Så byggde Fyxer en AI-chefsassistent som inger förtroende
Fyxer kombinerar OpenAI-modeller med över 500 000 timmars arbetsflöden för chefsassistenter och verklig användarfeedback för att skriva svar med varje persons egen röst.
90 %
Användarretention efter 90 dagar
53 %
AI-genererade utkast som godkänns utan ändringar
För många yrkesverksamma innebär arbetet att hålla reda på samtal och åtaganden i inkorgar, möten, meddelanden och appar. Utan ett helt tillförlitligt sammanhang kan åtaganden falla mellan stolarna och skada både projekt och relationer.
Fyxer byggde en AI-chefsassistent som håller ihop tråden när arbetet flyttas mellan olika verktyg. Den kombinerar de senaste modellerna från OpenAI med över 500 000 timmar av arbetsflöden för chefsassistenter och fördelar arbetet mellan dussintals specialiserade modeller som förbättras genom feedback från verkliga användare.
E-post är ett av de tydligaste områdena där man kan se hur det fungerar i praktiken. Två personer kan få samma mejl men behöva helt olika svar beroende på relationen, vad som har hänt tidigare och vad var och en försöker åstadkomma. Det gör en till synes enkel uppgift oväntat svår för AI.
”Det finns något som kallas Moravecs paradox”, förklarar Fyxers medgrundare Archie Hollingsworth. ”Sådant som människor tycker är enkelt är svårt för datorer, och sådant som datorer tycker är enkelt är svårt för människor.” Fyxer hanterar komplexiteten genom att lära sig hur varje användare arbetar, så att systemet kan svara som en assistent som redan vet vad som är viktigt.
Banbrytande modeller från OpenAI stödjer centrala delar av upplevelsen, från att förstå mejlet och hitta rätt sammanhang till att generera utkastet. Fyxer valde OpenAI eftersom företagets modeller presterade bäst i Fyxers interna jämförelser, erbjöd kraftfull finjustering för subjektiva uppgifter som ton och avsikt samt gav praktiskt tekniskt stöd genom whiteboardmöten och tekniskt samarbete.
”Vi valde OpenAI eftersom de har de bästa modellerna och har gett oss verklig tillgång och ett nära samarbete. Jag kan ställa en fråga i Slack och snabbt få svar. När vi stöter på problem kommer teamet till vårt kontor och löser dem tillsammans med oss. De ställer upp.”
Fyxers arbetssätt ger tre lärdomar för grundare som bygger AI-produkter med stort kontextberoende:
Fyxer byggde sitt system kring 30–50 specialiserade modeller, där var och en ansvarar för en avgränsad del av e-postflödet. I stället för att behandla e-post som en enda textgenereringsuppgift delar Fyxer upp problemet i ett system av förutsägelser, exempelvis att avgöra om ett meddelande kräver svar eller att skriva svar som stämmer med användarens ton och sammanhang.
”Att dela upp problemet mellan många mindre modeller fungerar mycket bättre än att be en enda Modell skriva ett bra mejl”, förklarar Hollingsworth.
När ett nytt mejl kommer in klassificerar en Modell för svarsbeslut meddelandet: kräver detta ett svar, en schemaläggningsåtgärd eller är det bara information som användaren bör se?
Om ett svar behövs analyserar ytterligare modeller mejlets avsikt och förutsäger interaktionens sannolika resultat. Dessa modeller identifierar mönster, till exempel om samtalet är på väg mot att boka ett möte, lösa en begäran eller fortsätta en längre relationstråd.
Minne är en av de viktigaste delarna av systemet. Fyxer måste avgöra vilka detaljer som ska finnas kvar mellan samtal och vilka som ska försvinna efter ett enda utbyte. När ett nytt mejl kommer in jämför modeller för informationshämtning det med lagrade interaktioner och lyfter fram de minnen som är mest relevanta för personen och tråden.
Modeller från OpenAI driver flera steg i Fyxers system. ”Vi använder modeller från OpenAI till allt från att bearbeta mejlet så att vi förstår vad det faktiskt handlar om, till att hämta och rangordna om det sammanhang vi vill inkludera och slutligen generera själva mejlet”, säger Shantsila.
Innan Fyxer lanserade sin AI-produkt drev företaget i flera år en tjänst med mänskliga chefsassistenter. Med tiden samlade teamet in en datamängd från över 500 000 timmar av annoterade arbetsflöden för chefsassistenter, som visar hur verkliga assistenter hanterar professionell kommunikation.
Dessa exempel gav Fyxer träningsdata hämtade direkt från arbetet. De fångade de små avvägningarna bakom ett bra svar: när man ska svara snabbt, när man ska vänta, vilka tidigare samtal som är relevanta och hur samma begäran kan kräva olika svar beroende på person.
Fyxer använder Övervakad finjustering och Low-Rank Adaptation (LoRA) i sitt övergripande system för att skapa uppgiftsspecifika Modell-varianter och samtidigt hålla utbildningskostnaderna under kontroll. Tidigt i produktutvecklingen använde teamet OpenAI:s plattform för finjustering till uppgifter som krävde hög precision. På senare tid samarbetade Fyxer med OpenAI:s team för hanterad finjustering för att produktionssätta en ny kontrollpunkt.
”OpenAI har varit avgörande för att hjälpa oss överföra våra lärdomar om kunderna och framgångsrikt införliva dem i hur modellerna fungerar.”
Innan en Modell driftsätts utvärderar Fyxer den mot valideringsmängder som bygger på företagets egna e-postuppgifter, däribland utkast, klassificering och prioritering. Teamet väger precision mot svarstid och kostnad, eftersom det bästa valet kan variera beroende på uppgift.
Efter driftsättningen fortsätter Fyxers system att förbättras genom feedback från verkliga användare. När någon redigerar ett utkast innan det skickas visar skillnaden mellan det ursprungliga och det slutliga mejlet vilket resultat personen föredrog.
Fyxer omvandlar dessa jämförelser till träningsdata med hjälp av Direct Preference Optimization (DPO). I stället för att manuellt märka upp varje exempel lär sig Modellen från resultatpar: det ursprungliga utkastet och den användarredigerade versionen.
Varje ändring av utkastfunktionen genomgår sedan ett A/B-test. Fyxer lanserar den nya versionen först när den ger en statistiskt signifikant förbättring. Tack vare användarvolymen kan teamet ibland nå den tröskeln inom ett dygn.
I dag godkänns 53 % av Fyxers AI-genererade utkast utan ändringar. Det innebär att systemet förutsäger avsikt och ton korrekt i en stor andel verkliga samtal. Enbart under 2025 ökade Fyxers årliga återkommande intäkter från 1 miljon till 32 miljoner dollar.
För Hollingsworth är retention ett tydligare styrkebesked. Många av Fyxers kunder har ingen djup teknisk kompetens, och för vissa är Fyxer det första AI-system de använder varje dag.
”Alla pratar om ARR, men jag tycker att retention är det verkliga styrkebeskedet. Över 90 % av våra användare betalar fortfarande efter 90 dagar och använder oss fortfarande varje dag.”
Framöver utvecklar Fyxer en djupare förståelse för relationer, preferenser och pågående arbetsflöden. Deras assistent fortsätter att utvecklas från att skriva svarsutkast till en bredare AI-assistent som kan hantera mer av användarens kommunikation och samordning.
”Vår vision är att våra kunder ska kunna ägna så mycket tid som möjligt åt det arbete de verkligen älskar”, säger Hollingsworth. ”Vi vill nå en punkt där de aldrig behöver öppna datorn och kan lita på att Fyxer hanterar allt detta.”
