Come Fyxer ha creato un assistente esecutivo IA affidabile
Fyxer combina i modelli OpenAI con oltre 500.000 ore di flussi di lavoro degli assistenti esecutivi e feedback reali per scrivere risposte con la voce di ogni persona.
90%
Fidelizzazione degli utenti dopo 90 giorni
53%
Delle bozze generate dall'IA accettate senza modifiche
Per molti professionisti, lavorare significa tenere traccia di conversazioni e impegni tra caselle di posta, riunioni, messaggi e app. Senza un contesto solido, questi impegni possono essere trascurati, danneggiando progetti e relazioni.
Fyxer ha creato un assistente esecutivo IA che non perde il filo mentre il lavoro passa da uno strumento all'altro. Combina i più recenti modelli di OpenAI con oltre 500.000 ore di flussi di lavoro degli assistenti esecutivi, suddividendo le attività tra decine di modelli specializzati che migliorano grazie al feedback degli utenti reali.
L'email è uno degli ambiti in cui è più facile vederlo in azione. Due persone possono ricevere la stessa email e avere bisogno di risposte completamente diverse a seconda del rapporto, di ciò che è accaduto in precedenza e dell'obiettivo di ciascuna. Per l'IA, questo rende insidiosamente difficile un'attività in apparenza semplice.
«Esiste un fenomeno chiamato paradosso di Moravec», spiega Archie Hollingsworth, cofondatore di Fyxer. «Le cose che gli esseri umani trovano facili sono difficili per i computer, mentre quelle facili per i computer sono difficili per gli esseri umani». Fyxer gestisce questa complessità imparando come lavora ogni utente, così da rispondere come un assistente che sa già cosa conta.
I modelli di frontiera di OpenAI supportano le parti essenziali dell'esperienza, dalla comprensione dell'email e dalla ricerca del contesto giusto fino alla generazione della bozza. Fyxer ha scelto OpenAI perché i suoi modelli hanno ottenuto i risultati migliori nei benchmark interni di Fyxer, offrivano solide capacità di fine-tuning per attività soggettive come tono e intento e garantivano un supporto ingegneristico diretto tramite sessioni alla lavagna e collaborazione tecnica.
«Abbiamo scelto OpenAI perché offre i modelli migliori e ci ha dato un accesso concreto e la possibilità di lavorare a stretto contatto. Posso fare una domanda su Slack e ricevere rapidamente una risposta; quando incontriamo un problema, il team viene nel nostro ufficio e lo risolve insieme a noi. È sempre presente».
L'approccio di Fyxer offre tre insegnamenti a chi fonda aziende e sviluppa prodotti di IA fortemente basati sul contesto:
Fyxer ha costruito il proprio sistema attorno a 30-50 modelli specializzati, ciascuno responsabile di una parte circoscritta del flusso di lavoro dell'email. Anziché trattare l'email come un'unica attività di generazione del testo, Fyxer suddivide il problema in un sistema di previsioni, ad esempio stabilendo se un messaggio richiede una risposta o preparando risposte adatte al tono e al contesto dell'utente.
«Suddividere il problema tra tanti modelli più piccoli funziona molto meglio che chiedere a un unico modello di scrivere una buona email», spiega Hollingsworth.
Quando arriva una nuova email, un modello decisionale la classifica: richiede una risposta, un'azione di pianificazione o contiene semplicemente informazioni che l'utente dovrebbe vedere?
Se serve una risposta, altri modelli analizzano l'intento dell'email e prevedono il probabile esito dell'interazione. Questi modelli individuano schemi, ad esempio se la conversazione sta procedendo verso la pianificazione di una riunione, la risoluzione di una richiesta o la prosecuzione di un rapporto più duraturo.
La memoria è una delle componenti più importanti del sistema. Fyxer deve stabilire quali dettagli conservare tra una conversazione e l'altra e quali eliminare dopo un singolo scambio. Quando arriva una nuova email, i modelli di recupero la confrontano con le interazioni memorizzate e fanno emergere i ricordi più pertinenti per quella persona e quella conversazione.
I modelli di OpenAI supportano diverse fasi del sistema di Fyxer. «Usiamo i modelli di OpenAI per ogni fase: dall'analisi dell'email, per capirne davvero il contenuto, al recupero e al riordinamento del contesto da includere, fino alla generazione vera e propria dell'email», afferma Shantsila.
Prima di lanciare il suo prodotto di IA, Fyxer ha gestito per anni un servizio di assistenza esecutiva fornito da persone. Nel tempo, il team ha raccolto un set di dati basato su oltre 500.000 ore di flussi di lavoro esecutivi annotati, documentando come gli assistenti reali gestiscono la comunicazione professionale.
Questi esempi hanno fornito a Fyxer dati di addestramento tratti direttamente dal lavoro. Hanno colto le piccole valutazioni alla base di una buona risposta: quando rispondere rapidamente, quando aspettare, quale conversazione precedente è rilevante e perché la stessa richiesta può richiedere risposte diverse a seconda della persona.
Fyxer usa il fine-tuning supervisionato e la Low-Rank Adaptation (LoRA) nel suo sistema più ampio per creare varianti del modello specifiche per ogni attività, tenendo sotto controllo i costi di addestramento. Nelle prime fasi di sviluppo del prodotto, il team ha utilizzato la piattaforma di fine-tuning di OpenAI per le attività che richiedevano un'elevata accuratezza. Più di recente, Fyxer ha collaborato con il team di OpenAI dedicato al fine-tuning gestito per portare in produzione un nuovo checkpoint.
«OpenAI è stata fondamentale nell'aiutarci a trasferire ciò che abbiamo imparato sui nostri clienti e a integrarlo con successo nel funzionamento dei modelli».
Prima di distribuire qualsiasi modello, Fyxer lo valuta su set di convalida costruiti attorno alle proprie attività di posta elettronica, tra cui stesura, classificazione e definizione delle priorità. Il team valuta l'accuratezza insieme ai tempi di risposta e ai costi, poiché la scelta migliore può variare in base all'attività.
Una volta distribuito, il sistema di Fyxer continua a migliorare grazie al feedback degli utenti reali. Quando qualcuno modifica una bozza prima di inviarla, la differenza tra l'email originale e quella finale mostra quale risultato ha preferito.
Fyxer trasforma questi confronti in dati di addestramento tramite la Direct Preference Optimization (DPO). Anziché etichettare manualmente ogni esempio, il modello apprende da coppie di risultati: la bozza originale e la versione modificata dall'utente.
Ogni modifica al processo di stesura viene quindi sottoposta a un test A/B. Fyxer rilascia la nuova versione solo quando produce un miglioramento statisticamente significativo. Grazie al volume di utenti, il team può talvolta raggiungere questa soglia nell'arco di un giorno.
Oggi, il 53% delle bozze generate dall'IA di Fyxer viene accettato senza modifiche. Ciò significa che, per un'ampia quota di conversazioni reali, il sistema prevede correttamente l'intento e il tono. Nel solo 2025, i ricavi ricorrenti annuali di Fyxer sono passati da 1 milione a 32 milioni di dollari.
Per Hollingsworth, l'indicatore più significativo è la fidelizzazione. Molti clienti di Fyxer non hanno competenze tecniche approfondite e, per alcuni, Fyxer è il primo sistema di IA che usano ogni giorno.
«Tutti parlano di ARR, ma credo che la fidelizzazione sia il vero vanto. Dopo 90 giorni, oltre il 90% dei nostri utenti paga ancora il servizio e continua a usarlo ogni giorno».
Guardando al futuro, Fyxer sta sviluppando una comprensione più approfondita delle relazioni, delle preferenze e delle attività in corso. Il suo assistente continua a evolversi: dalla stesura delle risposte verso un assistente IA più completo, capace di gestire una parte maggiore del carico di lavoro legato alla comunicazione e al coordinamento dell'utente.
«La nostra visione è permettere ai clienti di dedicarsi il più possibile al lavoro che amano davvero», afferma Hollingsworth. «Vogliamo portarli al punto in cui non debbano più aprire il computer e possano affidare a Fyxer la gestione di tutto questo».
