Näin Fyxer rakensi luotetun tekoälyassistentin johtajille
Fyxer yhdistää OpenAI-mallit yli 500 000 tuntiin johdon assistenttien työprosesseja ja aitoon käyttäjäpalautteeseen luonnostellakseen vastauksia kunkin käyttäjän omalla äänellä.
90 %
Käyttäjien pysyvyys 90 päivän jälkeen
53 %
Tekoälyn tuottamista luonnoksista hyväksytään sellaisenaan
Monille asiantuntijoille työ tarkoittaa keskustelujen ja sitoumusten seuraamista sähköposteissa, kokouksissa, viesteissä ja sovelluksissa. Ilman aukotonta kontekstia sitoumukset voivat unohtua ja vahingoittaa hankkeita sekä ihmissuhteita.
Fyxer rakensi johdolle tekoälyassistentin, joka seuraa punaista lankaa työn siirtyessä työkalusta toiseen. Se yhdistää uusimmat OpenAI-mallit yli 500 000 tuntiin johdon assistenttien työprosesseja. Työ jaetaan kymmenille erikoistuneille malleille, jotka kehittyvät aidon käyttäjäpalautteen avulla.
Sähköposti on yksi selkeimmistä paikoista nähdä järjestelmä toiminnassa. Kaksi ihmistä voi saada saman sähköpostin mutta tarvita täysin erilaiset vastaukset riippuen heidän suhteestaan, aiemmista tapahtumista ja kummankin tavoitteista. Siksi näennäisen yksinkertainen tehtävä on tekoälylle yllättävän vaikea.
”On olemassa ilmiö nimeltä Moravecin paradoksi”, selittää Fyxerin toinen perustaja Archie Hollingsworth. ”Ihmisille helpot asiat ovat tietokoneille vaikeita, ja tietokoneille helpot asiat ovat ihmisille vaikeita.” Fyxer hallitsee tämän monimutkaisuuden oppimalla kunkin käyttäjän työtavat. Näin se voi vastata kuin assistentti, joka tietää jo, mikä on tärkeää.
Edistyneet OpenAI-mallit tukevat käyttökokemuksen keskeisiä vaiheita sähköpostin ymmärtämisestä ja oikean kontekstin löytämisestä aina luonnoksen tuottamiseen. Fyxer valitsi OpenAI:n, koska sen mallit menestyivät parhaiten Fyxerin sisäisissä vertailutesteissä, tarjosivat tehokkaat hienosäätöominaisuudet sävyn ja tarkoituksen kaltaisiin subjektiivisiin tehtäviin sekä käytännönläheistä teknistä tukea suunnittelutyöpajoissa ja teknisessä yhteistyössä.
”Valitsimme OpenAI:n, koska sillä on parhaat mallit. Lisäksi olemme saaneet todellista tukea ja tehneet tiivistä yhteistyötä. Voin esittää kysymyksen Slackissa ja saada vastauksen nopeasti. Kun kohtaamme ongelman, tiimi tulee toimistollemme ja ratkaisee sen kanssamme. He ovat aidosti läsnä.”
Fyxerin toimintatavasta voidaan johtaa kolme oppia vahvasti kontekstiin perustuvia tekoälytuotteita kehittäville perustajille:
Fyxer rakensi järjestelmänsä 30–50 erikoistuneen mallin varaan. Kukin niistä vastaa sähköpostiprosessin tarkasti rajatusta osasta. Sen sijaan, että sähköpostia käsiteltäisiin yhtenä tekstintuotantotehtävänä, Fyxer jakaa ongelman ennusteiden kokonaisuudeksi. Järjestelmä esimerkiksi ratkaisee, vaatiiko viesti vastausta, ja luonnostelee käyttäjän sävyyn ja kontekstiin sopivia vastauksia.
”Ongelman jakaminen monille pienemmille malleille toimii paljon paremmin kuin hyvän sähköpostin pyytäminen yhdeltä mallilta”, Hollingsworth selittää.
Kun uusi sähköposti saapuu, vastaustarvetta arvioiva malli luokittelee viestin: vaatiiko se vastausta, aikataulutustoimenpidettä vai onko se vain tietoa, joka käyttäjän pitäisi nähdä?
Jos vastausta tarvitaan, muut mallit analysoivat sähköpostin tarkoituksen ja ennustavat vuorovaikutuksen todennäköisen lopputuloksen. Mallit tunnistavat esimerkiksi, onko keskustelu johtamassa kokouksen sopimiseen, pyynnön ratkaisemiseen vai pidemmän yhteydenpidon jatkumiseen.
Muisti on yksi järjestelmän tärkeimmistä osista. Fyxerin on päätettävä, mitkä tiedot säilytetään keskustelusta toiseen ja mitkä poistetaan yhden viestinvaihdon jälkeen. Kun uusi sähköposti saapuu, hakumallit vertaavat sitä tallennettuihin vuorovaikutuksiin ja nostavat esiin kyseisen henkilön ja keskusteluketjun kannalta olennaisimmat muistot.
OpenAI-mallit huolehtivat Fyxerin järjestelmän eri vaiheista. ”Käytämme OpenAI-malleja kaikkeen sähköpostin sisällön ymmärtämisestä mukaan otettavan kontekstin hakemiseen ja uudelleenjärjestämiseen sekä itse sähköpostin tuottamiseen”, Shantsila sanoo.
Ennen tekoälytuotteensa julkaisua Fyxer tarjosi vuosien ajan ihmisten tuottamaa johdon assistenttipalvelua. Vuosien mittaan tiimille kertyi yli 500 000 tuntia annotoituja johdon työprosesseja sisältävä aineisto, joka kuvaa, miten todelliset assistentit hoitavat työviestintää.
Näin Fyxer sai koulutusdataa suoraan assistenttien todellisesta työstä. Esimerkit tallensivat hyvän vastauksen taustalla olevat pienet ratkaisut: milloin vastata nopeasti, milloin odottaa, mikä aiempi keskustelu on olennainen ja miksi sama pyyntö voi vaatia eri ihmisille erilaisen vastauksen.
Fyxer käyttää laajemmassa järjestelmässään valvottua hienosäätöä ja Low-Rank Adaptation (LoRA) -menetelmää luodakseen tehtäväkohtaisia malliversioita ja pitääkseen koulutuskustannukset hallinnassa. Tuotekehityksen alkuvaiheessa tiimi käytti suurta tarkkuutta vaativiin tehtäviin OpenAI:n hienosäätöalustaa. Sittemmin Fyxer on vienyt mallin uuden tarkistuspisteen tuotantoon yhteistyössä OpenAI:n hallinnoidun hienosäädön tiimin kanssa.
”OpenAI on ollut meille ratkaisevan tärkeä. Sen avulla olemme voineet siirtää asiakkaitamme koskevan tietämyksemme onnistuneesti osaksi mallien toimintaa.”
Ennen mallin käyttöönottoa Fyxer arvioi sitä omiin sähköpostitehtäviinsä perustuvilla validointiaineistoilla, jotka kattavat muun muassa luonnostelun, luokittelun ja priorisoinnin. Tiimi arvioi tarkkuuden lisäksi vasteaikaa ja kustannuksia, sillä paras vaihtoehto riippuu tehtävästä.
Käyttöönoton jälkeen Fyxerin järjestelmä kehittyy edelleen aidon käyttäjäpalautteen avulla. Kun käyttäjä muokkaa luonnosta ennen lähettämistä, alkuperäisen ja lopullisen sähköpostiviestin ero osoittaa, millaista tulosta hän pitää parempana.
Fyxer muuntaa nämä vertailut koulutusdataksi Direct Preference Optimization (DPO) -menetelmällä. Jokaista esimerkkiä ei tarvitse luokitella käsin, vaan malli oppii tulospareista: alkuperäisestä luonnoksesta ja käyttäjän muokkaamasta versiosta.
Jokainen luonnosteluun tehtävä muutos käy tämän jälkeen läpi A/B-testin. Fyxer julkaisee uuden version vain, jos se parantaa tuloksia tilastollisesti merkitsevästi. Suuren käyttäjämäärän ansiosta tiimi voi joskus saavuttaa tämän rajan jo vuorokaudessa.
Nykyään 53 % Fyxerin tekoälyn tuottamista luonnoksista hyväksytään sellaisenaan. Järjestelmä siis ennustaa tarkoituksen ja sävyn oikein suuressa osassa todellisia keskusteluja. Pelkästään vuonna 2025 Fyxerin vuotuiset toistuvat tulot kasvoivat miljoonasta dollarista 32 miljoonaan dollariin.
Hollingsworthille käyttäjien pysyvyys on tätäkin vahvempi merkki. Monet Fyxerin asiakkaista eivät ole erityisen teknisiä, ja joillekin Fyxer on ensimmäinen päivittäisessä käytössä oleva tekoälyjärjestelmä.
”Kaikki puhuvat vuosittaisista toistuvista tuloista, mutta mielestäni käyttäjien pysyvyys on todellinen meriitti. Yli 90 % käyttäjistämme maksaa palvelusta vielä 90 päivän kohdalla ja käyttää sitä edelleen päivittäin.”
Tulevaisuutta varten Fyxer kehittää entistä syvällisempää ymmärrystä ihmissuhteista, mieltymyksistä ja jatkuvista työprosesseista. Sen assistentti kehittyy vastausten luonnostelijasta kohti laajempaa tekoälyassistenttia, joka voi hoitaa suuremman osan käyttäjän viestintä- ja koordinointityöstä.
”Visiomme on, että asiakkaamme voisivat käyttää mahdollisimman suuren osan ajastaan työhön, jota he todella rakastavat”, Hollingsworth sanoo. ”Haluamme päästä tilanteeseen, jossa heidän ei tarvitse koskaan avata tietokonettaan vaan he voivat luottaa siihen, että Fyxer hoitaa kaiken.”
