Paano binuo ng Fyxer ang AI assistant na pinagkakatiwalaan ng tao
Ipinapares ng Fyxer ang mga modelo ng OpenAI sa 500,000+ oras ng mga workflow ng EA at tunay na feedback ng user upang gumawa ng mga draft na tugon sa boses ng bawat tao.
90%
Pagpapanatili ng user pagkatapos ng 90 araw
53%
Ng mga draft na binuo ng AI na tinanggap nang walang pagbabago
Para sa maraming propesyonal, ang trabaho ay nangangahulugang pagsubaybay sa mga pag-uusap at pangako sa iba’t ibang inbox, pulong, mensahe, at app. Kung walang matibay na konteksto, maaaring makaligtaan ang mga pangakong iyon, na nakakapinsala sa mga proyekto at ugnayan.
Bumuo ang Fyxer ng AI executive assistant na sumusubaybay sa thread habang lumilipat ang trabaho sa iba't ibang tool. Pinagsasama nito ang pinakabagong mga modelo ng OpenAI at mahigit 500,000 oras ng mga workflow ng executive assistant, na hinahati ang trabaho sa dose-dosenang espesyalisadong modelo na gumagaling sa pamamagitan ng tunay na feedback ng user.
Ang email ay isa sa pinakamalinaw na lugar upang makita itong gumagana. Maaaring makatanggap ang dalawang tao ng parehong email ngunit mangailangan ng lubos na magkaibang tugon depende sa kanilang ugnayan, sa mga nangyari na noon, at sa nais gawin ng bawat isa. Dahil dito, nagiging mas mahirap kaysa sa inaakala para sa AI ang isang tila simpleng gawain.
“May tinatawag na paradox ni Moravec,” paliwanag ng co-founder ng Fyxer na si Archie Hollingsworth. “Ang mga bagay na madali para sa mga tao ay mahirap para sa mga computer, at ang mga bagay na madali para sa mga computer ay mahirap para sa mga tao.” Hinaharap ng Fyxer ang kumplikasyong iyon sa pamamagitan ng pag-aaral kung paano nagtatrabaho ang bawat user, para makatugon ito tulad ng isang assistant na alam na kung ano ang mahalaga.
Sinusuportahan ng mga frontier na modelo ng OpenAI ang mahahalagang bahagi ng karanasan, mula sa pag-unawa sa email at paghahanap ng tamang konteksto hanggang sa pagbuo ng draft. Pinili ng Fyxer ang OpenAI dahil pinakamahusay ang naging pagganap ng mga modelo nito sa mga internal benchmark ng Fyxer, nag-aalok ang mga ito ng malalakas na kakayahan sa pag-fine-tune para sa mga subjective na gawain tulad ng tono at layunin, at nagbibigay ng hands-on na suporta sa engineering sa pamamagitan ng mga whiteboarding session at teknikal na pakikipagtulungan.
“Pinili namin ang OpenAI dahil mayroon silang pinakamahusay na mga modelo, at binigyan nila kami ng tunay na access at malapit na ugnayan sa pagtatrabaho. Maaari akong magpadala ng tanong sa Slack at mabilis na makatanggap ng sagot, at kapag nahaharap kami sa problema, pumupunta ang team sa opisina namin at sama-sama naming tinutugunan ito. Dumadating sila.”
Ang diskarte ng Fyxer ay nag-aalok ng tatlong aralin para sa mga tagapagtatag na bumubuo ng mga produktong AI na lubos na nakabatay sa konteksto:
Binuo ng Fyxer ang system nito gamit ang 30–50 specialized na modelo, na bawat isa ay responsable sa isang partikular na bahagi ng email workflow. Sa halip na ituring ang email bilang iisang gawain sa pagbuo ng teksto, hinahati ng Fyxer ang problema sa isang system ng mga prediksyon, tulad ng pagtukoy kung nangangailangan ng tugon ang isang mensahe o pagbalangkas ng mga tugong tumutugma sa tono at konteksto ng user.
“Mas epektibo ang paghahati-hati ng problema sa maraming mas maliliit na modelo kaysa hilingin sa isang modelo na sumulat ng magandang email,” paliwanag ni Hollingsworth.
Kapag may dumating na bagong email, inuuri ng modelo sa pagpapasya ng tugon ang mensahe: kailangan ba itong sagutin, kailangan ba ng aksyon sa pag-iiskedyul, o impormasyon lamang ito na dapat makita ng user?
Kung kailangan ng tugon, sinusuri ng mga karagdagang modelo ang layunin ng email at hinuhulaan ang malamang na resulta ng interaksyon. Tinutukoy ng mga modelong ito ang mga pattern, tulad ng kung ang pag-uusap ay patungo sa pag-iskedyul ng pulong, paglutas ng kahilingan, o pagpapatuloy ng mas mahabang thread ng ugnayan.
Ang Memory ay isa sa pinakamahahalagang bahagi ng system. Kailangang magpasya ang Fyxer kung aling mga detalye ang dapat manatili sa iba’t ibang pag-uusap at alin ang dapat mawala pagkatapos ng isang palitan. Kapag may dumating na bagong email, ikinukumpara ito ng mga modelo ng retrieval sa mga nakaimbak na interaksyon at inilalabas ang mga Memory na pinakaangkop sa taong iyon at sa thread na iyon.
Pinapagana ng mga modelo ng OpenAI ang mga hakbang sa buong system ng Fyxer. Sabi ni Shantsila, “Ginagamit namin ang mga modelo ng OpenAI para sa lahat, mula sa pagsusuri ng email upang maunawaan namin kung tungkol saan talaga ito, hanggang sa pagkuha at muling pagraranggo ng kontekstong nais naming isama, hanggang sa aktuwal na pagbuo ng email.”
Bago ilunsad ang produktong AI nito, ilang taon munang nagpatakbo ang Fyxer ng serbisyong executive assistant na pinapatakbo ng tao. Sa paglipas ng panahon, nakalikom ang team ng dataset na binuo mula sa mahigit 500,000 oras ng mga anotadong daloy ng trabaho ng mga executive, na naglalarawan kung paano pinamamahalaan ng mga tunay na assistant ang propesyonal na komunikasyon.
Binigyan ng mga halimbawang iyon ang Fyxer ng training data na hinango mismo mula sa trabaho. Nakuha ng mga ito ang maliliit na pagpapasyang nasa likod ng isang mahusay na tugon: kung kailan sasagot agad, kung kailan maghihintay, kung aling naunang usapan ang mahalaga, at kung paano maaaring mangailangan ang parehong kahilingan ng ibang tugon sa bawat tao.
Gumagamit ang Fyxer ng pinangangasiwaang pag-fine-tune at Low-Rank Adaptation (LoRA) sa buong mas malawak nitong system upang lumikha ng mga variant ng modelo na partikular sa gawain habang kinokontrol ang gastos sa pagsasanay. Sa maagang yugto ng pagbuo ng produkto, ginamit ng team ang platform ng OpenAI para sa pag-fine-tune para sa mga gawaing nangangailangan ng mataas na katumpakan. Kamakailan, nakipagtulungan ang Fyxer sa team ng OpenAI para sa pinamamahalaang pag-fine-tune upang magamit sa produksyon ang isang bagong checkpoint.
“Napakahalaga ng OpenAI sa pagtulong sa amin na mailipat ang mga natutuhan namin tungkol sa aming customer at matagumpay na maisama ang mga ito sa paraan ng paggana ng mga modelo.”
Bago i-deploy ang anumang modelo, sinusuri ito ng Fyxer sa mga validation set na binuo batay sa sarili nitong mga gawain sa email, kabilang ang pag-draft, pag-uuri, at pag-prayoridad. Tinitimbang ng team ang katumpakan kasama ng oras ng pagtugon at gastos, dahil maaaring mag-iba ang pinakamahusay na pagpipilian ayon sa gawain.
Kapag na-deploy na, patuloy na bumubuti ang system ng Fyxer sa pamamagitan ng feedback mula sa mga tunay na user. Kapag may nag-edit ng draft bago ito ipadala, ipinapakita ng pagkakaiba ng orihinal at panghuling email kung aling output ang mas gusto nila.
Kino-convert ng Fyxer ang mga paghahambing na iyon sa training data gamit ang Direct Preference Optimization (DPO). Sa halip na manu-manong lagyan ng label ang bawat halimbawa, natututo ang modelo mula sa mga pares ng output: ang orihinal na draft at ang bersyong in-edit ng user.
Ang bawat pagbabago sa pag-draft ay dumaraan sa isang A/B test. Inilalabas lamang ng Fyxer ang bagong bersyon kapag nagdudulot ito ng makabuluhang pagbuti ayon sa istatistika. Dahil sa dami ng gumagamit nito, minsan ay naaabot ng team ang limitasyong iyon sa loob ng isang araw.
Ngayon, 53% ng mga draft na ginawa ng AI ng Fyxer ay tinatanggap nang walang pagbabago. Ibig sabihin nito na wastong nahuhulaan ng system ang layunin at tono para sa malaking bahagi ng mga totoong pag-uusap. Noong 2025 lamang, lumago ang annual recurring revenue ng Fyxer mula $1 milyon hanggang $32 milyon.
Para kay Hollingsworth, ang mas malakas na palatandaan ay ang pagpapanatili. Maraming customer ng Fyxer ang hindi gaanong teknikal, at para sa ilan, ang Fyxer ang unang AI system na ginagamit nila araw-araw.
“Pinag-uusapan ng lahat ang ARR, pero sa tingin ko, ang pagpapanatili ang tunay na ipinagmamalaki. Mahigit 90% ng aming mga user ay nagbabayad pa rin sa amin pagdating ng ika-90 araw, at ginagamit pa rin kami araw-araw.”
Sa hinaharap, bumubuo ang Fyxer ng mas malalim na pag-unawa sa mga ugnayan, kagustuhan, at nagpapatuloy na mga thread ng trabaho. Patuloy na umuunlad ang kanilang assistant mula sa pagbuo ng mga tugon tungo sa mas malawak na AI assistant na kayang pamahalaan ang mas malaking bahagi ng gawain ng user sa komunikasyon at koordinasyon.
“Ang aming bisyon ay magawa ng aming mga customer ang pinakamaraming trabahong talagang gusto nila,” sabi ni Hollingsworth. “Nais naming maabot nila ang puntong hindi na nila kailangang buksan ang kanilang computer at mapagkakatiwalaan nila ang Fyxer na pamahalaan ang lahat ng iyon.”
