Ciò articolo fa parte di una serie di articoli che spiegano come OpenAI sviluppi le proprie soluzioni sfruttando la sua stessa tecnologia.
Un nuovo modello operativo che va oltre le semplici richieste e i ticket
Tradizionalmente, l’assistenza significa ticket e code. Questo metodo, però, non è stato sufficiente per il nostro livello di scala: OpenAI, con centinaia di milioni di utenti, gestisce milioni di richieste all'anno e questa quantità aumenta ogni anno in modo esponenziale.
Molte organizzazioni affrontano sfide di scala, ma poche devono gestire una crescita iperaccelerata. Questo è il nostro contesto, con la particolarità di sviluppare tecnologie in grado di modificare il gioco in questo ambito. Questa posizione unica ci consente di riconsiderare completamente l’assistenza.
«L’assistenza non riguarda soltanto rispondere ai ticket. L’obiettivo è fornire agli utenti ciò che cercano, qualcosa che davvero li aiuti.»
Glen Worthington, direttore delle operazioni per gli utenti
L’assistenza non è uno sfida di volume, ma di ingegneria e progettazione operativa. Per affrontarla, abbiamo sviluppato un sistema completamente nuovo: un modello operativo dove ogni interazione contribuisce all’evoluzione della precedente.
Un sistema integrato di interazioni
L‘équipe operativa potrebbe essersi accontentata di un chatbot per ridurre i ticket, ma ha voluto andare oltre. La sua visione? Rinnovare l’assistenza tramite un modello operativo di intelligenza artificiale in grado di apprendere in maniera continua.
Il progetto si basa su tre pilastri:
- Le superfici. I canali per la comunicazione, come chat, email e chiamate, e sempre di più, l’assistenza integrata nel prodotto.
- Le conoscenze. Non solo documenti statici, ma un repository dinamico in evoluzione, che fornisce suggerimenti da colloqui esistenti, politiche e contesti.
- Classificatori ed esaminazioni. Criteri comuni di qualità definiti insieme da macchine e umani, e strumenti per misurare, migliorare ed evidenziare il feedback.
Questi elementi non sono separati. Formano un ciclo: una tendenza osservata in una conversazione interna può alimentare la FAQ destinata ai sviluppatori, una valutazione specifica per un caso può incrementare la performance del modello in migliaia di altri casi possibili, e così via. Inoltre, le stesse primitive sono utilizzate in ogni interfaccia (chat, email, telefono), quindi le melhoramenti si applicano automaticamente a tutti i canali.
Agenti che diventano architetti del sistema
Il ruolo degli agenti di assistenza, una volta concentrato sul gestire richieste, sta cambiando. Vogliamo che partecipino attivamente alla costruzione del modello generale. I nostri agenti sono incoraggiati a contribuire all'architettura in sé, direttamente, implementando modifiche, e indirettamente, attraverso le loro routine quotidiane.
Gli agenti segnalano interazioni da trasformare in casi d’esame, suggeriscono e installano classificatori quando identificano nuove tendenze, e addirittura creano prototipi di automazione per rendere più efficienti i flussi operativi. La formazione anch’essa evolve: non limitata alle politiche ma comprendente l’apprendimento ad analizzare le interazioni, individuare strutturalmente le lacune e alimentare miglioramenti.
«Gli agenti non si limitano ad aprire e rispondere ai ticket. Essi alimentano la banca di conoscenze e le policy. A differenza nostra, sono vicini alla realtà.»
Shimul Sachdeva, responsabile dell’ingegneria
Il risultato? Un’assistenza che non definisce il proprio valore solo in base al numero di risposte fornite, ma nella capacità di adattarsi e crescere. Ogni agente, inoltre, partecipa in modo proattivo a migliorare i meccanismi che supportano tutti gli utenti.
Una produzione resa possibile grazie alla nostra piattaforma
Un sistema come questo non sarebbe realizzabile senza l’insieme OpenAI.
- Il SDK Agents ci fornisce di default osservabilità e tracciabilità a livello operativo. È possibile rieseguire esecuzioni, ispezionare chiamate di strumenti e diagnosticare cause profonde in tempo reale.
- L’API di Risposte alimenta classificatori per tono, correttezza e conformità alle linee guida.
- L’API in Tempo Reale rende possibile l’assistenza vocale.
- L’API di Valutazioni di OpenAI consente di misurare e visualizzare facilmente la qualità nel tempo.
Le primitive della piattaforma sono pronte all’uso, e quindi dedichiamo meno tempo alla configurazione dei sistemi, e più tempo a concentrarci su ciò che conta: definire il successo, misurarlo e migliorarlo.
Siamo partiti da un sistema di risposta semplice che funzionava bene. Rapidamente, con il SDK degli Agenti, lo abbiamo esteso a azioni dinamiche: rimborseremo, fatturiamo, investighiamo sui problemi. Al contempo, grazie al miglioramento continuo dei modelli, come un contesto espanso, un’analisi avanzata e capacità agenti crescenti, possiamo adottare tali miglioramenti immediatamente.
Un apprendimento a vantaggi multipli
Le valutazioni trasformano le conversazioni in test di produzione. Codificano i parametri di eccellenza, ossia conversazioni che risolvono il problema con cortesia, chiarezza e coerenza. Gli agenti giocano un ruolo diretto segnalando esempi (buoni e cattivi) da usare per le valutazioni, e queste ultime vengono eseguite in modo continuo per guidare il comportamento del modello.
«In genere quando hai un problema, desideri solo ricevere un aiuto rapidamente. Grazie ai nostri strumenti di IA, possiamo fornire le risposte molto più velocemente e, altrettanto importante, possiamo determinare quando il modello non dovrebbe rispondere.»
Jay Patel, ingegnere software dell’Area Automazione dell’Assistenza
L’apprendimento non si limita alla risoluzione. I modelli si adattano, e i modelli sono integrati in conoscenze, automatizzazioni e progettazione. Il sistema offre molti vantaggi: risposte più veloci, cicli di retroazione ottimizzati, livelli di qualità sempre superiori su ogni canale.
Inoltre, i benefici delle informazioni non si limitano all’IA: tutta l’organizzazione impara in parallelo. Gli esperti identificano le lacune del modello, creano nuovi classificatori e contribuiscono alle basi dati necessarie per addestrare i modelli. Gli strumenti di osservazione forniscono i dati, e mostrano come le prestazioni si siano notevolmente migliorate nel tempo.
Nuovi modelli di organizzazione futura
Il cambi