Paano binuo ng Fyxer ang maaasahang AI executive assistant
Pinagsasama ng Fyxer ang mga modelo ng OpenAI, 500,000+ oras ng mga workflow ng EA, at feedback ng mga user upang gumawa ng mga tugon sa boses ng bawat tao.
90%
Pananatili ng mga user pagkalipas ng 90 araw
53%
ng mga draft na gawa ng AI ang tinanggap nang walang pagbabago
Para sa maraming propesyonal, bahagi ng trabaho ang pagsubaybay sa mga usapan at pangako sa iba't ibang inbox, pulong, mensahe, at app. Kung walang ganap na maaasahang konteksto, maaaring makaligtaan ang mga pangakong iyon at mapinsala ang mga proyekto at ugnayan.
Bumuo ang Fyxer ng AI executive assistant na nakakasubaybay sa daloy ng trabaho habang lumilipat ito sa iba't ibang tool. Pinagsasama nito ang mga pinakabagong modelo ng OpenAI at mahigit 500,000 oras ng mga workflow ng executive assistant, habang hinahati ang gawain sa dose-dosenang espesyalisadong modelo na humuhusay sa pamamagitan ng aktuwal na feedback ng mga user.
Isa ang email sa pinakamalinaw na paraan upang makita itong gumagana. Maaaring makatanggap ang dalawang tao ng parehong email ngunit mangailangan ng ganap na magkaibang tugon depende sa kanilang ugnayan, mga naunang pangyayari, at layunin ng bawat isa. Dahil dito, ang tila simpleng gawain ay mas mahirap para sa AI kaysa sa inaakala.
“May tinatawag na Moravec's paradox,” paliwanag ng Katuwang na Tagapagtatag ng Fyxer na si Archie Hollingsworth. “Ang mga bagay na madali para sa tao ay mahirap para sa computer, at ang mga bagay na madali para sa computer ay mahirap para sa tao.” Hinaharap ng Fyxer ang komplikasyong iyon sa pamamagitan ng pag-aaral kung paano nagtatrabaho ang bawat user, upang makatugon ito gaya 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 nanguna ang mga modelo nito sa mga internal benchmark ng Fyxer, mahusay ang fine-tuning nito para sa mga subhetibong gawain gaya ng tono at layunin, at nagbigay ito ng praktikal na suporta sa engineering sa pamamagitan ng mga whiteboarding session at teknikal na pakikipagtulungan.
“Pinili namin ang OpenAI dahil sila ang may pinakamahuhusay na modelo, at binigyan nila kami ng direktang access at malapit na ugnayan sa trabaho. Maaari akong magtanong sa Slack at mabilis na makakuha ng sagot, at kapag may problema kami, pumupunta ang team sa aming opisina at nakikipagtulungan sa amin para lutasin ito. Talagang maaasahan sila.”
Nagbibigay ang pamamaraan ng Fyxer ng tatlong aral para sa mga founder na bumubuo ng mga produktong AI na lubos na nakabatay sa konteksto:
Binuo ng Fyxer ang system nito gamit ang 30–50 espesyalisadong modelo, na bawat isa ay responsable sa isang partikular na bahagi ng workflow ng email. Sa halip na ituring ang email bilang iisang gawain sa pagbuo ng text, hinahati ng Fyxer ang problema sa isang sistema ng mga hula, gaya ng pagpapasya kung kailangang sagutin ang isang mensahe o paggawa ng mga tugong naaayon sa tono at konteksto ng user.
“Mas epektibo ang paghahati ng problema sa maraming mas maliliit na modelo kaysa sa pag-aatas sa iisang modelo na sumulat ng mahusay na email,” paliwanag ni Hollingsworth.
Kapag may bagong email, inuuri ng modelo para sa pagpapasya sa pagtugon ang mensahe: kailangan ba itong sagutin, aksiyunan para sa pag-iiskedyul, o makita lamang ng user bilang impormasyon?
Kung kailangan ng tugon, sinusuri ng mga karagdagang modelo ang layunin ng email at hinuhulaan ang malamang na kalalabasan ng interaksiyon. Tinutukoy ng mga modelong ito ang mga pattern, gaya ng kung ang usapan ay patungo sa pag-iiskedyul ng pulong, paglutas ng kahilingan, o pagpapatuloy ng mas mahabang ugnayan.
Isa ang Memory sa pinakamahahalagang bahagi ng system. Kailangang pagpasyahan ng Fyxer kung aling mga detalye ang dapat manatili sa iba't ibang usapan at kung alin ang dapat mawala pagkatapos ng iisang palitan. Kapag may bagong email, inihahambing ito ng mga retrieval model sa mga nakaimbak na interaksiyon at inilalabas ang mga memoryang pinakanauugnay sa taong iyon at sa usapan.
Pinapagana ng mga modelo ng OpenAI ang iba't ibang hakbang sa system ng Fyxer. “Ginagamit namin ang mga modelo ng OpenAI sa lahat ng hakbang—mula sa pagsusuri sa email para maunawaan ang tunay na paksa nito, pagkuha at muling pagraranggo ng kontekstong gusto naming isama, hanggang sa mismong pagbuo ng email,” sabi ni Shantsila.
Bago ilunsad ang produktong AI nito, ilang taong nagpatakbo ang Fyxer ng serbisyo ng executive assistant na pinangangasiwaan ng mga tao. Sa paglipas ng panahon, nakabuo ang team ng dataset mula sa mahigit 500,000 oras ng mga workflow ng executive na may anotasyon, na nagpapakita kung paano pinamamahalaan ng mga tunay na assistant ang propesyonal na komunikasyon.
Nagbigay ang mga halimbawang iyon sa Fyxer ng training data na nagmula mismo sa trabaho. Nakuha ng mga ito ang maliliit na pagpapasyang kailangan para sa mahusay na tugon: kailan dapat sumagot agad, kailan dapat maghintay, aling naunang usapan ang mahalaga, at kung bakit maaaring mangailangan ng magkaibang tugon ang parehong kahilingan depende sa tao.
Gumagamit ang Fyxer ng pinangangasiwaang pag-fine-tune at Low-Rank Adaptation (LoRA) sa mas malawak nitong system upang gumawa ng mga variant ng modelo para sa partikular na gawain habang kinokontrol ang gastos sa pagsasanay. Sa unang bahagi ng pagbuo sa produkto, ginamit ng team ang fine-tuning platform ng OpenAI para sa mga gawaing nangangailangan ng mataas na katumpakan. Kamakailan, nakipagtulungan ang Fyxer sa managed fine-tuning team ng OpenAI upang gamitin sa production ang isang bagong checkpoint.
“Napakahalaga ng OpenAI sa pagtulong sa aming ilipat ang mga natutuhan namin tungkol sa aming customer at matagumpay na isama ang mga iyon sa paraan ng paggana ng mga modelo.”
Bago i-deploy ang anumang modelo, sinusuri ito ng Fyxer gamit ang mga validation set na binuo para sa sarili nitong mga gawain sa email, kabilang ang paggawa ng draft, pag-uuri, at pagtatakda ng priyoridad. Tinitimbang ng team ang katumpakan kasabay ng oras ng pagtugon at gastos, dahil maaaring mag-iba ang pinakamainam na opsyon ayon sa gawain.
Kapag na-deploy na, patuloy na humuhusay ang system ng Fyxer sa pamamagitan ng aktuwal na feedback ng mga user. Kapag in-edit ng isang tao ang draft bago ito ipadala, ipinapakita ng pagkakaiba ng orihinal at pinal na email kung aling output ang mas gusto niya.
Ginagawang training data ng Fyxer ang mga paghahambing na iyon 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.
Pagkatapos, sumasailalim sa A/B test ang bawat pagbabago sa paggawa ng draft. Inilalabas lamang ng Fyxer ang bagong bersyon kapag nagbibigay ito ng pagpapahusay na makabuluhan ayon sa estadistika. Dahil sa dami ng mga user nito, kung minsan ay naaabot ng team ang pamantayang iyon sa loob lamang ng isang araw.
Sa kasalukuyan, 53% ng mga draft ng Fyxer na gawa ng AI ang tinatanggap nang walang pagbabago. Ibig sabihin, tama ang hula ng system sa layunin at tono para sa malaking bahagi ng mga aktuwal na pag-uusap. Noong 2025 lamang, lumaki ang taunang umuulit na kita ng Fyxer mula $1 milyon hanggang $32 milyon.
Para kay Hollingsworth, mas matibay na palatandaan ang pagpapanatili ng mga user. Maraming customer ng Fyxer ang walang malalim na kaalamang teknikal, at para sa ilan, ang Fyxer ang unang AI system na ginagamit nila araw-araw.
“Lahat ay nagsasalita tungkol sa ARR, pero sa tingin ko, ang pagpapanatili ng mga user ang tunay na maipagmamalaki. Mahigit 90% ng aming mga user ang nagbabayad pa rin makalipas ang 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 daloy ng trabaho. Patuloy na umuunlad ang assistant nito mula sa paggawa lamang ng mga draft ng tugon tungo sa mas malawak na AI assistant na kayang mamahala sa mas malaking bahagi ng komunikasyon at koordinasyon ng isang user.
“Layunin naming tulungan ang aming mga customer na magawa hangga't maaari ang trabahong talagang gusto nila,” sabi ni Hollingsworth. “Gusto naming dumating sila sa puntong hindi na nila kailangang buksan ang kanilang computer at mapagkakatiwalaan nila ang Fyxer na mamahala sa lahat ng iyon.”
