Cara Fyxer membangun asisten eksekutif AI yang dipercaya

Bagi banyak profesional, bekerja berarti melacak percakapan dan komitmen di berbagai kotak masuk, rapat, pesan, dan aplikasi. Tanpa konteks yang benar-benar andal, komitmen tersebut dapat terlewat sehingga merugikan proyek dan hubungan.

Fyxer membangun asisten eksekutif AI yang dapat mengikuti rangkaian pekerjaan saat berpindah dari satu alat ke alat lainnya. Sistem ini memadukan model OpenAI terbaru dengan lebih dari 500.000 jam alur kerja asisten eksekutif, lalu membagi pekerjaan di antara puluhan model khusus yang terus berkembang berkat umpan balik pengguna nyata.

Email merupakan salah satu contoh paling jelas untuk melihat cara kerjanya. Dua orang dapat menerima email yang sama, tetapi memerlukan balasan yang sama sekali berbeda tergantung pada hubungan mereka, peristiwa sebelumnya, dan tujuan masing-masing. Hal itu membuat tugas yang tampak sederhana menjadi jauh lebih sulit bagi AI daripada kelihatannya.

“Ada konsep yang disebut paradoks Moravec,” jelas Archie Hollingsworth, salah satu pendiri Fyxer. “Hal yang dianggap mudah oleh manusia justru sulit bagi komputer, sedangkan hal yang dianggap mudah oleh komputer justru sulit bagi manusia.” Fyxer menangani kerumitan tersebut dengan mempelajari cara kerja setiap pengguna agar dapat merespons seperti asisten yang sudah memahami hal-hal penting.

Model OpenAI terdepan mendukung bagian-bagian utama pengalaman ini, mulai dari memahami email dan menemukan konteks yang tepat hingga membuat draf. Fyxer memilih OpenAI karena modelnya memberikan hasil terbaik dalam tolok ukur internal Fyxer, menawarkan kemampuan fine-tuning yang kuat untuk tugas subjektif seperti nada dan maksud, serta menyediakan dukungan teknis langsung melalui sesi papan tulis dan kolaborasi teknis.

Pendekatan Fyxer menawarkan tiga pelajaran bagi pendiri yang membangun produk AI dengan pemahaman konteks mendalam:

Fyxer membangun sistemnya dengan 30–50 model khusus, yang masing-masing menangani bagian terbatas dari alur kerja email. Alih-alih memperlakukan email sebagai satu tugas pembuatan teks, Fyxer memecah masalahnya menjadi serangkaian prediksi, seperti menentukan apakah pesan perlu dibalas atau menyusun respons yang sesuai dengan nada dan konteks pengguna.

“Memecah masalah menjadi banyak model yang lebih kecil memberikan hasil jauh lebih baik daripada meminta satu model menulis email yang baik,” jelas Hollingsworth.

Saat email baru tiba, model penentu balasan mengklasifikasikan pesan: apakah pesan ini perlu ditanggapi, memerlukan tindakan penjadwalan, atau hanya berisi informasi yang perlu dilihat pengguna?

Jika perlu ditanggapi, model tambahan menganalisis maksud email dan memprediksi kemungkinan hasil interaksi tersebut. Model-model ini mengenali pola, misalnya apakah percakapan mengarah pada penjadwalan rapat, penyelesaian permintaan, atau kelanjutan rangkaian hubungan jangka panjang.

Memori merupakan salah satu bagian terpenting dalam sistem. Fyxer perlu menentukan detail mana yang harus dipertahankan di seluruh percakapan dan mana yang harus dihapus setelah satu kali interaksi. Saat email baru tiba, model pengambilan membandingkannya dengan interaksi yang tersimpan dan menampilkan memori yang paling relevan bagi orang serta rangkaian percakapan tersebut.

Model OpenAI mendukung berbagai tahap di seluruh sistem Fyxer. “Kami menggunakan model OpenAI untuk segala hal, mulai dari mencerna email agar dapat memahami topik sebenarnya, mengambil dan mengurutkan ulang konteks yang ingin disertakan, hingga membuat email itu sendiri,” kata Shantsila.

Sebelum meluncurkan produk AI-nya, Fyxer selama bertahun-tahun mengoperasikan layanan asisten eksekutif yang dijalankan oleh manusia. Seiring waktu, tim mengumpulkan set data dari lebih dari 500.000 jam alur kerja eksekutif beranotasi, yang merekam cara asisten sungguhan mengelola komunikasi profesional.

Contoh-contoh tersebut memberi Fyxer data pelatihan yang berasal langsung dari pekerjaan itu sendiri. Data itu merekam berbagai pertimbangan kecil di balik respons yang baik: kapan harus segera menjawab, kapan perlu menunggu, percakapan terdahulu mana yang relevan, serta bagaimana permintaan yang sama dapat memerlukan respons berbeda untuk setiap orang.

Fyxer menggunakan fine-tuning dengan supervisi dan Low-Rank Adaptation (LoRA) di seluruh sistemnya untuk membuat varian model khusus tugas sekaligus mengendalikan biaya pelatihan. Pada tahap awal pengembangan produk, tim menggunakan platform fine-tuning OpenAI untuk tugas yang membutuhkan akurasi tinggi. Belakangan ini, Fyxer bekerja sama dengan tim fine-tuning terkelola OpenAI untuk menerapkan checkpoint baru ke lingkungan produksi.

Sebelum model diterapkan, Fyxer mengevaluasinya dengan set validasi yang dirancang berdasarkan tugas emailnya sendiri, termasuk penyusunan draf, klasifikasi, dan penentuan prioritas. Tim mempertimbangkan akurasi bersama waktu respons dan biaya karena pilihan terbaik dapat berbeda untuk setiap tugas.

Setelah diterapkan, sistem Fyxer terus berkembang melalui umpan balik pengguna nyata. Ketika seseorang mengedit draf sebelum mengirimnya, perbedaan antara email awal dan versi akhir menunjukkan keluaran yang lebih disukainya.

Fyxer mengubah perbandingan tersebut menjadi data pelatihan menggunakan Direct Preference Optimization (DPO). Alih-alih melabeli setiap contoh secara manual, model belajar dari pasangan keluaran: draf awal dan versi yang telah diedit pengguna.

Setiap perubahan pada proses penyusunan draf kemudian menjalani pengujian A/B. Fyxer hanya merilis versi baru jika menghasilkan peningkatan yang signifikan secara statistik. Besarnya jumlah pengguna memungkinkan tim mencapai ambang tersebut hanya dalam sehari pada situasi tertentu.

Saat ini, 53% draf buatan AI Fyxer diterima tanpa perubahan. Artinya, sistem berhasil memprediksi maksud dan nada secara tepat untuk sebagian besar percakapan nyata. Pada 2025 saja, pendapatan berulang tahunan Fyxer tumbuh dari US$1 juta menjadi US$32 juta.

Bagi Hollingsworth, retensi merupakan indikator yang lebih kuat. Banyak pelanggan Fyxer tidak memiliki latar belakang teknis yang mendalam. Bagi sebagian dari mereka, Fyxer adalah sistem AI pertama yang digunakan setiap hari.

Ke depan, Fyxer terus memperdalam pemahamannya tentang hubungan, preferensi, dan rangkaian pekerjaan yang sedang berlangsung. Asistennya terus berkembang, bukan hanya menyusun balasan, tetapi menjadi asisten AI yang lebih luas dan mampu menangani lebih banyak beban komunikasi serta koordinasi pengguna.

“Visi kami adalah membantu pelanggan mengerjakan sebanyak mungkin pekerjaan yang benar-benar mereka sukai,” kata Hollingsworth. “Kami ingin membawa mereka ke titik ketika mereka tidak perlu lagi membuka komputer dan dapat memercayakan semuanya kepada Fyxer.”