Повышение качества поддержки с каждым взаимодействием в OpenAI29.09.2025 13:30

Это часть нашей серии материалов, в которых мы делимся внутренними примерами того, как OpenAI использует собственные технологии и API. Эти инструменты применяются внутри компании, исключительно в OpenAI, и публикуются здесь в качестве наглядных примеров того, как передовой ИИ помогает решать задачи в различных отделах. Мы также раскрываем внутренние названия инструментов, чтобы наглядно показать, как ИИ помогает нашим командам выполнять работу.

Исторически служба поддержки ассоциировалась с очередями, тикетами и пропускной способностью. Но для OpenAI этого было недостаточно. Мы обслуживаем сотни миллионов пользователей, обрабатываем миллионы запросов ежегодно, и этот объем многократно растет каждый год.

Многие организации сталкиваются с масштабированием. Гораздо меньшее число — с масштабированием и гиперростом. И практически никто не сталкивается с тем и другим одновременно, параллельно создавая ту самую технологию, которая может изменить правила игры. Такое сочетание факторов уникальным образом подтолкнуло нас к тому, чтобы переосмыслить поддержку с нуля.

Поддержка — это не проблема объемов. Это задача инженерного и операционного проектирования. Поэтому мы создали нечто иное: операционную модель, в которой каждое взаимодействие улучшает следующее.

Команда операционной поддержки стремилась выйти далеко за рамки использования чат-бота для перенаправления вопросов. У команды есть видение: переосмыслить поддержку как операционную модель на базе ИИ, которая непрерывно учится и совершенствуется.

В ее центре лежат три строительных блока:

• Интерфейсы взаимодействия. Каналы связи с системами поддержки: чат, электронная почта и телефон, а также всё чаще — справочные материалы, встроенные непосредственно в продукт.
• База знаний. Не просто статические документы, а живые и постоянно улучшаемые руководства, основанные на реальных диалогах, правилах и контексте.
• Оценки (Evals) и классификаторы. Общие стандарты качества, создаваемые программным обеспечением и людьми совместно, а также инструменты для измерения, улучшения и выделения обратной связи.

Эти элементы не существуют изолированно. Они образуют замкнутый цикл. Закономерность, обнаруженная в беседе с корпоративным клиентом, может лечь в основу раздела часто задаваемых вопросов (FAQ) для разработчиков. Оценка, написанная для одного случая, усиливает модель для тысяч других. А поскольку одни и примитивы обеспечивают работу каждого интерфейса — чата, электронной почты, голосовой связи — улучшения автоматически масштабируются по всем каналам.

Роль специалиста поддержки меняется. Наша цель — сместить фокус модели с простой обработки транзакционных задач на участие в создании продукта в целом. Сотрудники получают возможность влиять на саму архитектуру как напрямую (путем самостоятельного внедрения изменений снизу вверх), так и косвенно в ходе своей повседневной работы.

Сотрудники отмечают взаимодействия, которые должны стать тестовыми примерами, предлагают и внедряют классификаторы при обнаружении новых закономерностей и даже создают прототипы легких средств автоматизации для устранения пробелов в рабочем процессе за считанные дни. Обучение тоже меняется: речь идет не только о регламентах, но и об оценке взаимодействий, выявлении структурных пробелов и обратной связи для улучшений.

Новый подход призван обеспечить, чтобы специалисты поддержки были не только теми, кто отвечает на запросы, но и созидателями.

В результате организация поддержки определяется не столько пропускной способностью, сколько ее способностью к эволюции. Каждый сотрудник не просто обслуживает пользователей, но и активно совершенствует механизм, который обслуживает всех пользователей.

Построить поддержку таким образом возможно только потому, что мы используем стек технологий OpenAI.

• Agents SDK предоставляет нам пошаговые трассировки и наблюдаемость по умолчанию. Мы можем перезапускать запуски, проверять вызовы инструментов и мгновенно отлаживать первопричины.
• Responses API управляет классификаторами тона, корречности и соблюдения правил.
• Realtime API делает возможной голосовую поддержку.
• Панель мониторинга Evals от OpenAI делает качество измеримым и наглядным с течением времени.

Поскольку примитивы платформы поставляются в готовом виде, мы тратим меньше времени на объединение систем и больше внимания уделяем действительно важной работе: определению стандартов качества, их измерению и улучшению.

Мы начали с простого модуля ответов на вопросы, который работал отлично. С помощью Agents SDK мы быстро расширили функционал до динамических действий для таких задач, как возврат средств, выставление счетов и поиск инцидентов. По мере того как модели продолжают совершенствоваться за счет увеличения контекстного окна, функции Deep Research и более мощных агентских возможностей, мы можем незамедлительно внедрять эти достижения.

Системы оценок (Evals) превращают повседневные диалоги в продакшен-тесты. Они формализуют понятие «отличного» обслуживания — не просто решение проблемы, а вежливое, понятное и последовательное выполнение задачи. Специалисты играют здесь ключевую роль, отмечая удачные и неудачные примеры, которые становятся основой для оценок, а те, в свою очередь, непрерывно запускаются в рабочей среде для корректировки поведения модели.

«Обычно, когда у вас возникает проблема, вы хотите получить помощь как можно быстрее. Используя наши инструменты на базе ИИ, мы можем получать такие ответы гораздо быстрее — и, что не менее важно, мы знаем, когда модель не должна отвечать», — говорит Джей Пател (Jay Patel), инженер-программист направления автоматизации поддержки.

Обучение не заканчивается на разрешении проблемы. Закономерности передаются обратно в базу знаний, автоматизацию и проектирование продуктов. Система развивается по нарастающей: более быстрые ответы для пользователей, более тесная обратная связь для разработчиков и неизменно высокая планка качества во всех точках взаимодействия.

И учится не только искусственный интеллект. Вместе с ним обучается и вся организация. Специалисты видят, где модели дают сбой, формируют новые классификаторы и предоставляют датасеты для тонкой настройки (fine-tuning). Панели мониторинга делают качество измеримым, демонстрируя рост эффективности с течением времени.

Самое глубокое изменение заключается не в инструментах, а в людях и том, как организация оценивает успех. Специалисты поддержки ценятся не только за решение проблем, но и за совершенствование знаний, улучшение моделей и расширение самой системы. Руководители ищут новый тип сотрудников: тех, кто сочетает эмпатию при работе на передовой с интуицией дизайнера, объединяя навыки поддержки и любознательность для улучшения системы.

Наше видение заключается в том, что поддержка перестает быть пунктом назначения, куда нужно обращаться. Она становится действием, вплетенным в каждый элемент интерфейса продукта. Пользователи не «создают тикет». Они просто получают то, что им нужно, прямо там, где находятся.

То, что начиналось как реакция на масштабирование, превратилось в модель того, как люди и ИИ могут работать вместе: слаженно, адаптивно и с непрерывным улучшением.

Хотите внедрить ChatGPT в работу вашего бизнеса?