📢 转载信息
原文链接：https://openai.com/index/openai-research-assistant
原文作者：OpenAI
本文是OpenAI分享自家技术和API如何应用于内部工作流程系列文章的一部分。这些工具仅在OpenAI内部使用，在此分享旨在说明前沿AI如何支持我们团队的各种用例。我们还会分享内部工具的名称，以便更清晰地了解前沿AI如何帮助团队完成工作。
OpenAI内部实践：如何利用自研AI助手解锁海量用户反馈价值
淹没在噪音中：海量信息带来的挑战
每年，OpenAI会收到数百万份支持工单。每一份工单都蕴含着宝贵的价值：用户的痛点、新的想法或功能请求。
但在过去，理解这些信号非常困难。仪表板只能提示趋势，但无法揭示根本原因。深入分析需要数据科学家耗费数周时间。产品负责人可能想了解一项新功能对特定用户群体的反响如何，但要得到答案，必须请求数据科学家进行详细分析。
“这个过程需要深厚的技术专长，它在扼杀我们的好奇心，”业务数据主管Molly Jackman说道。
提问的新方式：构建可扩展的研究助手
为了释放可扩展的好奇心，我们构建了一个研究助手。它结合了两种探索模式：用于识别模式的仪表板和用于深入探究的对话界面。你可以从趋势问题的图表中开始，然后用自然语言提出后续问题。
我们通过融合现有有效方法构建了它。一方面，利用分类器和图表将数百万份工单结构化为产品领域和主题；另一方面，利用GPT‑5对原始工单进行总结，并用自然语言生成灵活的报告。这种结合兼顾了速度和深度，且足够简单，任何人都可以使用。
例如，你可以提问：
- “医疗保健客户对新集成有什么反馈？”
- “本季度哪些因素导致了支持工单的激增？”
- “哪些主要功能受到了用户的欢迎？”
在几分钟内，系统就会返回一份报告，量化问题规模、显示发生频率，并突出显示痛点。领导者不再需要占用宝贵的分析资源，或仅仅依赖静态仪表板。任何人都可以根据自己的疑问深入探索。对于产品团队来说，这意味着可以基于真实反馈进行更快迭代——了解哪些有效、哪些无效，并提炼出明确的见解，以指导产品发布和长期路线图。
“神奇之处在于，你不需要预先定义你的问题，你可以完全追随你的好奇心。”
追求可靠性：从速度到信任的转变
没有准确性，速度毫无意义。
在早期，运维团队会进行手动分类，数据科学家会编写自定义模型与助手的结果进行对比。结果是吻合的。
随着时间的推移，团队的信心不断增强。领导者开始将助手的发现与他们从一线听到的信息进行交叉验证，当结果一致时，他们便开始深入采纳。
这种“提问—检查—信任”的循环，使该助手成为了团队日常工作的一部分。过去需要一周时间通过SQL查询和分类器才能完成的工作，现在只需点击几下即可完成。
从工单到转折点：效率提升的实际成果
实际成效体现在各个方面：
- 在GPT‑5发布后，产品团队在几天内就获得了反馈主题，而不是几周。
- 当企业连接器采用率放缓时，助手迅速发现了根本原因：一个有缺陷的入职流程。工程师随后可以优先处理修复工作。
- 在图像生成方面，它同时突显了营销团队使用它制作样稿时的创造力，以及渲染延迟带来的摩擦；这两个事实直接影响了后续的路线图规划。
当提出一个问题的成本降至几分钟时，人们会提出更多问题。更多问题浮出水面，团队的行动速度也随之加快。
好奇心的复利效应
这个工具并没有取代数据科学家。它让他们可以投入到不同的工作中。数据科学家不再做一次性分析，而是有更多时间来构建新的分类器，并投入到自动化和工具开发中。运维团队现在可以在几分钟内生成发布报告，而不是几天，从而释放出更多时间与客户交流。产品团队可以实时了解客户需求，通过更快的反馈循环来指导产品路线图。
未来的运营模式：倾听即是建设
这次转型改变了我们倾听用户声音的方式。我们不再需要配给稀缺的分析资源，而是可以让每个团队自由地追随自己的疑问。好奇心由此产生复利效应。一位产品负责人发现了一个痛点，一位销售负责人也在企业工单中看到了相同的主题，他们共同开辟了一条更快的行动路径。
我们希望客户能最直观地感受到这种变化。他们的问题将得到更快解决，功能将更贴近他们的实际需求。那些曾经被埋在待办列表中的反馈，现在成为我们产品开发的核心要素。
“我认为这就像规模化的用户体验研究。如果我们能够以一种主动改变我们的产品、政策和实践的方式来传递客户的声音，那就算成功了。”
这个始于解析数百万份工单的工具，正逐渐成为我们倾听的操作系统的一部分。而倾听到位，才是良好建设的基础。
准备好让ChatGPT为您的企业服务了吗？
继续阅读
查看全部
🚀 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。
青云聚合API官网https://api.qingyuntop.top
支持全球最新300+模型：https://api.qingyuntop.top/pricing
详细的调用教程及文档：https://api.qingyuntop.top/about
评论区