Hoe Fyxer een betrouwbare AI-directieassistent bouwde
Fyxer combineert modellen van OpenAI met ruim 500.000 uur aan workflows van directieassistenten en echte gebruikersfeedback om antwoorden in de eigen stijl van iedere gebruiker op te stellen.
90%
Gebruikersbehoud na 90 dagen
53%
Van de door AI gegenereerde concepten die ongewijzigd worden geaccepteerd
Voor veel professionals betekent werken dat ze gesprekken en afspraken moeten bijhouden in inboxen, vergaderingen, berichten en apps. Zonder een ijzersterke context kunnen zulke afspraken tussen wal en schip raken, met schade aan projecten en relaties tot gevolg.
Fyxer bouwde een AI-directieassistent die de rode draad vasthoudt wanneer werk tussen verschillende tools wordt verplaatst. Het systeem combineert de nieuwste modellen van OpenAI met meer dan 500.000 uur aan workflows van directieassistenten. Het werk wordt verdeeld over tientallen gespecialiseerde modellen die zich verbeteren dankzij feedback van echte gebruikers.
E-mail is een van de duidelijkste voorbeelden van hoe dit in de praktijk werkt. Twee mensen kunnen dezelfde e-mail ontvangen, maar totaal verschillende antwoorden nodig hebben. Dat hangt af van hun relatie, wat er eerder is gebeurd en wat ieder van hen wil bereiken. Daardoor is deze ogenschijnlijk eenvoudige taak voor AI bedrieglijk moeilijk.
"Er bestaat zoiets als de paradox van Moravec", legt Archie Hollingsworth, medeoprichter van Fyxer, uit. "Dingen die mensen makkelijk vinden, zijn moeilijk voor computers, en dingen die computers makkelijk vinden, zijn moeilijk voor mensen." Fyxer gaat met die complexiteit om door te leren hoe iedere gebruiker werkt. Zo kan het reageren als een assistent die al weet wat belangrijk is.
Grensverleggende modellen van OpenAI ondersteunen cruciale onderdelen van de ervaring: van het begrijpen van de e-mail en vinden van de juiste context tot het genereren van het concept. Fyxer koos voor OpenAI omdat de modellen het beste presteerden in de interne benchmarks van Fyxer, krachtige fine-tuningmogelijkheden boden voor subjectieve taken zoals toon en intentie, en praktische technische ondersteuning leverden via whiteboardsessies en technische samenwerking.
"We kozen voor OpenAI omdat het de beste modellen heeft en ons directe toegang en een nauwe samenwerking biedt. Ik kan in Slack een vraag stellen en snel antwoord krijgen. Als we tegen een probleem aanlopen, komt het team naar ons kantoor om het samen met ons op te lossen. Ze staan voor ons klaar."
De aanpak van Fyxer biedt oprichters die sterk contextafhankelijke AI-producten bouwen drie lessen:
Fyxer bouwde zijn systeem rond 30 tot 50 gespecialiseerde modellen, die elk verantwoordelijk zijn voor een beperkt deel van de e-mailworkflow. In plaats van e-mail als één tekstgeneratietaak te behandelen, verdeelt Fyxer het probleem over een systeem van voorspellingen. Dat systeem bepaalt bijvoorbeeld of een bericht een antwoord vereist en stelt reacties op die aansluiten bij de toon en context van de gebruiker.
"Het probleem opsplitsen over veel kleinere modellen werkt veel beter dan één model vragen een goede e-mail te schrijven", legt Hollingsworth uit.
Wanneer een nieuwe e-mail binnenkomt, classificeert een model dat bepaalt of een antwoord nodig is het bericht: vereist dit een reactie, een planningsactie of is het alleen informatie die de gebruiker moet zien?
Als een antwoord nodig is, analyseren aanvullende modellen de intentie van de e-mail en voorspellen ze de waarschijnlijke uitkomst van de interactie. Deze modellen herkennen patronen, zoals of het gesprek uitmondt in het plannen van een afspraak, het afhandelen van een verzoek of het voortzetten van een langer lopende relatie.
Geheugen is een van de belangrijkste onderdelen van het systeem. Fyxer moet bepalen welke details tussen gesprekken bewaard moeten blijven en welke na één uitwisseling mogen verdwijnen. Wanneer een nieuwe e-mail binnenkomt, vergelijken modellen voor informatieontsluiting deze met opgeslagen interacties en halen ze de herinneringen naar boven die voor die persoon en gesprekslijn het relevantst zijn.
Modellen van OpenAI ondersteunen stappen in het hele systeem van Fyxer. "We gebruiken modellen van OpenAI voor alles: van het verwerken van de e-mail om te begrijpen waar die echt over gaat, tot het ophalen en opnieuw rangschikken van de context die we willen opnemen, en het daadwerkelijk genereren van de e-mail", zegt Shantsila.
Voordat Fyxer zijn AI-product lanceerde, runde het jarenlang een dienst met menselijke directieassistenten. In de loop der tijd bouwde het team een dataset op met meer dan 500.000 uur aan geannoteerde workflows van directieassistenten, waarin is vastgelegd hoe echte assistenten professionele communicatie beheren.
Die voorbeelden leverden Fyxer trainingsdata op die rechtstreeks uit de praktijk kwam. Ze legden de subtiele afwegingen achter een goed antwoord vast: wanneer je snel reageert, wanneer je wacht, welke eerdere gesprekken relevant zijn en waarom hetzelfde verzoek voor de ene persoon een ander antwoord vereist dan voor de andere.
Fyxer gebruikt in zijn bredere systeem supervised fine-tuning en Low-Rank Adaptation (LoRA) om taakspecifieke modelvarianten te maken en tegelijk de trainingskosten te beheersen. In een vroege ontwikkelingsfase gebruikte het team het fine-tuningplatform van OpenAI voor taken die een hoge nauwkeurigheid vereisten. Onlangs werkte Fyxer samen met het team voor beheerde fine-tuning van OpenAI om een nieuw checkpoint in productie te nemen.
"OpenAI heeft een cruciale rol gespeeld bij het vertalen van wat we over onze klanten hebben geleerd naar de manier waarop de modellen werken."
Voordat Fyxer een model implementeert, evalueert het dit aan de hand van validatiesets die zijn afgestemd op de eigen e-mailtaken, waaronder opstellen, classificeren en prioriteren. Het team weegt nauwkeurigheid af tegen responstijd en kosten, omdat de beste keuze per taak kan verschillen.
Na de implementatie blijft het systeem van Fyxer zich verbeteren dankzij feedback van echte gebruikers. Als iemand een concept vóór verzending bewerkt, laat het verschil tussen de oorspronkelijke en definitieve e-mail zien aan welke uitvoer die persoon de voorkeur gaf.
Fyxer zet die vergelijkingen met Direct Preference Optimization (DPO) om in trainingsdata. In plaats van elk voorbeeld handmatig te labelen, leert het model van paren uitvoer: het oorspronkelijke concept en de door de gebruiker bewerkte versie.
Elke wijziging in de manier waarop concepten worden opgesteld, ondergaat vervolgens een A/B-test. Fyxer brengt de nieuwe versie pas uit als die een statistisch significante verbetering oplevert. Dankzij het grote aantal gebruikers kan het team die drempel soms binnen één dag bereiken.
Tegenwoordig wordt 53% van de door Fyxer met AI gegenereerde concepten ongewijzigd geaccepteerd. Dat betekent dat het systeem bij een groot deel van de echte gesprekken de intentie en toon correct voorspelt. Alleen al in 2025 groeide de jaarlijks terugkerende omzet van Fyxer van 1 miljoen naar 32 miljoen dollar.
Voor Hollingsworth is gebruikersbehoud een nog sterker signaal. Veel klanten van Fyxer hebben weinig technische kennis. Voor sommigen is Fyxer het eerste AI-systeem dat ze dagelijks gebruiken.
"Iedereen praat over ARR, maar volgens mij is gebruikersbehoud pas echt iets om trots op te zijn. Na 90 dagen betaalt nog altijd meer dan 90% van onze gebruikers en gebruiken ze ons nog elke dag."
Met het oog op de toekomst werkt Fyxer aan een beter begrip van relaties, voorkeuren en lopende werkzaamheden. De assistent blijft zich ontwikkelen: van het opstellen van antwoorden naar een bredere AI-assistent die een groter deel van de communicatie- en coördinatietaken van gebruikers kan beheren.
"Onze visie is dat onze klanten zo veel mogelijk werk kunnen doen waar ze echt van houden", zegt Hollingsworth. "We willen bereiken dat ze hun computer nooit meer hoeven te openen en erop kunnen vertrouwen dat Fyxer dit allemaal regelt."
