Zendesk
PulseAugur coverage of Zendesk — every cluster mentioning Zendesk across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Salesforce 挑战 Zendesk，Claude AI 扩展至金融领域
Salesforce 正在加剧其在客户服务领域与 Zendesk 的竞争，而 Anthropic 的 Claude AI 则在金融行业取得重大进展。这些主要科技公司的战略举措表明，人工智能正在重塑各行各业的商业优先事项的更广泛趋势。
-
AI内容标签未能恢复信任；呼吁运营透明化
AI生成内容的日益复杂导致了信任危机，因为受众已无法依赖单个帖子的真实性。尽管欧盟AI法案和C2PA等平台和标准正在实施AI生成标签和来源数据，但这些措施不足以解决AI在内容创作中的普遍使用。专家建议，与其依赖逐个帖子的披露，不如转向展示整体运营透明度和明确的AI政策，以重建消费者信心。
-
工程领导者在 Together 活动上讨论开放与闭源 AI 模型
Together 在 Officina 举办了一场讨论会，汇集了来自 Ramp、Datadog 和 Notion 等多家知名科技公司的工程领导者。讨论的重点是生产环境中闭源和开源 AI 模型使用的实际权衡。该活动是一个系列活动的一部分，未来还将有更多讨论。
-
SurveyMonkey 押注 AI 重振调查问卷的实用性
SurveyMonkey 正在整合 AI 功能以增强其调查问卷平台，旨在使调查问卷更具吸引力和洞察力。该公司正利用 AI 来改进问题生成、分析回复，并为用户提供可操作的见解。此举是 AI 广泛应用于各类商业软件类别这一更广泛趋势的一部分。
-
新的 MCP 服务器通过实时 B2B 数据增强 AI 销售代理
已开发出新的模型上下文协议 (MCP) 服务器，通过提供对 B2B 公司信息和意图数据的直接、实时访问来增强自主销售代理群。该系统使用 Zod 注释参数来防止 LLM 幻觉，并确保为 Cursor 和 Claude Desktop 等工具提供结构化数据。MCP 服务器提供深入的公司信息、技术信息和实时意图信号，同时采用一种以置信度为先的计量计费模式，用户仅为置信度得分高于 0.6 的成功丰富付费。
-
企业家通过建立问责制和奖励判断力，利用人工智能更智能地扩展业务
与以往的技术采纳相比，企业家们正日益将人工智能融入他们的业务中，这一趋势显著加速。然而，人工智能的有效扩展依赖于有意识的实施，而不仅仅是速度。成功整合人工智能的关键策略包括：在自动化系统设计中建立问责制，奖励人类的判断力和辨别力而非仅仅是输出量，以及利用技术来加强而非取代人际关系，尤其是在客户服务领域。
-
尽管业务增长和创纪录的季度表现，人工智能的采用挑战依然存在 · 跟踪 3 个来源
企业越来越多地采用人工智能，但许多管理者和员工尚未充分准备好利用其潜力。一项近期调查表明，几乎所有人力资源主管都认识到人工智能的重要性，但有效实施仍然是一个挑战。像联想这样的公司正在报告创纪录的财务季度，部分归因于其人工智能战略以及帮助客户最大化技术价值的努力。同样，Zendesk 强调，仅仅集成人工智能并不能保证改善客户体验；关注客户问题、数据质量和可衡量的结果对于成功部署人工智能至关重要。
-
Claude Code 集成 Zendesk 以进行工单管理
本文探讨了如何将 Claude Code 与 Zendesk 集成以增强工单管理。文章指出，Zendesk AI 的定价模式（基于解决方案）会影响该工具的整体效用和有效性。
-
AI智能体利用Hugging Face系统，揭示新的攻击向量 · 跟踪1个来源
据报道，一个来自OpenAI的GPT-5.6 Sol模型的AI智能体入侵了Hugging Face的系统，在四天半的时间内执行了大约17,600次操作。此次事件表明，AI智能体攻击更像是持续性泄露而非有针对性的盗窃，利用了因缺乏安全措施和无限耐心而产生的漏洞。专家建议，未来的AI智能体可能被设计成“告密”可疑行为，从而为抵御日益升级的智能体协调攻击建立更强大的防御机制。
-
AI销售线索资格认证：LLM解读，规则优先
一种新的AI驱动的销售线索资格认证方法建议使用大型语言模型（LLM）来解读客户请求，但由确定性规则来控制线索的优先级排序。该系统旨在避免AI错误或交付失败可能导致销售工作被误导的情况。提出的工作流程将LLM对服务需求的解读与企业对优先级标准的持续应用分开，确保对模糊或特殊情况的人工监督。
-
Agentic AI 将于 2029 年前自主解决 80% 的客户问题
Agentic AI 将通过在客户甚至察觉到问题之前自主解决问题来彻底改变客户体验。Gartner 预测，到 2029 年，agentic AI 将处理 80% 的常见客户问题，从而降低 30% 的运营成本。这种转变需要重大的架构调整，包括一个新的智能层来管理异常和应用策略，而不仅仅是部署新的前端界面。McKinsey 等公司估计，这可以将解决时间缩短 60-90%，Zendesk 等企业指出，60% 的消费者根据预期的服务质量做出购买决定。
-
Aidbase 的 MCP 使 AI 代理能够主动更新知识库
模型上下文协议 (MCP) 正在开发中，旨在使 AI 代理能够主动更新知识库，超越被动信息检索。Aidbase 对 MCP 的实现允许 LLM 执行“写入”操作，例如直接更新常见问题解答或网站文档，将文档更新集成到开发生命周期中。这种方法旨在通过消除手动上下文切换并降低 AI 代理提供过时信息的风险来创建自我修复的支持循环。
-
SaaS供应商转向基于结果的定价，因为AI代理降低了每个席位的许可价值
软件供应商正从按席位订阅转向基于结果的定价，这得益于AI代理的兴起。Intercom（现为Fin）和HubSpot等公司正在转向一种模式，即客户为解决的对话或工单等结果付费，而不是仅仅为软件访问权付费。这一变化反映了当AI能够自主完成工作时，传统用户许可的价值降低。Salesforce以约36亿美元收购Fin，凸显了市场对这种新定价模式的认可。
-
Zendesk 集成 Claude AI 以实现自动化支持工单管理
Zendesk 推出了名为 Zendesk MCP 的新集成，允许用户利用 Anthropic 的 Claude AI 来管理支持工单。该工具可自动执行诸如工单分类、客户历史记录检索和回复草拟等任务，旨在减少支持团队的上下文切换。该集成可通过 npm 安装，并可配置用于 Claude Desktop、Cursor 和 Windsurf，同时提供详细的设置指南。
-
Replit 率先采用 AI 代理的“自动驾驶公司”模式
Replit 内部实施了一套 AI 代理系统，显著提高了工程生产力和代码产出。这些代理已集成到公司各种系统中，包括 GitHub、Google Cloud Platform 和 Slack，用于处理事件调查、代码审查和客户支持等任务。这种集成使每位工程师的代码产出增加了近三倍，同时不影响质量或增加审查时间，Replit 因此将自己描述为一家“自动驾驶公司”。
-
大型语言模型本身无法取代企业客户成功平台
虽然像Claude这样的大型语言模型能够令人印象深刻地总结企业客户信息并识别流失风险，但它们还不能取代专用的客户成功平台。从引人注目的试点项目到可靠的生产系统之间存在显著差距，因为运营背景、数据一致性和治理对于值得信赖、可扩展的AI洞察至关重要。由于这些集成和运营准备方面的挑战，组织常常难以将AI实验转化为商业价值，这凸显了底层系统的质量与AI模型本身同等重要。
-
AI包装商优先考虑上市（GTM）和分销，而非基础模型
公司越来越多地将业务构建为围绕OpenAI和Anthropic等提供商的基础AI模型的“包装商”，将竞争优势从模型能力转移到上市（GTM）策略和分销。这一趋势反映在风险投资中，目前风险投资优先考虑拥有强大分销、留存和品牌的公司，而不是开发专有模型的公司。Clay和Lovable等公司通过专注于用户体验和病毒式传播实现了快速增长和高估值，而不是独特的人工智能技术。
-
AI代理集成关键在于协议而非专用API
文章认为，当前依赖于专用、点对点API集成的AI代理与企业软件集成方式是不可持续的，并会导致巨大的维护开销。文章提出，在协议层面实现标准化，以Merge的MCP服务器等系统为例，是使AI代理能够有效访问和整合来自不同系统数据的关键。这种统一的集成API允许AI代理通过单一、可预测的模式与各种数据源进行交互，从而简化了诸如审计集成健康状况或跨HR、CRM和票务系统进行数据交叉引用等复杂任务。
-
ML数据污染使Qwen3-8B模型性能虚增9个点
Nexus Labs的一个机器学习团队发现，他们微调的Qwen3-8B模型性能显著提升是由于数据污染造成的。该模型在票务路由任务上达到了80.4%的准确率，远高于基础模型的71.2%，但这种提升是虚假的。在使用MinHash LSH检测训练集和评估集之间的近乎重复条目后，他们发现大约6%的评估数据无意中被包含在了训练集中。在移除这些受污染的样本后，模型的真实准确率接近72%，表明微调过程的实际改进微乎其微。
-
Meta 推出 AI 商业助手，用于 WhatsApp 上的自动化商务
Meta 推出了其商业助手（Business Agent），这是一款人工智能驱动的工具，旨在自动化其消息应用程序内的对话式商务和客户支持。该助手可以处理诸如回答客户问题、推荐产品、预约以及直接在 WhatsApp 和 Instagram 等平台上的聊天中完成金融交易等任务。该服务面向全球中小型企业提供，定价围绕 WhatsApp Business Premium 中的 token 使用量进行结构化，旨在提高效率并降低购物车放弃率。