Cara Fyxer membina pembantu eksekutif AI yang dipercayai
Fyxer menggabungkan model OpenAI dengan lebih 500,000 jam aliran kerja pembantu eksekutif dan maklum balas pengguna sebenar untuk merangka balasan mengikut gaya setiap orang.
90%
Pengekalan pengguna selepas 90 hari
53%
Daripada draf janaan AI yang diterima tanpa suntingan
Bagi ramai golongan profesional, bekerja bermakna menjejaki perbualan dan komitmen dalam peti masuk, mesyuarat, mesej serta aplikasi. Tanpa konteks yang benar-benar kukuh, komitmen tersebut boleh terlepas pandang lalu menjejaskan projek dan hubungan.
Fyxer membina pembantu eksekutif AI yang mengikuti perkembangan urusan apabila kerja beralih antara pelbagai alat. Sistem itu menggabungkan model OpenAI terkini dengan lebih 500,000 jam aliran kerja pembantu eksekutif serta membahagikan kerja antara puluhan model khusus yang bertambah baik melalui maklum balas pengguna sebenar.
E-mel ialah antara cara paling jelas untuk melihat sistem itu berfungsi. Dua orang boleh menerima e-mel yang sama tetapi memerlukan balasan yang sama sekali berbeza bergantung pada hubungan mereka, perkara yang berlaku sebelum ini dan matlamat setiap orang. Oleh sebab itu, tugas yang kelihatan mudah sebenarnya amat sukar bagi AI.
“Terdapat satu konsep yang dipanggil paradoks Moravec,” jelas Pengasas bersama Fyxer, Archie Hollingsworth. “Perkara yang mudah bagi manusia sukar dilakukan komputer, manakala perkara yang mudah bagi komputer pula sukar dilakukan manusia.” Fyxer menangani kerumitan itu dengan mempelajari cara setiap pengguna bekerja supaya sistemnya boleh bertindak balas seperti pembantu yang sudah memahami perkara penting.
Model perbatasan OpenAI menyokong bahagian utama pengalaman tersebut, daripada memahami e-mel dan mencari konteks yang betul hinggalah menghasilkan draf. Fyxer memilih OpenAI kerana modelnya memberikan prestasi terbaik dalam penanda aras dalaman Fyxer, menawarkan keupayaan pelarasan halus yang kukuh untuk tugas subjektif seperti nada dan niat, serta menyediakan sokongan kejuruteraan secara langsung melalui sesi papan putih dan kerjasama teknikal.
“Kami memilih OpenAI kerana mereka mempunyai model terbaik, di samping memberi kami akses sebenar dan hubungan kerja yang rapat. Saya boleh mengemukakan soalan di Slack dan mendapat jawapan dengan cepat. Apabila kami menghadapi masalah, pasukan mereka datang ke pejabat kami dan menyelesaikannya bersama-sama. Mereka sentiasa hadir membantu.”
Pendekatan Fyxer menawarkan tiga pengajaran kepada pengasas yang membina produk AI dengan konteks yang mendalam:
Fyxer membina sistemnya berasaskan 30–50 model khusus yang masing-masing bertanggungjawab terhadap bahagian tertentu dalam aliran kerja e-mel. Daripada menganggap e-mel sebagai satu tugas penjanaan teks, Fyxer memecahkan masalah itu kepada sistem ramalan, seperti menentukan sama ada mesej memerlukan balasan atau merangka respons yang sepadan dengan nada dan konteks pengguna.
“Memecahkan masalah kepada banyak model yang lebih kecil memberikan hasil jauh lebih baik berbanding meminta satu model menulis e-mel yang baik,” jelas Hollingsworth.
Apabila e-mel baharu diterima, model keputusan balasan mengelaskan mesej tersebut: adakah mesej itu memerlukan respons, tindakan penjadualan atau sekadar mengandungi maklumat yang perlu dilihat pengguna?
Jika respons diperlukan, model tambahan menganalisis niat e-mel tersebut dan meramalkan kemungkinan hasil interaksi. Model ini mengenal pasti pola seperti sama ada perbualan sedang menuju ke arah penjadualan mesyuarat, penyelesaian permintaan atau penerusan urusan hubungan yang lebih panjang.
Memori ialah salah satu bahagian terpenting dalam sistem. Fyxer perlu menentukan butiran yang patut dikekalkan merentas perbualan dan butiran yang patut dipadamkan selepas satu interaksi. Apabila e-mel baharu diterima, model perolehan membandingkannya dengan interaksi yang disimpan dan memaparkan ingatan yang paling berkaitan dengan individu serta urusan tersebut.
Model OpenAI mengendalikan pelbagai langkah dalam sistem Fyxer. “Kami menggunakan model OpenAI untuk segala-galanya, daripada meneliti e-mel supaya kami memahami perkara yang sebenarnya dibincangkan, mendapatkan dan menyusun semula kedudukan konteks yang mahu disertakan, hinggalah menjana e-mel sebenar,” kata Shantsila.
Sebelum melancarkan produk AI miliknya, Fyxer mengendalikan perkhidmatan pembantu eksekutif berasaskan tenaga manusia selama bertahun-tahun. Dari semasa ke semasa, pasukan itu mengumpulkan set data daripada lebih 500,000 jam aliran kerja eksekutif beranotasi yang merakam cara pembantu sebenar mengurus komunikasi profesional.
Contoh tersebut memberi Fyxer data latihan yang diperoleh daripada kerja itu sendiri. Data itu merakam pertimbangan kecil di sebalik respons yang baik: masa untuk menjawab dengan segera atau menunggu, perbualan terdahulu yang berkaitan dan sebab permintaan yang sama mungkin memerlukan respons berbeza bagi setiap orang.
Fyxer menggunakan pelarasan halus terselia dan Penyesuaian Pangkat Rendah (LoRA) di seluruh sistemnya untuk menghasilkan varian model khusus tugas sambil mengawal kos latihan. Pada peringkat awal pembangunan produk, pasukan itu menggunakan platform pelarasan halus OpenAI untuk tugas yang memerlukan ketepatan tinggi. Baru-baru ini, Fyxer bekerjasama dengan pasukan pelarasan halus terurus OpenAI untuk menggunakan titik semak baharu dalam pengeluaran.
“OpenAI memainkan peranan penting dalam membantu kami memindahkan pengetahuan tentang pelanggan kami dan menerapkannya dengan jayanya pada cara model berfungsi.”
Sebelum sebarang model digunakan, Fyxer menilainya menggunakan set pengesahan yang dibina berdasarkan tugas e-melnya sendiri, termasuk penyediaan draf, pengelasan dan penetapan keutamaan. Pasukan itu menilai ketepatan bersama-sama masa respons dan kos kerana pilihan terbaik boleh berbeza mengikut tugas.
Selepas digunakan, sistem Fyxer terus bertambah baik melalui maklum balas pengguna sebenar. Apabila seseorang menyunting draf sebelum menghantarnya, perbezaan antara e-mel asal dengan versi akhir menunjukkan output yang menjadi pilihan mereka.
Fyxer menukarkan perbandingan tersebut kepada data latihan menggunakan Pengoptimuman Keutamaan Langsung (DPO). Daripada melabel setiap contoh secara manual, model belajar daripada pasangan output: draf asal dan versi yang disunting pengguna.
Setiap perubahan pada proses penyediaan draf kemudiannya menjalani ujian A/B. Fyxer hanya melancarkan versi baharu apabila versi itu menghasilkan peningkatan yang signifikan secara statistik. Jumlah penggunanya membolehkan pasukan itu kadangkala mencapai ambang tersebut dalam masa sehari.
Kini, 53% draf janaan AI Fyxer diterima tanpa suntingan. Ini bermakna sistem tersebut meramalkan niat dan nada dengan tepat bagi sebahagian besar perbualan sebenar. Pada tahun 2025 sahaja, hasil berulang tahunan Fyxer meningkat daripada $1 juta kepada $32 juta.
Bagi Hollingsworth, pengekalan ialah petunjuk yang lebih kukuh. Ramai pelanggan Fyxer tidak mempunyai pengetahuan teknikal yang mendalam, malah bagi sesetengah daripada mereka, Fyxer ialah sistem AI pertama yang digunakan setiap hari.
“Semua orang bercakap tentang ARR, tetapi bagi saya, pengekalanlah ukuran sebenar. Lebih 90% pengguna kami masih membayar selepas 90 hari bersama kami dan masih menggunakan Fyxer setiap hari.”
Pada masa hadapan, Fyxer sedang membina pemahaman yang lebih mendalam tentang hubungan, keutamaan dan urusan kerja yang berterusan. Pembantu mereka terus berkembang, daripada sekadar merangka balasan kepada pembantu AI yang lebih menyeluruh dan mampu mengurus lebih banyak beban komunikasi serta penyelarasan pengguna.
“Visi kami adalah untuk membolehkan pelanggan melakukan sebanyak mungkin kerja yang benar-benar mereka gemari,” kata Hollingsworth. “Kami mahu membawa mereka ke tahap yang membolehkan mereka tidak perlu lagi membuka komputer dan boleh mempercayai Fyxer untuk menguruskan segala-galanya.”
