滯延所造成的摩擦，而這兩大面向直接塑造了產品未來發展。
當探索發問的成本下降至只需數分鐘，大家就更樂於發問求真。更多問題得以浮現，團隊也能更快採取行動。
這個工具不會取代數據科學家，而是讓他們可以專注其他工作。數據科學家不再只集中進行單次分析，而是有更多時間構建新的分類器，並花時間探索自動化和工具運用。營運團隊現可在數分鐘內生成發佈報告，而非花上數天時間，從而騰出更多時間與客戶互動。產品團隊可以即時了解客戶意見，透過更快的反饋循環指引產品發展。
這項革新改變了我們聆聽的方式。我們無需再被有限的分析循環束縛，每個團隊都可以自由探索自己的問題。探索精神由此擴展。當產品主管留意到摩擦點，而銷售主管亦在企業支援個案中看到相同的主題，二者便能合力更快採取行動。
我們希望最終是客戶能夠受益。問題能得以更快解決，功能演化能更貼合他們所需。以往積壓在待辦事項的反饋，如今成為我們建構產品的核心。
「我會視之為大規模擴展客戶的用戶體驗研究。如果我們能將客戶的聲音轉化為主動改善產品、政策與實踐的動力，這便是成功。」
這個助理最初只是用以解析數百萬計支援個案的工具，現在成為了我們聆聽需求的運作核心。而只有用心聆聽，才能成功構建。
