როგორ შექმნა Fyxer-მა AI-ასისტენტი, რომელსაც ხალხი ენდობა
Fyxer აერთიანებს OpenAI-ის მოდელებს, ხელმძღვანელთა ასისტენტების 500 000-ზე მეტი საათის სამუშაო პროცესებსა და რეალურ უკუკავშირს, რათა პასუხები თითოეული ადამიანის სტილით შეადგინოს.
90%
მომხმარებლებისა შენარჩუნდა 90 დღის შემდეგ
53%
მონახაზებისა, რომლებიც ხელოვნურმა ინტელექტმა შექმნა, ცვლილებების გარეშე იქნა მიღებული
ბევრი პროფესიონალისთვის მუშაობა ნიშნავს საუბრებისა და ვალდებულებების თვალყურის დევნებას შემოსულ წერილებში, შეხვედრებში, შეტყობინებებსა და აპებში. სრულიად სანდო კონტექსტის გარეშე ეს ვალდებულებები შეიძლება ყურადღების მიღმა დარჩეს, რაც პროექტებსა და ურთიერთობებს აზიანებს.
Fyxer-მა შექმნა ხელმძღვანლის AI-ასისტენტი, რომელიც სხვადასხვა ხელსაწყოს შორის სამუშაოს გადაადგილებისას საკითხის განვითარებას მიჰყვება. ის OpenAI-ის უახლეს მოდელებს ხელმძღვანელის ასისტენტების 500 000-ზე მეტი საათის სამუშაო პროცესებთან აერთიანებს და სამუშაოს ათობით სპეციალიზებულ მოდელს შორის ანაწილებს, რომლებიც რეალური მომხმარებლების უკუკავშირით უმჯობესდება.
მისი მუშაობა ყველაზე ნათლად ელფოსტაში ჩანს. შეიძლება ორმა ადამიანმა ერთი და იგივე წერილი მიიღოს, თუმცა ურთიერთობის, წარსული მოვლენებისა და თითოეულის მიზნის მიხედვით სრულიად განსხვავებული პასუხები დასჭირდეთ. ამიტომ ერთი შეხედვით მარტივი ამოცანა AI-ისთვის მოულოდნელად რთული აღმოჩნდება.
„არსებობს ცნება, რომელსაც მორავეკის პარადოქსი ეწოდება“, — განმარტავს Fyxer-ის თანადამფუძნებელი არჩი ჰოლინგსუორთი. „რაც ადამიანებისთვის მარტივია, კომპიუტერებისთვის რთულია, ხოლო რაც კომპიუტერებისთვის მარტივია — ადამიანებისთვის რთული.“ Fyxer ამ სირთულეს თითოეული მომხმარებლის მუშაობის სტილის შესწავლით უმკლავდება და პასუხობს ისე, როგორც ასისტენტი, რომელმაც უკვე იცის, რა არის მნიშვნელოვანი.
OpenAI-ის მოწინავე მოდელები გამოცდილების ძირითად ნაწილებს უზრუნველყოფს — წერილის გაგებიდან და სათანადო კონტექსტის მოძიებიდან მონახაზის შექმნამდე. Fyxer-მა OpenAI აირჩია, რადგან მისი მოდელები Fyxer-ის შიდა ბენჩმარკებში საუკეთესო შედეგებს აჩვენებდა, სუბიექტური ამოცანებისთვის, როგორიცაა ტონი და განზრახვა, ზუსტი რეგულირების მძლავრ შესაძლებლობებს სთავაზობდა და ერთობლივი სეანსებისა (whiteboarding) და ტექნიკური თანამშრომლობის გზით უშუალო საინჟინრო მხარდაჭერას უზრუნველყოფდა.
„OpenAI ავირჩიეთ, რადგან მას საუკეთესო მოდელები აქვს. ამასთან, მან მოგვცა რეალური წვდომა და მჭიდრო თანამშრომლობის შესაძლებლობა. შემიძლია Slack-ში კითხვა დავსვა და პასუხი სწრაფად მივიღო, ხოლო როცა პრობლემას ვაწყდებით, გუნდი ჩვენს ოფისში მოდის და მის გადაჭრაზე ჩვენთან ერთად მუშაობს. ისინი ყოველთვის მზად არიან დასახმარებლად.“
Fyxer-ის მიდგომა მაღალი სამ გაკვეთილს სთავაზობს დამფუძნებლებს, რომლებიც კონტექსტის ღრმა გაგების უნარის მქონე AI-პროდუქტებს ქმნიან:
Fyxer-მა სისტემა 30–50 სპეციალიზებული მოდელის გარშემო შექმნა, რომელთაგან თითოეული ელფოსტის სამუშაო პროცესის ვიწრო ნაწილზეა პასუხისმგებელი. იმის ნაცვლად, რომ ელფოსტა ტექსტის გენერირების ერთ ამოცანად განიხილოს, Fyxer პრობლემას პროგნოზების სისტემად ყოფს — მაგალითად, განსაზღვრავს, საჭიროებს თუ არა შეტყობინება პასუხს, ან ქმნის მომხმარებლის ტონსა და კონტექსტზე მორგებულ პასუხებს.
„პრობლემის დაყოფა ბევრ მცირე მოდელად გაცილებით უკეთ მუშაობს, ვიდრე ერთი მოდელისთვის კარგი წერილის დაწერის თხოვნა“, — განმარტავს ჰოლინგსუორთი.
ახალი ელწერილის მოსვლისას პასუხთან დაკავშირებით გადაწყვეტილების მიღების მოდელი შეტყობინებას ახარისხებს: საჭიროა პასუხი, განრიგთან დაკავშირებული მოქმედება თუ უბრალოდ მომხმარებლისთვის ინფორმაციის ჩვენება?
თუ პასუხია საჭირო, დამატებითი მოდელები წერილის განზრახვას აანალიზებს და ურთიერთქმედების სავარაუდო შედეგს პროგნოზირებს. ეს მოდელები ადგენს ისეთ კანონზომიერებებს, საუბრის წაყვანა შეხვედრის დაგეგმვისკენ, მოთხოვნის გადაწყვეტა ან ურთიერთობათა უფრო ხანგრძლივი ძაფის გაგრძელება.
მეხსიერება სისტემის ერთ-ერთი უმნიშვნელოვანესი ნაწილია. Fyxer-მა უნდა განსაზღვროს, რომელი დეტალები უნდა შენარჩუნდეს საუბრებს შორის და რომელი უნდა გაქრეს ერთი მიმოცვლის შემდეგ. ახალი წერილის მიღებისას მოძიების მოდელები მას შენახულ ურთიერთქმედებებს ადარებს და გამოაქვს მეხსიერებაში შენახული ჩანაწერები, რომლებიც ყველაზე მეტადაა შესაფერისი კონკრეტული ადამიანისა და მიმოწერის ძაფისთვის.
OpenAI-ის მოდელები Fyxer-ის სისტემის სხვადასხვა ეტაპის მუშაობას უზრუნველყოფს. „OpenAI-ის მოდელებს ყველაფრისთვის ვიყენებთ: დაწყებული ელწერილის დამუშავებით, რათა გავიგოთ, რეალურად რას ეხება ის, და დამთავრებული სასურველი კონტექსტის მოძიებითა და ხელახალი რანჟირებით და უშუალოდ ელწერილის შექმნით“, — ამბობს შანცილა.
AI პროდუქტის გამოშვებამდე Fyxer წლების განმავლობაში ხელმძღვანელებს სთავაზობდა ასისტენტების მომსახურებას, რომელიც ადამიანებს ეფუძნებოდა. დროთა განმავლობაში გუნდმა შექმნა მონაცემთა ნაკრები, რომელიც აღმასრულებელი ასისტენტების 500 000-ზე მეტი საათის ანოტირებულ სამუშაო პროცესებს მოიცავდა და ასახავდა, როგორ მართავენ რეალური ასისტენტები პროფესიულ კომუნიკაციას.
ამ მაგალითებმა Fyxer-ს უშუალოდ რეალური სამუშაოდან მიღებული საწვრთნელი მონაცემები მისცა. მათ ასახეს კარგი პასუხის მიღმა არსებული მცირე გადაწყვეტილებები: როდის უნდა უპასუხო სწრაფად, როდის უნდა დაელოდო, რომელი წინა საუბარია მნიშვნელოვანი და რატომ შეიძლება ერთი და იგივე მოთხოვნა სხვადასხვა ადამიანისგან განსხვავებულ პასუხს საჭიროებდეს.
Fyxer მთელ სისტემაში იყენებს კონტროლირებად ზუსტ რეგულირებას და დაბალი რანგის ადაპტაციას (LoRA), რათა შექმნას კონკრეტულ ამოცანებზე მორგებული მოდელის ვარიანტები და ამავდროულად აკონტროლოს გაწვრთნის ხარჯი. პროდუქტის შემუშავების ადრეულ ეტაპზე გუნდი მაღალი სიზუსტის მომთხოვნი ამოცანებისთვის OpenAI-ის ზუსტი რეგულირების პლატფორმას იყენებდა. ახლახან Fyxer-მა OpenAI-ის მართული ზუსტი რეგულირების გუნდთან ერთად საექსპლუატაციო გარემოში ახალი საკონტროლო წერტილი დანერგა.
„OpenAI-მ გადამწყვეტი როლი შეასრულა იმაში, რომ მომხმარებლების შესახებ დაგროვილი ცოდნა წარმატებით გადაგვეტანა და მოდელების მუშაობაში აგვესახა.“
ნებისმიერი მოდელის დანერგვამდე Fyxer მას საკუთარი ელფოსტის ამოცანებზე შექმნილი ვალიდაციის ნაკრებებით აფასებს, მათ შორისაა მონახაზების შედგენა, კლასიფიკაცია და პრიორიტეტების განსაზღვრა. გუნდი სიზუსტეს პასუხის დროსა და ხარჯთან ერთად აფასებს, რადგან საუკეთესო არჩევანი ამოცანის მიხედვით იცვლება.
დანერგვის შემდეგ Fyxer-ის სისტემა რეალური მომხმარებლების უკუკავშირის საფუძველზე განაგრძობს გაუმჯობესებას. როცა მომხმარებელი გაგზავნამდე მონახაზს ასწორებს, თავდაპირველ და საბოლოო წერილს შორის სხვაობა აჩვენებს, რომელი შედეგი ამჯობინა მან.
Fyxer ამ შედარებებს პირდაპირი პრეფერენციის ოპტიმიზაციის (DPO) საშუალებით სასწავლო მონაცემებად გარდაქმნის. თითოეული მაგალითის ხელით მონიშვნის ნაცვლად, მოდელი შედეგების წყვილებზე სწავლობს: თავდაპირველ მონახაზსა და მომხმარებლის მიერ შესწორებულ ვერსიაზე.
შემდეგ მონახაზების შედგენის პროცესში შეტანილი ყოველი ცვლილება A/B ტესტს გადის. Fyxer ახალ ვერსიას მხოლოდ მაშინ უშვებს, როცა ის სტატისტიკურად მნიშვნელოვან გაუმჯობესებას აჩვენებს. მომხმარებელთა დიდი რაოდენობის წყალობით, გუნდი ზოგჯერ ამ ზღვარს ერთ დღეშიც აღწევს.
დღეს Fyxer-ის AI-ის მიერ შექმნილი მონახაზების 53% უცვლელად მიიღება. ეს ნიშნავს, რომ რეალური საუბრების დიდ ნაწილში სისტემა განზრახვასა და ტონს სწორად პროგნოზირებს. მხოლოდ 2025 წელს Fyxer-ის წლიური რეგულარული შემოსავალი 1 მილიონი დოლარიდან 32 მილიონ დოლარამდე გაიზარდა.
ჰოლინგსუორთისთვის უფრო მნიშვნელოვანი მაჩვენებელი მომხმარებელთა შენარჩუნებაა. Fyxer-ის ბევრ მომხმარებელს ღრმა ტექნიკური ცოდნა არ აქვს, ზოგისთვის კი Fyxer პირველი AI სისტემაა, რომელსაც ყოველდღიურად იყენებს.
„ყველა ARR-ზე საუბრობს, მაგრამ ვფიქრობ, მომხმარებელთა შენარჩუნება ნამდვილად საამაყო მაჩვენებელია. 90 დღის შემდეგაც ჩვენი მომხმარებლების 90%-ზე მეტი კვლავ იხდის მომსახურების საფასურს და ყოველდღიურად იყენებს მას.“
სამომავლოდ Fyxer ურთიერთობების, პრეფერენციებისა და მიმდინარე სამუშაო საკითხების უფრო ღრმა გაგების სისტემას ქმნის. მისი ასისტენტი პასუხების მონახაზების შედგენას სცდება და უფრო ფართო შესაძლებლობების მქონე AI ასისტენტად ვითარდება, რომელსაც მომხმარებლის კომუნიკაციასა და კოორდინაციასთან დაკავშირებული მეტი სამუშაოს მართვა შეუძლია.
„ჩვენი მიზანია, მომხმარებლებს შესაძლებლობა მივცეთ, რაც შეიძლება მეტი დრო დაუთმონ საქმეს, რომელიც ნამდვილად უყვართ“, — ამბობს ჰოლინგსუორთი. „გვინდა, მათ მიაღწიონ მდგომარეობას, როცა კომპიუტერის გახსნა აღარასოდეს დასჭირდებათ და ამ ყველაფრის მართვას Fyxer-ს ანდობენ.“
