Slik bygde Fyxer en KI-lederassistent folk stoler på

For mange yrkesaktive innebærer jobben å holde oversikt over samtaler og forpliktelser på tvers av innbokser, møter, meldinger og apper. Uten en bunnsolid forståelse av konteksten kan slike forpliktelser bli glemt og skade både prosjekter og relasjoner.

Fyxer bygde en KI-lederassistent som holder tråden når arbeidet flyttes mellom ulike verktøy. Den kombinerer de nyeste modellene fra OpenAI med mer enn 500 000 timer med arbeidsprosesser for lederassistenter. Arbeidet fordeles mellom flere titalls spesialiserte modeller som forbedres gjennom reelle tilbakemeldinger fra brukerne.

E-post er et av områdene der det er lettest å se dette i praksis. To personer kan motta samme e-post, men trenge helt ulike svar avhengig av relasjonen, hva som har skjedd tidligere, og hva hver av dem ønsker å oppnå. Det gjør en tilsynelatende enkel oppgave overraskende vanskelig for KI.

«Det finnes noe som kalles Moravecs paradoks», forklarer Archie Hollingsworth, medgründer av Fyxer. «Det mennesker synes er enkelt, er vanskelig for datamaskiner, og det datamaskiner synes er enkelt, er vanskelig for mennesker.» Fyxer håndterer denne kompleksiteten ved å lære hvordan hver enkelt bruker arbeider, slik at systemet kan svare som en assistent som allerede vet hva som er viktig.

Banebrytende modeller fra OpenAI støtter sentrale deler av opplevelsen, fra å forstå e-posten og finne riktig kontekst til å generere utkastet. Fyxer valgte OpenAI fordi modellene deres ga best resultater i Fyxers interne tester, hadde gode muligheter for finjustering til subjektive oppgaver som tone og hensikt, og ga praktisk utviklerstøtte gjennom arbeid ved tavlen og teknisk samarbeid.

Fyxers tilnærming gir gründere som utvikler KI-produkter med stor kontekstforståelse, tre nyttige lærdommer:

Fyxer bygde systemet rundt 30–50 spesialiserte modeller, som hver har ansvar for en avgrenset del av arbeidsflyten for e-post. I stedet for å behandle e-post som én enkelt tekstgenereringsoppgave deler Fyxer problemet opp i et system av forutsigelser, for eksempel å avgjøre om en melding krever svar, eller å lage svarutkast som passer til brukerens tone og kontekst.

«Å dele problemet opp mellom mange mindre modeller fungerer mye bedre enn å be én modell skrive en god e-post», forklarer Hollingsworth.

Når en ny e-post kommer inn, klassifiserer en modell meldingen for å avgjøre om den krever svar, en kalenderhandling eller bare inneholder informasjon brukeren bør se.

Hvis det er behov for et svar, analyserer flere modeller hensikten med e-posten og forutsier det sannsynlige utfallet av samhandlingen. Disse modellene identifiserer mønstre, for eksempel om samtalen er på vei mot å avtale et møte, løse en forespørsel eller videreføre en mer langvarig relasjon.

Minne er en av de viktigste delene av systemet. Fyxer må avgjøre hvilke detaljer som skal huskes på tvers av samtaler, og hvilke som skal forsvinne etter én enkelt utveksling. Når en ny e-post kommer inn, sammenligner gjenfinningsmodeller den med lagrede interaksjoner og henter frem minnene som er mest relevante for personen og samtaletråden.

Modeller fra OpenAI driver flere trinn i Fyxers system. «Vi bruker modeller fra OpenAI til alt fra å analysere e-posten, slik at vi forstår hva den egentlig handler om, til å hente inn og rangere konteksten vi ønsker å ta med på nytt, og til selve genereringen av e-posten», sier Shantsila.

Før Fyxer lanserte KI-produktet sitt, drev selskapet i flere år en tjeneste med menneskelige lederassistenter. Over tid bygde teamet opp et datasett basert på mer enn 500 000 timer med annoterte arbeidsprosesser for lederassistenter, som viser hvordan ekte assistenter håndterer profesjonell kommunikasjon.

Disse eksemplene ga Fyxer treningsdata hentet direkte fra selve arbeidet. De fanget opp de små vurderingene som ligger bak et godt svar: når man bør svare raskt, når man bør vente, hvilke tidligere samtaler som er relevante, og hvorfor samme forespørsel kan kreve ulike svar til forskjellige personer.

Fyxer bruker overvåket finjustering og Low-Rank Adaptation (LoRA) i det større systemet for å lage oppgavespesifikke modellvarianter og samtidig holde treningskostnadene under kontroll. Tidlig i produktutviklingen brukte teamet OpenAIs plattform for finjustering til oppgaver som krevde høy nøyaktighet. Senere samarbeidet Fyxer med OpenAIs team for administrert finjustering om å sette et nytt kontrollpunkt i produksjon.

Før en modell tas i bruk, evaluerer Fyxer den på valideringssett som er bygget rundt selskapets egne e-postoppgaver, blant annet utforming av utkast, klassifisering og prioritering. Teamet vurderer nøyaktighet opp mot svartid og kostnader, siden det beste valget kan variere fra oppgave til oppgave.

Etter at systemet er tatt i bruk, fortsetter det å bli bedre gjennom reelle tilbakemeldinger fra brukerne. Når noen redigerer et utkast før det sendes, viser forskjellen mellom den opprinnelige og den endelige e-posten hvilket resultat de foretrakk.

Fyxer gjør disse sammenligningene om til treningsdata ved hjelp av Direct Preference Optimization (DPO). I stedet for å merke hvert eksempel manuelt lærer modellen av par med resultater: det opprinnelige utkastet og versjonen brukeren har redigert.

Hver endring i utkastfunksjonen gjennomgår deretter en A/B-test. Fyxer lanserer den nye versjonen bare når den gir en statistisk signifikant forbedring. Brukervolumet gjør at teamet noen ganger kan nå denne terskelen i løpet av én dag.

I dag godkjennes 53 % av Fyxers KI-genererte utkast uten endringer. Det betyr at systemet forutsier hensikt og tone riktig i en stor andel av de reelle samtalene. Bare i 2025 økte Fyxers årlige gjentakende inntekter fra 1 million til 32 millioner dollar.

For Hollingsworth er kundelojaliteten et enda sterkere signal. Mange av Fyxers kunder har begrenset teknisk erfaring, og for noen er Fyxer det første KI-systemet de bruker hver dag.

Fremover arbeider Fyxer med å utvikle en dypere forståelse av relasjoner, preferanser og pågående arbeidsprosesser. Assistenten deres utvikler seg videre fra å skrive svarutkast til å bli en bredere KI-assistent som kan håndtere mer av brukerens kommunikasjon og koordinering.

«Visjonen vår er at kundene skal få bruke mest mulig tid på arbeidet de virkelig elsker», sier Hollingsworth. «Vi vil få dem dit at de aldri trenger å åpne datamaskinen, men kan stole på at Fyxer håndterer alt dette.»