A Fyxer olyan AI alapú ügyvezetői asszisztenst fejlesztett, amely az egyes felhasználók „hangján” képes megfogalmazni e-mailválaszokat. A rendszert a legújabb OpenAI modellekre építették, és több mint 500 000 órányi korábbi, emberi ügyvezetői asszisztensi munkafolyamatból származó, annotált adathalmazzal, valamint valós felhasználói visszajelzésekkel finomították.
Mi a probléma, amit megoldanak?
Sok szakembernek a munkája alapvetően a beszélgetések és feladatok nyomon követéséről szól — e-mailek, találkozók, üzenetek és különböző alkalmazások között. Hiányos kontextus esetén a feladatok könnyen kieshetnek, ami projektek és kapcsolatok sérüléséhez vezethet. Az egyszerűnek tűnő válaszadási feladatot komplikálja, hogy ugyanaz az üzenet két különböző címzett számára teljesen eltérő választ igényelhet a kapcsolat jellege, a korábbi történet és a szándékok alapján.
Miben más a Fyxer megközelítése?
A Fyxer nem egyetlen általános szövegtermelő modellt alkalmaz e-mailre, hanem a folyamatot 30–50 specializált modellre bontja, amelyek mindegyike szűk feladatra fókuszál. Például egy modell eldönti, hogy egy beérkezett levélre válasz szükséges-e, ütemezési lépéshez tartozik-e, vagy csak tájékoztatásul szolgál. Ha válasz kell, további modellek elemzik a levél szándékát és a lehetséges kimeneteket — például találkozó egyeztetéséhez, kérés lezárásához vagy hosszabb párbeszéd fenntartásához vezet-e a beszélgetés.
A memória kezelése kiemelt szerepet kap: a rendszernek meg kell határoznia, mely részletek maradjanak meg a beszélgetésláncok között, és melyek múljanak el egyetlen váltás után. Amikor új levél érkezik, a lekérdezésért felelős modellek összehasonlítják azt a tárolt interakciókkal, és előhozzák a legrelevánsabb emlékeket.
Milyen technológiát használnak?
A Fyxer több lépésben használ OpenAI modelleket: a beérkező e-mail tartalmának megértésétől a releváns kontextus kiválasztásán át maga a vázlatgenerálás is OpenAI-modellekre épül. A cég azért választotta az OpenAI-t, mert ezek a modellek a Fyxer belső benchmarkjai szerint jobban teljesítettek, jó finomhangolási lehetőséget kínálnak a szubjektív feladatok — például hangnem és szándék — kezelésére, és mérnöki támogatást is nyújtottak fehér táblás együttműködések formájában.
A fejlesztés során a Fyxer felügyelt finomhangolást és Low-Rank Adaptation (LoRA) módszereket alkalmazott, hogy feladatspecifikus modellvariánsokat hozzon létre, miközben kontroll alatt tartja a képzés költségeit. Az első fázisokban az OpenAI finomhangolási platformját használták nagy pontosságot igénylő feladatokra; később az OpenAI menedzselt finomhangolási csapatával dolgoztak új checkpoint élesítésén.
Milyen adaton tanult a rendszer?
A Fyxer először évekig emberi asszisztensi szolgáltatást működtetett. Ennek során gyűjtöttek össze több mint 500 000 órányi annotált ügyvezetői munkafolyamatot, amelyek valós példákon mutatják be, hogyan kezelik az asszisztensek a szakmai kommunikációt: mikor válaszolnak gyorsan, mikor várnak, mely korábbi beszélgetések számítanak, és hogyan változik a válasz személyenként.
Hogyan tanul a rendszer a felhasználói visszajelzésekből?
Amikor a felhasználó szerkeszt egy AI által készített vázlatot, a rendszer a kiinduló és a végleges e-mail közötti különbséget használja jelként arról, melyik kimenetet részesítette előnyben. Ezeket a párokat Direct Preference Optimization (DPO) segítségével alakítják át további tanítóadatokká, tehát nem kézi címkézésre, hanem a felhasználói választásokra épül a folyamatos javítás.
Minden változtatást A/B teszttel értékelnek: az új verziót csak akkor adják ki, ha statisztikailag szignifikáns javulást mutat. A felhasználói volumen nagy, ezért néha egy nap alatt elérhető a szükséges jelentőség.
Milyen eredményeket értek el?
A Fyxer szerint ma az AI által generált vázlatok 53%-át a felhasználók változtatás nélkül elfogadják. Ez azt jelzi, hogy a rendszer egy jelentős részben pontosan előre tudja jelezni a szándékot és a hangnemet valós beszélgetésekben. Pénzügyi mérföldkő: 2025-ben a cég éves visszatérő bevétele (ARR) 1 millió dollárról 32 millió dollárra növekedett.
A jobb jelzés azonban Hollingsworth szerint a megtartás: sok Fyxer-ügyfél nem különösebben technikai háttérrel rendelkezik, és számukra a Fyxer lehet az az első AI-rendszer, amelyet napi szinten használnak.
Tervek a jövőre
A Fyxer tovább dolgozik a kapcsolatok, preferenciák és folyamatban lévő feladatláncok mélyebb megértésén. A cél az, hogy az asszisztens a válaszok megírásán túl egyre nagyobb részét vegye át a felhasználó kommunikációs és koordinációs munkájának.
„A víziónk az, hogy a felhasználóink annyi munkát végezzenek csak, amit igazán szeretnek — szeretnénk eljutni odáig, hogy soha ne kelljen megnyitniuk a számítógépüket, és megbízzanak benne, hogy a Fyxer kezeli mindezt” — mondta Archie Hollingsworth, a Fyxer társalapítója.
Tanulságok más alapítóknak
A Fyxer esete három tanulságot kínál: bontsuk kisebb, jól definiált modellekre a komplex feladatot; használjunk valós, feladatspecifikus példákat és felhasználói visszajelzéseket a tanításhoz; és mérlegeljük a pontosság, válaszidő és költség hármasát minden egyes munkakörnél. Ezek az elvek különösen fontosak, amikor erősen kontextusfüggő AI-termékeket épít valaki.
