Így épített a Fyxer megbízható AI-vezetői asszisztenst
A Fyxer OpenAI-modelleket ötvöz több mint 500 000 órányi vezetői asszisztensi munkafolyamattal és valós visszajelzésekkel, hogy mindenki hangján személyre szabott válaszokat írjon.
90%
Felhasználómegtartás 90 nap után
53%
A változtatás nélkül elfogadott, AI által készített piszkozatok aránya
Sok szakember számára a munka része, hogy nyomon kövesse a különböző postafiókokban, értekezleteken, üzenetekben és alkalmazásokban zajló beszélgetéseket és vállalásokat. Biztos háttérismeretek nélkül ezek a vállalások könnyen feledésbe merülhetnek, ami árthat a projekteknek és a kapcsolatoknak.
A Fyxer olyan AI-vezetői asszisztenst épített, amely akkor is követi az ügyek menetét, amikor a munka egyik eszközről a másikra kerül. A legújabb OpenAI-modelleket több mint 500 000 órányi vezetői asszisztensi munkafolyamattal ötvözi, a feladatokat pedig több tucat specializált modell között osztja fel, amelyek valós felhasználói visszajelzésekből tanulnak.
Működése az e-mailek kezelésében figyelhető meg az egyik legjobban. Két ember ugyanazt az e-mailt kaphatja, mégis teljesen eltérő választ kell adniuk attól függően, milyen kapcsolatban állnak a feladóval, mi történt korábban, és mit szeretnének elérni. Emiatt ez a látszólag egyszerű feladat meglepően nehéz az AI számára.
„Létezik egy jelenség, amelyet Moravec paradoxonának neveznek” – magyarázza Archie Hollingsworth, a Fyxer társalapítója. „Ami az embereknek könnyű, az a számítógépeknek nehéz, és ami a számítógépeknek könnyű, az az embereknek nehéz.” A Fyxer úgy kezeli ezt az összetettséget, hogy megtanulja, miként dolgozik az egyes felhasználó, így olyan asszisztensként válaszolhat, aki már tudja, mi fontos.
Az OpenAI élvonalbeli modelljei a felhasználói élmény kulcsfontosságú részeit támogatják az e-mail megértésétől és a megfelelő háttérinformációk megtalálásától egészen a piszkozat elkészítéséig. A Fyxer azért választotta az OpenAI-t, mert modelljei teljesítettek a legjobban a Fyxer belső tesztjein, fejlett finomhangolási lehetőségeket kínáltak az olyan szubjektív feladatokhoz, mint a hangnem és a szándék felismerése, valamint közös tervezési alkalmakon és műszaki együttműködésen keresztül közvetlen mérnöki támogatást nyújtottak.
„Azért választottuk az OpenAI-t, mert nekik vannak a legjobb modelljeik, emellett közvetlen hozzáférést és szoros munkakapcsolatot biztosítottak számunkra. Elég feltennem egy kérdést a Slackben, és gyorsan választ kapok. Ha pedig problémába ütközünk, a csapat eljön az irodánkba, és velünk együtt dolgozik a megoldáson. Mindig számíthatunk rájuk.”
A Fyxer megközelítése három tanulsággal szolgál a nagymértékben kontextusfüggő AI-termékeket építő alapítóknak:
A Fyxer 30–50 specializált modell köré építette rendszerét, amelyek mindegyike az e-mailes munkafolyamat egy szűk részéért felel. Ahelyett, hogy az e-mailt egyetlen szöveggenerálási feladatként kezelné, a Fyxer előrejelzések rendszerére bontja a problémát: eldönti például, hogy egy üzenet igényel-e választ, illetve a felhasználó hangneméhez és kontextusához illő válaszokat készít.
„Sokkal hatékonyabb számos kisebb modellre bontani a problémát, mint egyetlen modellt megkérni arra, hogy írjon jó e-mailt” – magyarázza Hollingsworth.
Amikor új e-mail érkezik, a válasz szükségességét eldöntő modell besorolja az üzenetet: választ vagy időpont-egyeztetést igényel, esetleg csupán olyan információt tartalmaz, amelyet a felhasználónak látnia kell?
Ha válaszra van szükség, további modellek elemzik az e-mail szándékát, és előre jelzik az interakció várható kimenetelét. Ezek a modellek olyan mintázatokat azonosítanak, mint hogy a beszélgetés egy értekezlet egyeztetése, egy kérés rendezése vagy egy hosszabb kapcsolati szál folytatása felé halad-e.
A Memória a rendszer egyik legfontosabb része. A Fyxernek el kell döntenie, mely részleteket érdemes megőrizni a beszélgetések között, és melyeket kell elfelejteni egyetlen üzenetváltás után. Amikor új e-mail érkezik, a visszakeresési modellek összevetik azt a tárolt interakciókkal, és előtérbe helyezik az adott személyhez és beszélgetésszálhoz leginkább kapcsolódó emlékeket.
OpenAI-modellek működtetik a Fyxer rendszerének számos lépését. „OpenAI-modelleket használunk mindenhez: az e-mail feldolgozásától, amelyből megértjük, valójában miről szól, a felhasználni kívánt kontextus kikeresésén és újrarangsorolásán át egészen az e-mail tényleges létrehozásáig” – mondja Shantsila.
AI-termékének bevezetése előtt a Fyxer éveken át emberek által működtetett vezetői asszisztensi szolgáltatást nyújtott. A csapat idővel több mint 500 000 órányi, jegyzetekkel ellátott vezetői munkafolyamatból álló adatkészletet gyűjtött össze, amely megmutatja, hogyan kezelik a valódi asszisztensek a szakmai kommunikációt.
Ezek a példák közvetlenül a tényleges munkából származó tanítási adatokat biztosítottak a Fyxernek. Megragadták a jó válaszok mögötti apró mérlegeléseket: mikor kell gyorsan válaszolni, mikor érdemes várni, melyik korábbi beszélgetés fontos, és miért igényelhet ugyanaz a kérés személyenként eltérő választ.
A Fyxer felügyelt finomhangolást és alacsony rangú adaptációt (LoRA) alkalmaz átfogó rendszerében, hogy szabályozott tanítási költségek mellett feladatspecifikus modellváltozatokat hozzon létre. A termék fejlesztésének korai szakaszában a csapat az OpenAI finomhangolási platformját használta a nagy pontosságot igénylő feladatokhoz. A közelmúltban a Fyxer az OpenAI felügyelt finomhangolási csapatával együttműködve állított éles üzembe egy új ellenőrzőpontot.
„Az OpenAI kulcsszerepet játszott abban, hogy az ügyfeleinkről szerzett ismereteinket sikeresen átültessük a modellek működésébe.”
A Fyxer minden modellt üzembe helyezés előtt saját e-mailes feladataira – köztük piszkozatkészítésre, osztályozásra és rangsorolásra – összeállított validációs készleteken értékel. A csapat a pontosság mellett a válaszidőt és a költségeket is mérlegeli, mivel feladatonként más lehet a legjobb választás.
Az üzembe helyezés után a Fyxer rendszere a valós felhasználói visszajelzésekből tanulva fejlődik tovább. Amikor valaki elküldés előtt szerkeszt egy piszkozatot, az eredeti és a végleges e-mail közötti különbség megmutatja, melyik változatot részesítette előnyben.
A Fyxer ezeket az összehasonlításokat közvetlen preferenciaoptimalizálással (DPO) alakítja tanítási adatokká. Ahelyett, hogy minden példát kézzel címkéznének, a modell kimenetpárokból tanul: az eredeti piszkozatból és a felhasználó által szerkesztett változatból.
Ezután a piszkozatkészítés minden módosítását A/B-tesztnek vetik alá. A Fyxer csak akkor vezeti be az új verziót, ha az statisztikailag szignifikáns javulást eredményez. A nagy felhasználói létszámnak köszönhetően a csapat olykor egyetlen nap alatt eléri ezt a küszöböt.
Ma a Fyxer AI által készített piszkozatainak 53%-át változtatás nélkül elfogadják. Ez azt jelenti, hogy a rendszer a valós beszélgetések jelentős részében helyesen jelzi előre a szándékot és a hangnemet. A Fyxer éves ismétlődő bevétele csak 2025-ben 1 millió dollárról 32 millió dollárra nőtt.
Hollingsworth szerint azonban a megtartás még beszédesebb mutató. A Fyxer számos ügyfele nem jártas különösebben a technológiában, és egyesek számára a Fyxer az első AI-rendszer, amelyet mindennap használnak.
„Mindenki az éves ismétlődő bevételről beszél, de szerintem az igazi eredmény a megtartás. Felhasználóink több mint 90%-a 90 nap után is fizet, és továbbra is mindennap használ minket.”
A jövőben a Fyxer még mélyebben szeretné megérteni a kapcsolatokat, a preferenciákat és a folyamatban lévő ügyeket. Asszisztensük a válaszok megfogalmazásán túlmutató, átfogóbb AI-asszisztenssé fejlődik, amely még több kommunikációs és koordinációs feladatot vehet át a felhasználóktól.
„Az a célunk, hogy ügyfeleink a lehető legtöbb időt tölthessék azzal a munkával, amelyet igazán szeretnek” – mondja Hollingsworth. „Azt szeretnénk, hogy eljussanak oda, ahol már ki sem kell nyitniuk a számítógépüket, mert rábízhatják mindezt a Fyxerre.”
