OpenAIサポートモデル：ユーザーサポートをAIオペレーティングモデルに変革

OpenAIは、従来のチケットベースのシステムからハイパーグロース向けに設計されたAIオペレーティングモデルへとユーザーサポートを移行しました。このアプローチは、取引量の処理に焦点を当てるのではなく、すべてのユーザーインタラクションがシステム全体のパフォーマンスを向上させる継続的な学習ループを構築することにシフトしています。

サポートのためのAIオペレーティングモデル

OpenAIは、サポートを単なるボリュームの課題ではなく、エンジニアリングと運用設計の課題として捉えています。組織は、シンプルなチャットボットでのディフェレクションに留まらず、チャット、メール、電話、製品内ヘルプといったすべてのチャネルでのインタラクションが継続的にサポート体験を情報提供し、洗練させるシステムへと進化しました。

このモデルは、次の3つのコアブロックに基づいて構築されています:

• Surfaces: チャット、メール、電話、製品に直接埋め込まれたヘルプ機能など、インタラクションポイント全体。
• Knowledge: 静的なドキュメントではなく、実際の会話、ポリシー、コンテキストから導き出された動的なガイダンスシステム。
• Evals and Classifiers: 人間とソフトウェアが共同で作成した品質の定義で、測定・改善・フィードバックのハイライトに使用されます。

これらのプリミティブはすべてのサーフェスを支えるため、あるチャネルで（例：エンタープライズ会話で特定のパターンが見つかった場合）改善が行われると、他のすべてのサポートチャネルにも自動的にスケールします。

サポート担当者の進化する役割

この新しいモデルでは、サポート担当者は単なる応答者から「システム思考者」および構築者へと転換されます。個別チケットの解決にだけ注力するのではなく、サポートシステムのアーキテクチャに貢献できるようになります:

• Contributing to Evals: 担当者は「優れた」サポートがどのようなものかをコード化するテストケースとしてインタラクションをフラグ付けします。
• Shipping Classifiers: 担当者は新たなユーザーパターンを特定した際に、分類子を提案・実装します。
• Prototyping Automation: 担当者はワークフローのギャップを埋める軽量な自動化を構築します。

Engineering ManagerのShimul Sachdevaは次のように述べています。「エージェントは単にチケットに応答しているだけではありません。彼らはナレッジベースとポリシーに情報を提供しています。」

OpenAIスタックによる技術実装

OpenAIの内部サポートシステムは、同社の開発者ツールスイートを活用して構築されており、迅速なイテレーションと新機能の統合が可能です:

• Agents SDK: ステップレベルのトレースと可観測性を提供し、実行のリプレイ、ツール呼び出しの検査、根本原因のデバッグを可能にします。
• Responses API: トーン、正確性、ポリシー遵守を監視する分類子を駆動します。
• Realtime API: 音声サポートの実装を可能にします。
• Evals Dashboard: 時間経過に伴う品質の測定と可視化を行います。

シンプルなQ&Aシステムから始め、チームはAgents SDKを活用して、返金処理、請求書管理、インシデント検索といった動的アクションへと拡張しました。

学習とフィードバックループの複利効果

このシステムは、学習が時間とともに複利的に蓄積されるよう設計されています。Evalsは日常の会話を本番テストに変換し、応答が礼儀正しく、明確で、一貫していることを保証します。このプロセスにより、モデルが回答すべきでない質問を識別できるようになり、エラーが減少します。

このフィードバックループはAIに留まらず、組織全体に波及します。専門家はモデルの弱点を特定し、ファインチューニング用データセットを提供します。一方、可観測性ダッシュボードはパフォーマンス改善を測定可能な形で追跡します。この統合により、ユーザーインタラクションから得られたパターンが直接ナレッジベース、オートメーション、製品設計にフィードバックされます。