Zendesk از عرضه مجموعهای از عوامل پشتیبانی مبتنی بر LLM خبر داد؛ وعده حل ۸۰٪ مسائل بدون نیروی انسانی
Zendesk روز چهارشنبه در نشست اختصاصی هوش مصنوعی خود از مجموعهای از محصولات جدید مبتنی بر مدلهای زبانی بزرگ (LLM) رونمایی کرد که هدف آن کاهش وابستگی به نیروی انسانی در پشتیبانی مشتری است. محور این تغییر یک «عامل پشتیبانی خودران» (autonomous support agent) است که طبق اعلام شرکت قادر است حدود ۸۰٪ درخواستهای پشتیبانی را بدون دخالت انسان حل کند. در کنار آن، یک عامل کمکی یا copil ot برای همراهی تکنسینهای انسانی در حل باقیمانده مسائل، یک عامل مدیریتی (admin-layer)، عامل مبتنی بر صدا (voice-based agent) و یک عامل آنالیتیکس بهمنظور تحلیل دادههای پشتیبانی عرضه میشوند.
چه چیزی این تغییر را مهم میکند؟
Shashi Upadhyay، رئیس بخش محصول، مهندسی و هوش مصنوعی Zendesk، این تحولات را بخشی از تغییر ساختاری در صنعت پشتیبانی معرفی کرده و میگوید «جهان در حال انتقال از نرمافزارهای طراحیشده برای کاربران انسانی به سیستمی است که در آن هوش مصنوعی بخش عمدهای از کارها را انجام میدهد.» این تحول میتواند هزینهها را کاهش داده و سرعت پاسخدهی و رضایت مشتری را افزایش دهد، اما همزمان نیازمند نظارت دقیق، پیوستگی دادهای و ساختارهای حاکمیتی است تا کیفیت و امنیت خدمات حفظ شود.
پایایی عملکرد هوش مصنوعی: شواهد و معیارها
آزمونهای مستقل نشان میدهند که مدلهای امروزی قابلیت انجام بسیاری از وظایف پشتیبانی را دارند. برای مثال TAU-bench که توانایی مدلها در فراخوانی ابزارها (tool-calling) را میسنجد، سناریویی برای پردازش کالای بازگشتی ارائه میدهد که شباهت زیادی به مسائل واقعی پشتیبانی دارد؛ در این تست مدل Claude Sonnet 4.5 توانسته ۸۵٪ موارد را حل کند. این دستاوردها نشان میدهد که مدلهای زبانی بزرگ نه تنها در بازیابی اطلاعات، بلکه در حل مسائل پیچیدهتر نیز پیشرفت داشتهاند.
بنیانهای فنی و اکتسابهای اخیر Zendesk
Zendesk برای رسیدن به این نقطه طی چند سال گذشته چندین خرید در حوزه هوش مصنوعی انجام داده است که پایههای فنی لازم را فراهم کردهاند. عامل آنالیتیکس معرفیشده بر پایه اکتساب Hyperarc (تکمیلشده در ژوئیه) ساخته شده است. پیشتر نیز شرکتهایی مانند Klaus (فوریه ۲۰۲۴) و پلتفرم اتوماسیون Ultimate (مارس سال بعد) به پرتفوی Zendesk اضافه شدهاند. این ادغامها قابلیتهای خودکارسازی، تحلیل و سرویسدهی عاملی را تقویت کردهاند.
نتایج اولیه و تجربه مشتریان
Zendesk نسخه جدید سیستم را با مشتریان فعلی خود پیشنمایش کرده و نتایج اولیه مثبت گزارش شده است؛ Upadhyay میگوید «برای مشتریانی که از این سیستم استفاده کردهاند، رضایت مصرفکننده بین پنج تا ده امتیاز افزایش یافته است.» افزایش رضایت مشتری (CSAT) و کاهش زمان حل مسئله از معیارهای مهمی هستند که میتوانند بازگشت سرمایهگذاری در راهکارهای هوش مصنوعی را تسریع کنند.
تمایز با چتباتهای سنتی و محدودیتها
شرکتها از پیش در زمینه چتباتها و پشتیبانی خودکاری آزمون و خطا داشتهاند؛ از Airbnb تا سالنهای سینمایی مثل Regal. اما بسیاری از این پیادهسازیها بیشتر بر بازیابی اطلاعات تمرکز داشتهاند تا بر حل مشکل بهصورت خودهدایت یا انجام اقدامات پیچیده. آنچه Zendesk وعده میدهد، ارتقاء از بازیابی صرف به توانایی انجام گامهای عملی در فرایند پشتیبانی است—موضوعی که ریسکهایی همچون اشتباه در تصمیمگیری، نیاز به نظارت انسانی و مسائل حفظ حریم خصوصی را به همراه دارد.
ابعاد اقتصادی و اجتماعی
پلتفرم Resolution Zendesk هماکنون نزدیک به ۲۰ هزار مشتری را پشتیبانی میکند و سالانه حدود ۴.۶ میلیارد تیکت را مدیریت میکند. در سطح وسیعتر، ایالات متحده حدود ۲.۴ میلیون نماینده خدمات مشتری (customer service representatives) دارد و در سایر کشورها این نیروی کار بسیار بزرگتر است. بنابراین موفقیت گسترده راهکارهای پشتیبانی مبتنی بر هوش مصنوعی میتواند تأثیرات اقتصادی قابلتوجهی شامل تغییرات مشاغل، بازتعریف نقشها و کاهش هزینههای عملیاتی ایجاد کند؛ اما این تغییر مستلزم برنامهریزی برای بازآموزی نیروی کار، سازوکارهای نظارتی و تضمین کیفیت است.
نکات کاربردی برای کسبوکارها
شرکتهایی که میخواهند چنین فناوریهایی را بهکار گیرند باید به آمادهسازی دادهها، همگامسازی سیستمهای موجود، الزامات حریم خصوصی و انطباق مقررات، و طراحی فرایندهای human-in-the-loop برای کنترل کیفیت توجه کنند. همچنین رهگیری معیارهایی مانند CSAT، نرخ حل مسئله در اولین تماس و زمان متوسط حل مسئله برای سنجش اثربخشی حیاتی است.
جمعبندی
حرکت Zendesk به سمت مجموعهای از عوامل پشتیبانی خودران و کمکی نشاندهنده یک گام بزرگ در کاربرد عملی مدلهای زبانی بزرگ در خدمات مشتری است. این تحول میتواند کارایی و رضایت مشتری را افزایش دهد، اما اجرای موفق آن نیازمند زیرساختهای فنی، نظارت انسانی و چارچوبهای حاکمیتی مناسب است. برای کسبوکارها، اکنون زمان برنامهریزی برای پذیرش تدریجی، آزمایشهای کنترلشده و سرمایهگذاری در امنیت و آموزش نیروی انسانی است تا از مزایای این فناوری نوظهور بهرهمند شوند.