پلیبوک پشتیبانی با AI: ریشه رو بزن
هوش مصنوعیخلاصهٔ کاملتر
تو این مقاله اومده که سریعتر جواب دادن به تیکتها دیگه بهینهسازی مال دیروزه و کار باارزشتر اینه که بفهمی اصلاً چرا اون تیکتها ساخته میشن. نویسنده یه پلیبوک تکرارشدنی میذاره جلوت: فرایند واقعی پشتیبانی رو بنویس و زمانسنجی کن، تیکتها رو به الگو تبدیل کن، بذار AI زمینه جمع کنه و پیشنویس بنویسه، و آخرش اندازه بگیر که حجم همون الگو هفتهٔ بعد پایین اومده یا نه.
اولین قدم نوشتن فرایند واقعیه، نه اون نسخهٔ تمیزی که تو ویکی و SOP نوشته شده. تو نمونهٔ مقاله معلوم شد گرونترین بخش یه تیکت نوشتن جواب نیست؛ تحقیق بیهدفه — سر زدن به پنج تا ابزار مختلف و کنار هم گذاشتن Slack و ایمیل و Stripe و Substack. بعدش هم باید تیکتها رو بر اساس ریشه دستهبندی کرد نه شکایت ظاهری: یه «نمیتونم وارد Slack بشم» ممکنه چهار پنج مشکل کاملاً متفاوت باشه، از دعوتنامهٔ نرسیده تا ایمیل پرداختی که با ایمیل عضویت فرق داره.
برای هر الگو یه اسکلت ساخته میشه: AI قبل از اینکه آدمی تیکت رو باز کنه، وضعیت حساب، سابقهٔ پرداخت و گفتگوهای قبلی رو جمع میکنه و به تیکت میچسبونه؛ اطلاعات شخصی هم قبل از رفتن به هر workflow ماسک میشه. همین کار زمان تحقیق یه تیم رو از ۵ تا ۱۰ دقیقه رسونده به زیر یه دقیقه. ولی خط قرمز روشنه: هر چیزی که به پول یا دسترسی مشتری دست بزنه، حتماً باید یه آدم تأییدش کنه.
مقاله یه نمونهٔ معروف از Gumroad رو مثال میزنه که یه ایجنت پشتیبانی، باگ گزارششدهٔ مشتری رو بازتولید کرد، تو کدبیس ردش رو گرفت، تست نوشت، pull request باز کرد و فیکس رو شیپ کرد. اما نسخهٔ اول از نظر بصری غلط بود و خود مشتری همینو گفت؛ یه آدم تصمیم طراحی رو گرفت، ایجنت نسخهٔ دوم رو ساخت و مشتری تأییدش کرد. نویسنده میگه عملاً مشتری بخشی از فرایند تأیید کد شد.
به گفتهٔ نویسنده تنها معیار واقعی اینه که همون دسته تیکت تو دورهٔ بعدی کوچیک بشه یا کلاً غیب بشه. تو اون نمونه، بعد از اینکه تیم برای دسترسی سلفسرویس یه فهرست دامنهٔ ایمیل مجاز درست کرد و دعوتهای کامیونیتی رو بدون تاریخ انقضا کرد، کل حجم تیکت از ۵۲ تا رسید به ۱۹ تا. دستهبندی الگویی چیزهایی رو هم لو داد که تیکتبهتیکت دیده نمیشد، مثل کد دعوتی که زودتر از حد منقضی میشد و یه تایپو تو یه کد دسترسی منتشرشده.
نکات کلیدی:
- ریشه مهمتر از سرعت پاسخه؛ سریع جواب دادن فقط علامت رو درمان میکنه
- قبل از هر اتوماسیونی، فرایند واقعی رسیدگی به تیکت رو بنویس و زمانسنجی کن
- تیکتها رو الگو به الگو دستهبندی کن؛ یه تیم ۲۶ الگوی متمایز پیدا کرد
- AI تحقیق میکنه، آدم تصمیم میگیره؛ پول و دسترسی همیشه تأیید انسانی میخواد
- اطلاعات شخصی قبل از ورود به هر workflow باید ماسک یا حذف بشه
- موفقیت رو با کم شدن حجم همون دسته تو هفتهٔ بعد بسنج، نه با خالی شدن صف
