Zendesk 与 OpenAI：向主动 AI 代理转型以提升客户服务

Zendesk 与 OpenAI 合作，开发一种新型主动 AI 代理，将客户服务从僵硬的基于意图的机器人转变为能够自主规划和执行的自适应系统。此举旨在将自动化率提升至 80%，并将代理设置时间从数天缩短至数分钟。

从基于意图的机器人到自适应推理

传统的客户服务自动化依赖于意图分类，系统预测用户意图并触发预定义脚本。该模型在面对细微差别、后续问题或边缘案例时常常失效，因为它遵循“输入信息，输出响应”的逻辑。

Zendesk 已将方法从用于常见问题的基础检索增强生成（RAG）升级为生成式推理。这使得 AI 代理能够主导对话、在上下文中进行推理，并独立推动问题解决，而不再遵循静态的对话流程。

用于服务解决的多代理架构

为实现自主解决，Zendesk 使用由 OpenAI 模型（包括 GPT-4o）驱动的多代理架构。该系统采用专门的代理来处理交互的不同阶段：

• 任务识别代理：进行真实对话以了解用户需求，并通过澄清性问题消除相似问题的歧义，取代手动训练。
• 对话式 RAG 代理：通过在多轮对话中对响应进行落地，提升传统 RAG。例如，它可以在检索特定地区政策前询问用户所在位置。
• 流程编译代理：将自然语言业务规则转换为结构化流程，确保 AI 的执行符合公司流程。
• 流程执行代理：根据定义的业务逻辑，通过调用 API、触发工作流和更新系统来执行操作。

混合开发与 AI 推理控制

Zendesk 引入了混合开发模型，使代理能够在对话流程和生成式流程之间无缝切换。企业现在可以使用自然语言定义流程，AI 代理则利用自适应推理规划其行动路线。

为确保透明性和可审计性，Zendesk 提供 AI 推理控制。这些控制使团队能够实时审查代理的思考链（CoT），准确了解对话中决策的形成过程。

模型基准测试与部署流水线

Zendesk 实施严格的内部基准测试计划，依据延迟、成本和质量评估模型。该过程包括测试新模型（如 OpenAI 的 o3-mini），用于从 RAG 到后台推理等任务。

关键技术运营细节包括：

• 部署速度：团队能够在 24 小时内评估、测试并部署新模型。
• 性能跟踪：通过离线评估和实时指标（包括解决率、编辑率和延迟）来衡量成功。
• 未来扩展：Zendesk 计划推出自助基准测试平台，使工程团队无需专门的机器学习专业知识即可部署模型。

影响与自动化目标

Zendesk 正在与早期采用者试点该代理 AI 平台。系统旨在与现有部署集成，加速实现 80% 自动化的进程。早期反馈显示，设置时间更快，且在所有沟通渠道上响应更准确。