OpenAI 升级客服模式：将每一次互动转化为持续改进的动力

本文是 OpenAI 分享其内部如何利用自身技术和 API 的系列文章之一。这些工具仅在 OpenAI 内部使用，我们在此分享它们作为前沿 AI 如何支持团队工作的实例。我们同时分享了内部工具的名称，以便更清晰地展示前沿 AI 如何帮助我们的团队完成工作。

告别传统工单模式，构建全新运营体系

历史上，客服工作通常意味着处理工单队列和提升吞吐量。但在 OpenAI，这远远不够。我们服务着数亿用户，每年处理数百万请求，并且这个数字还在以数倍的速度增长。

许多组织都面临规模化挑战。但很少有组织同时面临规模化和超高速增长的双重挑战。几乎没有组织在面临这些挑战的同时，还在构建能够改变现状的技术本身。这种独特的组合使我们能够从根本上重新思考客服支持体系。

“客服工作从来不只是回复工单。它的核心在于用户是否得到了他们需要的东西，以及这些服务是否真正地帮助了他们。”
— Glen Worthington, 用户运营主管

客服并非一个纯粹的流量挑战。它是一个工程和运营设计挑战。因此，我们构建了一种不同的模式：一个让每一次互动都能改进下一次的运营模型。

连接互动系统，形成闭环

Ops 团队的目标远远不止于使用聊天机器人来分流支持请求。团队的愿景是：将支持重塑为一个能够持续学习和改进的 AI 运营模式。

其核心包含三个构建模块：

• 交互界面（Surfaces）：用户与支持系统进行交互的渠道。包括聊天、电子邮件和电话，但越来越多地直接嵌入到产品内部。
• 知识库（Knowledge）：不仅仅是静态文档，而是从真实对话、政策和上下文动态生成并持续改进的指南。
• 评估与分类器（Evals and classifiers）：由软件和人类共同定义的质量标准，以及用于衡量、改进和突出反馈的工具。

这些模块并非孤立存在，它们形成了一个闭环。在企业对话中发现的模式可以用于更新开发者 FAQ。为一个案例编写的评估可以加强模型应对成千上万其他案例的能力。由于相同的底层原语驱动着所有交互界面——聊天、邮件、语音——改进可以自动扩展到所有渠道。

客服代表：成为系统思考者

客服代表的角色正在发生转变。我们的目标是将工作重心从主要处理事务性任务，转变为参与整体构建过程。他们被授权为架构本身做出贡献，既可以直接自下而上地推动变更，也可以通过日常工作的自然流向间接地做出贡献。

代表们会将应该成为测试案例的互动标记出来，当他们发现新模式时会提议并部署分类器，甚至在几天内就能为填补工作流空白而原型化轻量级自动化方案。培训也随之转变，不再仅仅关注政策，而是关注评估互动、识别结构性差距并将改进反馈回去。

新方法旨在确保客服代表既是响应者，也是构建者。

“座席不仅仅是在回复工单。他们正在为我们的知识库和政策提供信息。他们有我们没有的‘地面之声’。”
— Shimul Sachdeva, 工程经理

其结果是，客服组织不再以吞吐量来定义，而是以其演进能力来定义。每个人不仅在服务用户，还在积极改进为所有用户服务的机制。

从底层原语到规模化生产

以这种方式构建客服，只有在我们基于 OpenAI 的技术栈时才成为可能：

• Agents SDK：默认提供步进式追踪和可观测性。我们可以重放运行、检查工具调用，并即时调试根本原因。
• Responses API：为语气、准确性和合规性提供分类支持。
• Realtime API：使语音支持成为可能。
• OpenAI Evals dashboard：使质量可衡量并易于随时间可视化。

由于平台原语是现成的，我们花费在系统缝合上的时间更少，而将更多时间专注于核心工作：定义“好”的标准、衡量它，并不断改进它。

我们从一个效果良好的简单问答机器人开始。借助 Agents SDK，我们迅速扩展到退款、发票、事件查询等动态操作。随着模型通过更大的上下文窗口、深度研究和更强的代理能力不断改进，我们可以立即采用这些最新进展。

持续复利式学习

评估（Evals）将日常对话转化为生产测试。它们将“出色”编码化——不仅仅是解决问题，还要礼貌、清晰、一致地解决问题。代表们在其中扮演直接角色，标记出优秀的和薄弱的例子，这些例子会转化为评估，并且这些评估持续在生产环境中运行，以指导模型的行为。

软件工程师 Jay Patel（支持自动化团队）说：“通常当你遇到问题时，你只是想尽快得到帮助。通过使用我们的 AI 工具，我们能够更快地获得这些回复——同样重要的是，我们知道模型何时不应该回答。”

学习不止于问题解决。模式会反馈到知识库、自动化和产品设计中。系统会产生复利效应：用户获得更快的答案，构建者获得更紧密的反馈循环，以及所有交互界面上质量标准的持续提高。

而且学习的不仅是 AI。组织也随之学习。专家们会发现模型的不足之处，设计新的分类器，并为微调贡献数据集。可观测性仪表板使质量可衡量，展示了性能如何随时间提高。

支持的未来蓝图

最深刻的转变不是工具本身，而是人员以及组织衡量成功的方式。支持专家的价值不仅在于解决问题，还在于完善知识、改进模型和扩展系统本身。领导者正在寻找新类型的团队成员：那些将一线同理心与设计直觉相结合，将支持技艺与好奇心相结合，以改进系统的人。

“我们开始看到深度专业技能与深度工程技能的这种结合。这就是部门运营的未来。”
— Glen Worthington, 用户运营主管

我们的愿景是：支持不再是一个需要前往的目的地。它将成为一个行动，编织到每一个产品交互中。用户不再需要“打开一个工单”。他们只需在需要的地方，获得所需的一切。

这场始于应对规模化的变革，现已成为人与 AI 如何协同工作的蓝图：协作、适应并持续改进。

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。