Fyxer نے قابلِ اعتماد AI ایگزیکٹو اسسٹنٹ کیسے بنایا

بہت سے پیشہ ور افراد کے لیے کام کا مطلب ان باکس, میٹنگز, میسجز اور ایپس میں پھیلی گفتگوؤں اور وعدوں کا حساب رکھنا ہے. مکمل اور قابلِ اعتماد سیاق کے بغیر یہ وعدے نظر انداز ہو سکتے ہیں, جس سے پروجیکٹس اور تعلقات کو نقصان پہنچتا ہے.

Fyxer نے ایک ایسا AI ایگزیکٹو اسسٹنٹ بنایا جو مختلف آلات پر منتقل ہوتے کام کے سلسلے پر نظر رکھتا ہے. یہ OpenAI کے تازہ ترین ماڈلز کو ایگزیکٹو اسسٹنٹ کے 500,000 سے زیادہ گھنٹوں کے کام کے طریقوں کے ساتھ ملاتا ہے اور کام کو درجنوں مخصوص ماڈلز میں تقسیم کرتا ہے, جو حقیقی صارفین کی رائے سے بہتر ہوتے ہیں.

اسے کام کرتے دیکھنے کے لیے ای میل واضح ترین مثالوں میں سے ایک ہے. دو افراد کو ایک ہی ای میل مل سکتی ہے, مگر ان کے تعلق, سابقہ واقعات اور ہر شخص کے مقصد کے لحاظ سے انہیں بالکل مختلف جوابات درکار ہو سکتے ہیں. اسی لیے بظاہر آسان یہ کام AI کے لیے توقع سے کہیں زیادہ مشکل ہے.

Fyxer کے شریک بانی آرچی Hollingsworth بتاتے ہیں, ”ایک تصور ہے جسے موراویک کا تضاد کہا جاتا ہے.“ ”جو کام انسانوں کو آسان لگتے ہیں وہ کمپیوٹروں کے لیے مشکل ہوتے ہیں, اور جو کمپیوٹروں کو آسان لگتے ہیں وہ انسانوں کے لیے مشکل ہوتے ہیں.“ Fyxer ہر صارف کے کام کرنے کا طریقہ سیکھ کر اس پیچیدگی کو سنبھالتا ہے, تاکہ ایسے معاون کی طرح جواب دے جو پہلے ہی جانتا ہو کہ کیا اہم ہے.

جدید ترین OpenAI ماڈلز اس تجربے کے اہم حصوں کو سپورٹ کرتے ہیں, ای میل کو سمجھنے اور درست سیاق و سباق تلاش کرنے سے لے کر مسودہ تیار کرنے تک. Fyxer نے OpenAI کا انتخاب اس لیے کیا کیونکہ اس کے ماڈلز نے Fyxer کے اندرونی بینچ مارکس پر بہترین کارکردگی دکھائی, ٹون اور ارادے جیسے موضوعی کاموں کے لیے مضبوط فائن ٹیوننگ کی صلاحیتیں فراہم کیں, اور وائٹ بورڈنگ سیشنز اور تکنیکی تعاون کے ذریعے براہ راست انجینئرنگ معاونت فراہم کی.

Fyxer کا طریقۂ کار گہرے سیاق والے AI پروڈکٹس بنانے والے بانیوں کے لیے تین سبق پیش کرتا ہے:

Fyxer نے اپنا سسٹم 30–50 مخصوص ماڈلز کے گرد بنایا, جن میں سے ہر ایک ای میل کے کام کے ایک محدود حصے کا ذمہ دار ہے. ای میل کو متن بنانے کا ایک ہی کام سمجھنے کے بجائے, Fyxer مسئلے کو پیش گوئیوں کے سسٹم میں تقسیم کرتا ہے, مثلاً یہ طے کرنا کہ میسج کا جواب ضروری ہے یا صارف کے لہجے اور سیاق کے مطابق جواب کا مسودہ بنانا.

Hollingsworth بتاتے ہیں, ”ایک ماڈل سے اچھی ای میل لکھوانے کے مقابلے میں مسئلے کو کئی چھوٹے ماڈلز میں تقسیم کرنا کہیں بہتر کام کرتا ہے.“

نئی ای میل آنے پر جواب کا فیصلہ کرنے والا ماڈل میسج کی درجہ بندی کرتا ہے: کیا اس کا جواب درکار ہے, وقت طے کرنے کی کارروائی چاہیے, یا یہ صرف ایسی معلومات ہیں جو صارف کو دیکھنی چاہییں؟

اگر جواب درکار ہو تو اضافی ماڈلز ای میل کے ارادے کا تجزیہ کرتے اور رابطے کے ممکنہ نتیجے کی پیش گوئی کرتے ہیں. یہ ماڈلز ایسے رجحانات پہچانتے ہیں, مثلاً آیا گفتگو اجلاس طے کرنے, کسی درخواست کو حل کرنے یا طویل تعلق کے سلسلے کو جاری رکھنے کی طرف بڑھ رہی ہے.

میموری سسٹم کے اہم ترین حصوں میں سے ایک ہے. Fyxer کو طے کرنا ہوتا ہے کہ کون سی تفصیلات گفتگوؤں کے درمیان برقرار رہیں اور کون سی ایک ہی تبادلے کے بعد ختم ہو جائیں. نئی ای میل آنے پر بازیافتی ماڈلز اس کا محفوظ رابطوں سے موازنہ کرتے ہیں اور اس شخص اور گفتگو کے سلسلے سے سب سے زیادہ متعلق یادیں سامنے لاتے ہیں.

OpenAI کے ماڈلز Fyxer کے پورے نظام کے مختلف مراحل کو تقویت دیتے ہیں. شانٹسیلا کہتے ہیں, ”ہم OpenAI کے ماڈلز کو ای میل پوری طرح سمجھنے سے لے کر, تاکہ معلوم ہو سکے کہ اصل موضوع کیا ہے, مطلوبہ سیاق حاصل کر کے دوبارہ درجہ دینے اور پھر اصل ای میل تیار کرنے تک ہر کام کے لیے استعمال کرتے ہیں.“

اپنی AI پروڈکٹ جاری کرنے سے پہلے, Fyxer نے کئی سال انسانی عملے سے چلنے والی ایگزیکٹو اسسٹنٹ سروس فراہم کی. وقت کے ساتھ, ٹیم نے نشان زدہ انتظامی کام کے طریقوں کے 500,000 سے زیادہ گھنٹوں پر مشتمل ڈیٹا مجموعہ تیار کیا, جو دکھاتا ہے کہ حقیقی معاون پیشہ ورانہ رابطے کیسے سنبھالتے ہیں.

ان مثالوں نے Fyxer کو خود اسی کام سے حاصل کردہ تربیتی ڈیٹا فراہم کیا. ان میں اچھے جواب کے پیچھے چھوٹے چھوٹے فیصلے محفوظ تھے: کب فوراً جواب دینا ہے, کب انتظار کرنا ہے, کون سی پچھلی گفتگو اہم ہے, اور ایک ہی درخواست پر مختلف لوگوں کو مختلف جواب کیوں درکار ہو سکتا ہے.

Fyxer اپنے وسیع نظام میں سپر وائزڈ فائن ٹیوننگ اور کم رینک موافقت (LoRA) استعمال کرتا ہے تاکہ ٹریننگ کے اخراجات قابو میں رکھتے ہوئے مخصوص کاموں کے لیے ماڈل کی مختلف شکلیں بنائی جا سکیں. پروڈکٹ کی ابتدائی تیاری کے دوران, ٹیم نے زیادہ درستگی والے کاموں کے لیے OpenAI کا فائن ٹیوننگ پلیٹ فارم استعمال کیا. حال ہی میں, Fyxer نے ایک نیا چیک پوائنٹ عملی استعمال میں لانے کے لیے OpenAI کی زیر انتظام فائن ٹیوننگ ٹیم کے ساتھ کام کیا.

کسی بھی ماڈل کو ڈیپلائے کرنے سے پہلے, Fyxer اسے اپنی ای میل سرگرمیوں کے مطابق بنائے گئے توثیقی مجموعوں پر جانچتا ہے, جن میں مسودہ سازی, درجہ بندی اور ترجیح طے کرنا شامل ہیں. ٹیم درستگی کے ساتھ جواب کے وقت اور لاگت کو بھی اہمیت دیتی ہے, کیونکہ بہترین انتخاب کام کے لحاظ سے مختلف ہو سکتا ہے.

ڈیپلائے کے بعد, Fyxer کا نظام حقیقی صارفین کی رائے سے مسلسل بہتر ہوتا رہتا ہے. جب کوئی صارف مسودہ بھیجنے سے پہلے اس میں ترمیم کرتا ہے تو اصل اور حتمی ای میل کا فرق بتاتا ہے کہ اس نے کس نتیجے کو ترجیح دی.

Fyxer براہ راست ترجیحی اصلاح (DPO) کے ذریعے ان موازنوں کو تربیتی ڈیٹا میں بدلتا ہے. ہر مثال پر دستی نشان لگانے کے بجائے, ماڈل نتائج کے جوڑوں سے سیکھتا ہے: اصل مسودہ اور صارف کی ترمیم شدہ شکل.

اس کے بعد مسودہ سازی کی ہر تبدیلی کو A/B آزمائش سے گزارا جاتا ہے. Fyxer نیا نسخہ صرف اسی وقت جاری کرتا ہے جب وہ اعداد و شمار کے لحاظ سے نمایاں بہتری دکھائے. صارفین کی بڑی تعداد کے باعث ٹیم کبھی کبھی ایک ہی دن میں اس حد تک پہنچ جاتی ہے.

آج Fyxer کے AI سے تیار کردہ 53% مسودے جوں کے توں منظور کر لیے جاتے ہیں. اس کا مطلب ہے کہ نظام حقیقی گفتگوؤں کے ایک بڑے حصے میں ارادے اور لہجے کی درست پیش گوئی کر رہا ہے. صرف 2025 میں, Fyxer کی سالانہ اعادی آمدنی 10 لاکھ ڈالر سے بڑھ کر 3 کروڑ 20 لاکھ ڈالر ہو گئی.

Hollingsworth کے نزدیک صارفین کا برقرار رہنا اس سے بھی مضبوط اشارہ ہے. Fyxer کے بہت سے صارفین کو گہری تکنیکی مہارت حاصل نہیں, اور بعض کے لیے Fyxer پہلا AI سسٹم ہے جسے وہ روزانہ استعمال کرتے ہیں.

مستقبل کو دیکھتے ہوئے, Fyxer تعلقات, ترجیحات اور جاری کام کے سلسلوں کو زیادہ گہرائی سے سمجھنے کی صلاحیت بنا رہا ہے. اس کا معاون صرف جوابات کے مسودے بنانے تک محدود نہیں رہا, بلکہ ایک وسیع تر AI معاون بن رہا ہے جو صارف کے رابطوں اور تال میل کے مزید کام مینج کر سکتا ہے.

Hollingsworth کہتے ہیں, ”ہمارا مقصد ہے کہ ہمارے صارفین زیادہ سے زیادہ وہی کام کریں جو انہیں واقعی پسند ہے.“ ”ہم انہیں اس مقام تک پہنچانا چاہتے ہیں جہاں انہیں کبھی کمپیوٹر نہ کھولنا پڑے اور وہ یہ سب سنبھالنے کے لیے Fyxer پر بھروسہ کر سکیں.“