90%
90 天後的使用者留存率
53%
AI 生成的草稿未經修改即獲採用
對許多專業人士而言，工作意味著要在收件匣、會議、訊息與各種應用程式之間，掌握每段對話與每項承諾。如果缺乏可靠的情境資訊，這些承諾就可能遭到遺漏，進而損害專案與人際關係。
Fyxer 打造了一款 AI 高階主管助理，能在工作橫跨不同工具時持續掌握脈絡。它結合 OpenAI 最新模型與超過 50 萬小時的高階主管助理工作流程，將工作分配給數十個專用模型，並透過真實使用者的意見持續改進。
電子郵件是最能清楚看出它如何發揮作用的場景之一。兩個人即使收到同一封郵件，也可能因各自與寄件人的關係、先前的互動，以及各自想達成的目標，而需要截然不同的回覆。這項任務看似簡單，對 AI 而言卻很困難。
Fyxer 共同創辦人 Archie Hollingsworth 解釋：「有一種現象稱為 Moravec 悖論。人類覺得容易的事，電腦往往覺得困難；電腦覺得容易的事，對人類來說卻很難。」Fyxer 透過學習每位使用者的工作方式來應對這種複雜性，進而像早已清楚要務的助理一樣作出回應。
OpenAI 的前沿模型支援體驗中的關鍵環節，從理解電子郵件、找出正確的情境資訊，到生成草稿。Fyxer 選擇 OpenAI，是因為其模型在 Fyxer 的內部基準測試中表現最佳，能針對語氣與意圖等主觀任務提供強大的微調能力，並透過白板討論和技術協作提供實作工程支援。
「我們選擇 OpenAI，是因為他們擁有最出色的模型，也讓我們能真正與他們接觸並密切合作。我可以在 Slack 上提出問題，很快就能得到答覆；遇到問題時，他們的團隊也會到我們的辦公室，與我們一起解決。他們會提供實際支援。」
Fyxer 的做法為打造高度情境化 AI 產品的創辦人帶來三項啟示：
Fyxer 以 30 至 50 個專用模型為核心打造系統，每個模型各自負責電子郵件工作流程中的一個特定環節。Fyxer 不將電子郵件視為單一的文字生成任務，而是把問題拆分成一套預測系統，例如判斷訊息是否需要回覆，或草擬符合使用者語氣和情境的回覆。
Hollingsworth 解釋：「把問題拆分給許多較小的模型，效果遠勝於要求單一模型寫出一封好郵件。」
收到新郵件時，回覆決策模型會將訊息分類：這封郵件需要回覆、採取排程動作，還是只需讓使用者閱讀資訊？
如果需要回覆，其他模型會分析郵件意圖，並預測這次互動可能產生的結果。這些模型會判斷對話的發展方向，例如接下來是要安排會議、處理要求，還是延續先前的往來。
記憶是系統中最重要的部分之一。Fyxer 必須判斷哪些細節應在不同對話間保留，哪些則應在單次交流後消失。收到新郵件時，檢索模型會將其與儲存的互動比較，並找出與該對象及對話脈絡最相關的記憶。
OpenAI 模型為 Fyxer 系統中的多個環節提供支援。Shantsila 表示：「從消化電子郵件內容以理解真正主旨，到提取並重新排序要納入的情境資訊，再到實際生成郵件，我們全都使用 OpenAI 模型。」
推出 AI 產品前，Fyxer 曾花費多年經營由真人提供服務的高階主管助理業務。多年來，團隊累積了一套資料集，涵蓋超過 50 萬小時且經過標註的高階主管工作流程，記錄真人助理如何處理職場溝通。
這些範例讓 Fyxer 取得直接源自實際工作的訓練資料。這些資料捕捉到妥善回覆背後的細微判斷：何時應迅速回覆、何時該等待、先前哪段對話會影響回覆，以及面對同一項要求時，為何不同的人需要不同的回覆。
Fyxer 在整體系統中採用監督微調與低秩適應 (LoRA) 來建立針對特定任務的模型變體，同時控制訓練成本。產品開發初期，團隊針對需要高度準確性的任務，使用 OpenAI 的微調平台。最近，Fyxer 與 OpenAI 的代管微調團隊合作，將新的檢查點投入正式環境。
「OpenAI 對我們非常重要，協助我們把對客戶的了解成功融入模型的運作方式。」
部署任何模型前，Fyxer 都會使用依自家電子郵件任務建立的驗證集進行評估，包括草擬、分類和排定優先順序。團隊會同時衡量準確性、回應時間與成本，因為不同任務的最佳選擇可能各不相同。
部署後，Fyxer 的系統會持續根據真實使用者的意見改進。使用者在寄出草稿前加以修改時，原始郵件與最終版本之間的差異就能顯示他們偏好的輸出。
Fyxer 使用直接偏好最佳化 (DPO)，將這些比較結果轉化為訓練資料。模型不必逐一依賴人工標註，而是從成對的輸出中學習：原始草稿與使用者編輯後的版本。
之後，草擬功能的每項改動都會經過 A/B 測試。只有在新版本帶來具統計顯著性的改善時，Fyxer 才會推出。龐大的使用者規模讓團隊有時能在一天內達到這項門檻。
目前，Fyxer 有 53% 的 AI 生成草稿未經修改即獲採用。這表示對於很大一部分的真實對話，系統都能準確預測意圖與語氣。光是 2025 年，Fyxer 的年度經常性收入便從 100 萬美元增至 3,200 萬美元。
對 Hollingsworth 而言，留存率才是更有力的指標。許多 Fyxer 客戶並不熟悉技術；對部分客戶而言，Fyxer 是他們首度開始每天使用的 AI 系統。
「大家都在談年度經常性收入，但我認為留存率才是真正值得自豪的成績。使用滿 90 天後，仍有超過 90% 的使用者持續付費，而且每天都在使用我們的產品。」
展望未來，Fyxer 正在深入理解人際關係、個人偏好，以及持續進行中的工作脈絡。他們的助理不斷突破草擬回覆的範疇，逐步發展成更全方位的 AI 助理，能為使用者處理更多溝通與協調工作。
Hollingsworth 表示：「我們希望讓客戶盡可能投入他們真正熱愛的工作。我們希望有朝一日，他們不必再打開電腦，也能放心把這一切交給 Fyxer 處理。」
