నమ్మదగిన AI ఎగ్జిక్యూటివ్ సహాయకుడిని Fyxer ఎలా నిర్మించింది

చాలా మంది వృత్తినిపుణులకు పని చేయడం అంటే ఇన్‌బాక్స్‌లు, సమావేశాలు, మెసేజ్‌లు మరియు యాప్‌ల వ్యాప్తంగా జరిగే సంభాషణలు మరియు ఒప్పందాలను నిరంతరం పర్యవేక్షించడమే. పటిష్టమైన సందర్భ సమాచారం లేకపోతే, ఆ బాధ్యతలు తప్పిపోవచ్చు, దీనివల్ల ప్రాజెక్టులు, సంబంధాలు దెబ్బతినవచ్చు.

Fyxer సాధనాలు మారే కొద్దీ పని పురోగతికి అనుగుణంగా స్పందించే ఒక AI ఎగ్జిక్యూటివ్ అసిస్టెంట్‌ను రూపొందించింది. ఇది అధునాతన OpenAI మోడళ్లను 500,000 కంటే ఎక్కువ గంటల ఎగ్జిక్యూటివ్ అసిస్టెంట్ వర్క్‌ఫ్లోలతో మిళితం చేసి, నిజమైన వినియోగదారుల ఫీడ్‌బ్యాక్ ద్వారా మెరుగుపడే పదుల సంఖ్యలోని ప్రత్యేక మోడళ్ల మధ్య ఈ పనిని విభజిస్తుంది.

ఇది ఎలా పనిచేస్తుందో స్పష్టంగా కనిపించే చోట్లలో ఇమెయిల్ ఒకటి. ఇద్దరు వ్యక్తులకు ఒకే ఇమెయిల్ వచ్చినా, వారి మధ్య ఉన్న సంబంధం, ఇంతకుముందు ఏమి జరిగిందనేది, ప్రతి వ్యక్తి ఏ పని పూర్తి చేయాలనుకుంటున్నారనేదాన్ని బట్టి వారికి పూర్తిగా భిన్నమైన ప్రత్యుత్తరాలు అవసరం కావచ్చు. దీంతో చూడటానికి సులభంగా అనిపించే పని AIకి ఊహించిన దానికంటే కష్టంగా మారుతుంది.

“మొరావెక్ వైరుధ్యం అని ఒకటి ఉంది,” అని Fyxer సహ-స్థాపకుడు ఆర్చీ హాలింగ్స్‌వర్త్ వివరిస్తున్నారు. “మనుషులకు సులభంగా అనిపించేవి కంప్యూటర్లకు కష్టంగా ఉంటాయి, కంప్యూటర్లకు సులభంగా అనిపించేవి మనుషులకు కష్టంగా ఉంటాయి.” ప్రతి యూజర్‌ ఎలా పనిచేస్తారో నేర్చుకోవడం ద్వారా Fyxer ఆ సంక్లిష్టతను నిర్వహిస్తుంది. దాంతో, ఏది ముఖ్యమో ఇప్పటికే తెలిసిన సహాయకుడిలా అది స్పందించగలదు.

ఈమెయిల్‌ను అర్థం చేసుకోవడం మరియు సరైన సందర్భాన్ని కనుగొనడం నుండి డ్రాఫ్ట్‌ను రూపొందించడం వరకు అనుభవంలోని అత్యంత కీలకమైన భాగాలకు ఫ్రాంటియర్ OpenAI మోడళ్లు మద్దతునిస్తాయి. Fyxer, తన అంతర్గత బెంచ్‌మార్క్‌లలో OpenAI మోడల్‌లు అత్యుత్తమంగా పనిచేయడం, టోన్ మరియు ఉద్దేశం వంటి ఆత్మాశ్రయ పనుల కోసం బలమైన ఫైన్‌ట్యూనింగ్ సామర్థ్యాలను అందించడం, అలాగే వైట్‌బోర్డింగ్ సెషన్‌లు మరియు సాంకేతిక సహకారం ద్వారా ప్రత్యక్ష ఇంజినీరింగ్ మద్దతును అందించడం వల్ల OpenAIని ఎంచుకుంది.

అత్యంత సందర్భానుకూలమైన AI ఉత్పత్తులను రూపొందించే వ్యవస్థాపకులకు Fyxer విధానం మూడు పాఠాలను అందిస్తుంది:

Fyxer తన వ్యవస్థను 30–50 ప్రత్యేక మోడళ్ల చుట్టూ నిర్మించింది. వీటిలో ప్రతి మోడల్ ఇమెయిల్ వర్క్‌ఫ్లోలోని ఒక చిన్న భాగానికి బాధ్యత వహిస్తుంది. ఈమెయిల్‌ను ఒకే ఒక టెక్ట్స్-జెనరేషన్ పనిగా పరిగణించడానికి బదులుగా, Fyxer ఈ సమస్యను ప్రిడిక్షన్ల వ్యవస్థగా విభజిస్తుంది; ఉదాహరణకు, ఒక మెసేజ్‌కు ప్రత్యుత్తరం ఇవ్వాల్సిన అవసరం ఉందో లేదో నిర్ణయించడం లేదా వినియోగదారు శైలి మరియు సందర్భానికి తగినట్లుగా సమాధానాల డ్రాఫ్ట్‌లను తయారు చేయడం వంటివి.

“ఒక మంచి ఇమెయిల్ రాయమని ఒకే మోడల్‌ను అడగడం కంటే, సమస్యను అనేక చిన్న మోడళ్లుగా విభజించడం చాలా మెరుగ్గా పనిచేస్తుంది,” అని హాలింగ్స్‌వర్త్ వివరిస్తున్నారు.

కొత్త ఈమెయిల్ వచ్చినప్పుడు, రిప్లై డిసిషన్ మోడల్ ఆ మెసేజ్‌ను వర్గీకరిస్తుంది: దీనికి ప్రత్యుత్తరం ఇవ్వాలా, షెడ్యూలింగ్ చర్య తీసుకోవాలా లేదా వినియోగదారు చూడవలసిన కేవలం సమాచారమా అని నిర్ణయిస్తుంది.

ఒకవేళ ప్రత్యుత్తరం అవసరమైతే, అదనపు మోడళ్లు ఆ ఈమెయిల్ వెనుక ఉన్న ఉద్దేశాన్ని విశ్లేషించి, ఆ సంభాషణ యొక్క సంభావ్య ఫలితాన్ని అంచనా వేస్తాయి. సంభాషణ సమావేశాన్ని షెడ్యూల్ చేసే దిశగా, ఒక అభ్యర్థనను పరిష్కరించే దిశగా లేదా దీర్ఘకాలిక సంబంధానికి సంబంధించిన సంభాషణను కొనసాగించే దిశగా వెళ్తోందా వంటి నమూనాలను ఈ మోడల్‌లు గుర్తిస్తాయి.

మెమరీ వ్యవస్థలో అత్యంత ముఖ్యమైన భాగాల్లో ఒకటి. సంభాషణల మధ్య ఏ వివరాలు నిలిచి ఉండాలో, ఏవి ఒకే మార్పిడి తర్వాత మాయమవ్వాలో Fyxer నిర్ణయించాలి. కొత్త ఇమెయిల్ వచ్చినప్పుడు, రిట్రీవల్ మోడల్‌లు దానిని నిల్వ చేసిన పరస్పర చర్యలతో పోల్చి, ఆ వ్యక్తికి మరియు థ్రెడ్‌కు అత్యంత సంబంధితమైన మెమరీలను చూపిస్తాయి.

Fyxer వ్యవస్థ అంతటా వివిధ దశలకు OpenAI మోడల్‌లు శక్తినిస్తాయి. “ఇమెయిల్ అసలు దేని గురించి ఉందో అర్థం చేసుకునేందుకు దానిని విశ్లేషించడం నుంచి, మేము చేర్చాలనుకునే సందర్భాన్ని తీసుకురావడం, మళ్లీ ర్యాంక్ చేయడం వరకు, చివరికి ఇమెయిల్‌ను రూపొందించడం వరకు ప్రతిదానికీ మేము OpenAI మోడల్‌లను ఉపయోగిస్తాం,” అని శాంత్సిలా చెబుతున్నారు.

తన AI ప్రొడక్ట్‌ను ప్రారంభించడానికి ముందు, Fyxer మానవ ఆధారిత ఎగ్జిక్యూటివ్ అసిస్టెంట్ సేవను కొన్నేళ్లపాటు నిర్వహించింది. సమయం గడిచేకొద్దీ, నిజమైన అసిస్టెంట్‌లు ప్రొఫెషనల్ కమ్యూనికేషన్‌ను ఎలా నిర్వహిస్తారో తెలియజేసే 5,00,000 కంటే ఎక్కువ గంటల అనోటేటెడ్ ఎగ్జిక్యూటివ్ వర్క్‌ఫ్లోల ద్వారా రూపొందించిన డేటాసెట్‌ను ఈ టీమ్ సేకరించింది.

ఆ ఉదాహరణలు Fyxerకు పని నుంచే సేకరించిన శిక్షణ డేటాను అందించాయి. ఒక మంచి సమాధానం వెనుక ఉండే చిన్న చిన్న విచక్షణలను వారు నమోదు చేశారు: ఎప్పుడు వేగంగా సమాధానం ఇవ్వాలి, ఎప్పుడు వేచి ఉండాలి, ఏ పూర్వ సంభాషణ ముఖ్యమైనది, మరియు ఒకే రకమైన అభ్యర్థనకు ఒక వ్యక్తి నుండి మరొక వ్యక్తికి వేర్వేరు సమాధానాలు ఎలా అవసరమవుతాయి అనేది వారు తెలుసుకున్నారు.

శిక్షణ వ్యయాన్ని నియంత్రిస్తూనే టాస్క్-స్పెసిఫిక్ మోడల్ వేరియంట్‌లను రూపొందించడానికి, Fyxer తన విస్తృతమైన సిస్టమ్‌లో సూపర్వైజ్డ్ ఫైన్-ట్యూనింగ్ మరియు లో-ర్యాంక్ అడాప్టేషన్ (LoRA) లను ఉపయోగిస్తుంది. ఉత్పత్తి అభివృద్ధి ప్రారంభ దశలో, హై ఖచ్చితత్వం అవసరమైన పనుల కోసం బృందం OpenAI ఫైన్-ట్యూనింగ్ ప్లాట్‌ఫారమ్‌ను ఉపయోగించింది. ఇటీవల, కొత్త చెక్‌పాయింట్‌ను ప్రొడక్షన్‌లోకి తీసుకురావడానికి Fyxer OpenAI నిర్వహిత ఫైన్-ట్యూనింగ్ బృందంతో కలిసి పనిచేసింది.

ఏ మోడల్‌ను మోహరించే ముందైనా, Fyxer దానిని డ్రాఫ్టింగ్, వర్గీకరణ మరియు ప్రాధాన్యతనివ్వడం సహా తన స్వంత ఈమెయిల్ టాస్క్‌ల ఆధారంగా రూపొందించిన వాలిడేషన్ సెట్‌లపై మూల్యాంకనం చేస్తుంది. ఉత్తమ ఎంపిక అనేది పనిని బట్టి మారవచ్చు కాబట్టి, టీమ్ సమాధానం ఇచ్చే సమయం మరియు వ్యయంతో పాటు ఖచ్చితత్వానికి సరిసమాన ప్రాధాన్యతనిస్తుంది.

అమలు చేసిన తర్వాత, నిజమైన యూజర్‌ల అభిప్రాయాల ద్వారా Fyxer వ్యవస్థ మెరుగుపడుతూ ఉంటుంది. ఎవరైనా ఒక డ్రాఫ్ట్‌ను పంపే ముందు ఎడిట్ చేసినప్పుడు, ఆ ఒరిజినల్ ఈమెయిల్‌కు మరియు ఫైనల్ ఈమెయిల్‌కు మధ్య ఉన్న వ్యత్యాసం వారు ఏ అవుట్‌పుట్‌ను ఇష్టపడ్డారో తెలియజేస్తుంది.

Fyxer ఆ పోలికలను డైరెక్ట్ ప్రిఫరెన్స్ ఆప్టిమైజేషన్ (DPO) ఉపయోగించి శిక్షణ డేటాగా మారుస్తుంది. ప్రతి ఉదాహరణను మాన్యువల్‌గా లేబుల్ చేయడానికి బదులుగా, ఈ మోడల్ అవుట్‌పుట్ జతల నుండి నేర్చుకుంటుంది: ఒరిజినల్ డ్రాఫ్ట్ మరియు వినియోగదారు ఎడిట్ చేసిన వెర్షన్.

ప్రతి డ్రాఫ్టింగ్ మార్పు A/B పరీక్షకు లోనవుతుంది. Fyxer గణాంకపరంగా గణనీయమైన మెరుగుదల ఉన్నప్పుడు మాత్రమే కొత్త వెర్షన్‌ను విడుదల చేస్తుంది. దీని యూజర్ పరిమాణం వల్ల టీమ్ కొన్నిసార్లు ఒక రోజులోనే ఆ స్థాయికి చేరుకోగలదు.

నేడు, Fyxer AI రూపొందించిన డ్రాఫ్ట్‌లలో 53% రాసినట్లుగానే ఆమోదించబడుతున్నాయి. అంటే, నిజమైన సంభాషణల్లో గణనీయమైన భాగానికి వ్యవస్థ ఉద్దేశాన్ని, టోన్‌ను సరిగ్గా అంచనా వేస్తోంది. 2025లోనే, Fyxer వార్షిక పునరావృత ఆదాయం $1 మిలియన్ నుంచి $32 మిలియన్లకు పెరిగింది.

హాలింగ్స్‌వర్త్‌కు, నిలుపుదల మరింత బలమైన సంకేతం. చాలా మంది Fyxer కస్టమర్‌లకు సాంకేతికంగా అంత లోతైన పరిజ్ఞానం ఉండదు, మరియు కొంతమందికి ప్రతిరోజూ ఉపయోగించే మొదటి AI సిస్టమ్ Fyxer మాత్రమే.

ముందుచూపుతో, Fyxer సంబంధాలు, ప్రాధాన్యతలు మరియు కొనసాగుతున్న పని కార్యకలాపాల గురించి మరింత సమగ్రమైన అవగాహనను పెంపొందిస్తోంది. వారి అసిస్టెంట్ కేవలం సమాధానాలు డ్రాఫ్ట్ చేయడానికే పరిమితం కాకుండా, యూజర్‌ల కమ్యూనికేషన్ మరియు సమన్వయ వర్క్‌లోడ్‌లో ఎక్కువ భాగాన్ని నిర్వహించగల విస్తృతమైన AI అసిస్టెంట్‌గా మరింత రూపాంతరం చెందుతోంది.

“మా కస్టమర్‌లు తమకు ఎంతగానో నచ్చిన పనిని వీలైనంత ఎక్కువగా చేసేలా చూడటమే మా విజన్,” అని హోలింగ్స్‌వర్త్ పేర్కొన్నారు. “మా కస్టమర్‌లు తమ కంప్యూటర్‌ను ఓపెన్ చేయాల్సిన అవసరం లేకుండానే, అవన్నీ నిర్వహించడానికి Fyxer ను పూర్తిగా విశ్వసించగలిగే స్థితికి వారిని తీసుకువెళ్లాలని మేం భావిస్తున్నాం.”