Fyxer ने विश्वासार्ह AI कार्यकारी सहाय्यक कसा तयार केला

अनेक व्यावसायिकांसाठी, काम म्हणजे इनबॉक्स, बैठका, संदेश आणि अॅप्समधील संभाषणे व वचनबद्धतांचा मागोवा ठेवणे. भक्कम संदर्भाशिवाय, त्या वचनबद्धता दुर्लक्षित राहू शकतात, ज्यामुळे प्रकल्प आणि संबंधांना धक्का बसू शकतो.

Fyxer ने एक AI कार्यकारी सहाय्यक तयार केला आहे, जो काम विविध साधनांमध्ये पुढे जात असताना त्याचा धागा जपतो. तो नवीनतम OpenAI मॉडेल्सना कार्यकारी सहाय्यकांच्या 500,000 हून अधिक तासांच्या कार्यप्रवाहांसोबत जोडतो आणि काम डझनभर विशेषीकृत मॉडेल्समध्ये विभागतो, जे वास्तविक वापरकर्त्यांच्या अभिप्रायातून सुधारतात.

ईमेल हे ते प्रत्यक्षात कसे कार्य करते हे पाहण्यासाठी सर्वात स्पष्ट ठिकाणांपैकी एक आहे. दोन व्यक्तींना तोच ईमेल मिळू शकतो आणि त्यांच्यातील संबंध, आधी काय घडले आहे आणि प्रत्येक व्यक्तीला काय साध्य करायचे आहे यानुसार त्यांना पूर्णपणे वेगवेगळ्या उत्तरांची गरज असू शकते. त्यामुळे दिसायला सोपे वाटणारे काम AI साठी अपेक्षेपेक्षा कठीण बनते.

“मोरावेकचा विरोधाभास नावाची एक गोष्ट आहे,” असे Fyxer चे सह-संस्थापक आर्ची हॉलिंग्जवर्थ स्पष्ट करतात. “ज्या गोष्टी मानवांना सोप्या वाटतात त्या संगणकांसाठी कठीण असतात, आणि ज्या गोष्टी संगणकांना सोप्या वाटतात त्या मानवांसाठी कठीण असतात.” प्रत्येक वापरकर्ता कसा काम करतो हे शिकून Fyxer ही गुंतागुंत हाताळते, त्यामुळे काय महत्त्वाचे आहे हे आधीच माहीत असलेल्या सहाय्यकाप्रमाणे ती प्रतिसाद देऊ शकते.

अत्याधुनिक OpenAI मॉडेल अनुभवाच्या महत्त्वाच्या भागांना समर्थन देतात—ईमेल समजून घेण्यापासून योग्य संदर्भ शोधण्यापर्यंत आणि मसुदा तयार करण्यापर्यंत. Fyxer ने OpenAI निवडले कारण त्याची मॉडेल्स Fyxer च्या अंतर्गत बेंचमार्कवर सर्वोत्तम कामगिरी करत होती, टोन आणि हेतूसारख्या व्यक्तिनिष्ठ कामांसाठी मजबूत फाइन-ट्यूनिंग क्षमता देत होती आणि व्हाइटबोर्डिंग सत्रे व तांत्रिक सहकार्यातून प्रत्यक्ष अभियांत्रिकी सहाय्य पुरवत होती.

अत्यंत संदर्भानुकूल AI उत्पादने तयार करणाऱ्या संस्थापकांसाठी Fyxer च्या दृष्टिकोनातून तीन धडे मिळतात:

Fyxer ने तुमची प्रणाली 30–50 विशेषीकृत मॉडेल्सभोवती तयार केली आहे, ज्यापैकी प्रत्येक मॉडेल ईमेल वर्कफ्लोच्या मर्यादित भागासाठी जबाबदार आहे. ईमेलकडे एकाच मजकूर-निर्मिती कार्याप्रमाणे पाहण्याऐवजी, Fyxer समस्येचे अंदाजांच्या एका प्रणालीमध्ये विभाजन करते, जसे की संदेशाला उत्तर आवश्यक आहे का हे ठरवणे किंवा वापरकर्त्याच्या शैलीशी आणि संदर्भाशी जुळणारी उत्तरे तयार करणे.

“समस्येला अनेक लहान मॉडेल्समध्ये विभागणे, एका मॉडेलला चांगला ईमेल लिहिण्यास सांगण्यापेक्षा खूपच अधिक प्रभावी ठरते,” असे हॉलिंग्सवर्थ स्पष्ट करतात.

नवीन ईमेल आल्यावर, उत्तराचा निर्णय घेणारे मॉडेल संदेशाचे वर्गीकरण करते: यासाठी प्रतिसाद आवश्यक आहे का, वेळापत्रकासंबंधी कृती आवश्यक आहे का, की ही फक्त वापरकर्त्याने पाहावी अशी माहिती आहे?

उत्तर आवश्यक असल्यास, अतिरिक्त मॉडेल ईमेलमागील उद्देशाचे विश्लेषण करतात आणि परस्परसंवादाचा संभाव्य परिणाम भाकीत करतात. ही मॉडेल्स संभाषण बैठक नियोजित करण्याकडे, विनंतीचे निराकरण करण्याकडे किंवा दीर्घकालीन नातेसंबंधाचा धागा पुढे चालू ठेवण्याकडे जात आहे की नाही यासारखे नमुने ओळखतात.

मेमरी ही प्रणालीतील सर्वांत महत्त्वाच्या भागांपैकी एक आहे. Fyxer ला संभाषणांदरम्यान कोणते तपशील टिकून राहावेत आणि कोणते एका देवाणघेवाणीनंतर नाहीसे व्हावेत हे ठरवावे लागते. नवीन ईमेल आल्यावर, पुनर्प्राप्ती मॉडेल्स त्याची संग्रहित परस्परसंवादांशी तुलना करतात आणि त्या व्यक्ती व त्या थ्रेडसाठी सर्वाधिक संबंधित मेमरी समोर आणतात.

Fyxer च्या प्रणालीतील विविध टप्प्यांना OpenAI मॉडेल्सची शक्ती मिळते. “ईमेल नेमका कशाबद्दल आहे हे समजण्यासाठी त्याचे विश्लेषण करण्यापासून, आम्हाला समाविष्ट करायचा असलेला संदर्भ आणणे आणि त्याचे पुन्हा क्रमवारीकरण करण्यापर्यंत, तसेच प्रत्यक्ष ईमेल तयार करण्यापर्यंत, आम्ही प्रत्येक गोष्टीसाठी OpenAI मॉडेल्स वापरतो,” शँटसिला म्हणतात.

त्याचे AI उत्पादन सुरू करण्यापूर्वी, Fyxer ने मानवी सहाय्याने चालणारी कार्यकारी सहाय्यक सेवा अनेक वर्षे चालवली. कालांतराने, संघाने टिप्पणी केलेल्या कार्यकारी कार्यप्रवाहांच्या 500,000 हून अधिक तासांवर आधारित डेटासेट तयार केला, ज्यामध्ये वास्तविक सहाय्यक व्यावसायिक संवाद कसा व्यवस्थापित करतात हे नोंदवले गेले.

त्या उदाहरणांमुळे Fyxer ला थेट कामातून मिळालेला प्रशिक्षण डेटा मिळाला. चांगल्या प्रतिसादामागील सूक्ष्म निर्णय त्यांत टिपले गेले: कधी पटकन उत्तर द्यायचे, कधी थांबायचे, आधीच्या कोणत्या संभाषणाला महत्त्व आहे, आणि एकाच विनंतीसाठी एका व्यक्तीसाठी आणि दुसऱ्या व्यक्तीसाठी वेगळा प्रतिसाद कसा अपेक्षित असू शकतो.

Fyxer त्याच्या व्यापक प्रणालीमध्ये सुपरवाइझ्ड फाइन-ट्यूनिंग आणि लो-रँक अॅडॅप्टेशन (LoRA) वापरते, ज्यामुळे प्रशिक्षणाचा खर्च नियंत्रित ठेवत कामासाठी विशिष्ट मॉडेलचे प्रकार तयार करता येतात. उत्पादनाच्या विकासाच्या सुरुवातीच्या टप्प्यात, संघाने उच्च अचूकता आवश्यक असलेल्या कामांसाठी OpenAI चे फाइन-ट्यूनिंग प्लॅटफॉर्म वापरले. अलीकडे, Fyxer ने नवीन चेकपॉइंट उत्पादनात आणण्यासाठी OpenAI च्या व्यवस्थापित फाइन-ट्यूनिंग संघासोबत काम केले.

कोणतेही मॉडेल तैनात करण्यापूर्वी, Fyxer मसुदा तयार करणे, वर्गीकरण आणि प्राधान्यक्रम ठरवणे यांसह स्वतःच्या ईमेल कार्यांभोवती तयार केलेल्या प्रमाणीकरण संचांवर त्याचे मूल्यांकन करते. सर्वोत्तम पर्याय कामानुसार बदलू शकतो, म्हणून संघ अचूकतेसोबत प्रतिसादाचा वेळ आणि खर्च यांचाही विचार करते.

एकदा तैनात केल्यानंतर, Fyxer ची प्रणाली प्रत्यक्ष वापरकर्त्यांच्या अभिप्रायाद्वारे सतत सुधारत राहते. एखादी व्यक्ती पाठवण्यापूर्वी मसुदा संपादित करते तेव्हा, मूळ आणि अंतिम ईमेलमधील फरकातून त्यांनी कोणते आउटपुट पसंत केले हे दिसून येते.

Fyxer त्या तुलनांचे Direct Preference Optimization (DPO) वापरून प्रशिक्षण डेटामध्ये रूपांतर करते. प्रत्येक उदाहरणाला हाताने लेबल लावण्याऐवजी, मॉडेल आउटपुटच्या जोड्यांमधून शिकते: मूळ मसुदा आणि वापरकर्त्याने संपादित केलेली आवृत्ती.

त्यानंतर मसुद्यातील प्रत्येक बदल A/B चाचणीतून जातो. सांख्यिकीयदृष्ट्या महत्त्वपूर्ण सुधारणा झाल्यावरच Fyxer नवीन आवृत्ती प्रकाशित करते. त्याच्या वापरकर्त्यांची संख्या इतकी आहे की संघ कधीकधी एका दिवसात तो निकष गाठू शकते.

आज, Fyxer च्या AI द्वारे तयार केलेले 53% मसुदे जसेच्या तसे स्वीकारले जातात. याचा अर्थ, प्रत्यक्ष संभाषणांच्या मोठ्या भागातील हेतू आणि सूर यांचा प्रणाली अचूकपणे अंदाज लावत आहे. केवळ 2025 मध्ये, Fyxer चा वार्षिक आवर्ती महसूल $1 million वरून $32 million पर्यंत वाढला.

हॉलिंग्सवर्थ यांच्या मते, टिकून राहणे हा अधिक मजबूत संकेत आहे. अनेक Fyxer ग्राहक फारसे तांत्रिक जाणकार नाहीत आणि काहींसाठी, Fyxer ही ते दररोज वापरत असलेली पहिली AI प्रणाली आहे.

पुढे पाहता, Fyxer नातेसंबंध, प्राधान्ये आणि सुरू असलेल्या कामाच्या धाग्यांची अधिक समृद्ध समज विकसित करत आहे. त्यांचा सहाय्यक उत्तरांचा मसुदा तयार करण्यापलीकडे विकसित होत असून, वापरकर्त्याच्या संवाद आणि समन्वयाच्या कामाचा अधिक भार हाताळू शकणाऱ्या व्यापक AI सहाय्यकाकडे वाटचाल करत आहे.

“आमचे ध्येय म्हणजे आमच्या ग्राहकांना त्यांना खरोखर आवडणारे शक्य तितके काम करता यावे,” हॉलिंग्सवर्थ म्हणतात. “आम्हाला त्यांना अशा टप्प्यावर पोहोचवायचे आहे, जिथे त्यांना कधीही संगणक उघडावा लागणार नाही आणि हे सर्व व्यवस्थापित करण्यासाठी ते Fyxer वर विश्वास ठेवू शकतील.”