Come Fyxer ha costruito un assistente AI esecutivo di cui le persone si fidano

Come Fyxer ha costruito un assistente AI esecutivo di cui le persone si fidano

Per molti professionisti, il lavoro significa tenere traccia delle conversazioni e degli impegni distribuiti tra inbox, riunioni, messaggi e applicazioni diverse. Senza un contesto solido e affidabile, questi impegni possono cadere nel dimenticatoio, danneggiando progetti e relazioni professionali. Fyxer ha affrontato questa sfida universale sviluppando un assistente AI esecutivo intelligente che segue il filo del lavoro mentre si muove tra i vari strumenti, trasformando il modo in cui i professionisti gestiscono la loro comunicazione quotidiana.

L'azienda ha combinato i modelli OpenAI più recenti con più di 500.000 ore di flussi di lavoro di assistenti esecutivi, suddividendo il lavoro tra decine di modelli specializzati che continuano a migliorare attraverso il feedback degli utenti reali. Questo approccio ha dimostrato di essere straordinariamente efficace nel risolvere uno dei problemi più difficili dell'intelligenza artificiale moderna: comprendere il contesto umano complesso e sfumato che guida le decisioni professionali quotidiane.

Il problema della complessità contestuale nelle email

L'email rappresenta uno dei luoghi più chiari dove è possibile osservare l'intelligenza di Fyxer in azione. Due persone potrebbero ricevere la stessa email ma avere bisogno di risposte completamente diverse, a seconda della loro relazione, di quello che è successo in precedenza, e di quello che ognuno sta cercando di realizzare. Questo rende un compito apparentemente semplice incredibilmente difficile per l'intelligenza artificiale, poiché richiede una comprensione profonda del contesto interpersonale e delle sfumature comunicative.

Archie Hollingsworth, co-fondatore di Fyxer, spiega un concetto fondamentale che illumina questa sfida: "C'è qualcosa chiamato il paradosso di Moravec. Le cose che gli umani trovano facili sono difficili per i computer, e le cose che i computer trovano facili sono difficili per gli umani." Questo paradosso classico nella ricerca sull'intelligenza artificiale cattura perfettamente perché gestire le email è così complesso per i sistemi automatizzati. Fyxer affronta questa complessità imparando come lavora ogni utente, in modo da poter rispondere come un assistente che conosce già quello che conta.

La soluzione richiede un approccio sofisticato che va oltre la semplice generazione di testo. Fyxer ha dovuto sviluppare una comprensione profonda di come gli assistenti umani prendono decisioni, quali informazioni considerano rilevanti, e come adattano il loro tono e il loro stile a situazioni diverse. Questa comprensione è stata incorporata direttamente nei sistemi di intelligenza artificiale dell'azienda.

La scelta di OpenAI come fondamento tecnologico

I modelli OpenAI frontier supportano parti fondamentali dell'esperienza Fyxer, dalla comprensione dell'email alla ricerca del contesto giusto fino alla generazione delle bozze. Fyxer ha scelto OpenAI dopo una valutazione rigorosa basata su diversi criteri critici. In primo luogo, i modelli OpenAI hanno ottenuto i migliori risultati sui benchmark interni di Fyxer, dimostrando una superiore capacità nel comprendere il linguaggio naturale e nel generare testo di alta qualità. In secondo luogo, OpenAI offre forti capacità di fine-tuning per compiti soggettivi come il tono e l'intenzione, permettendo a Fyxer di personalizzare i modelli per gli usi specifici della loro piattaforma. In terzo luogo, OpenAI ha fornito supporto tecnico pratico e manuale attraverso sessioni di brainstorming e collaborazione tecnica.

Hollingsworth descrive il suo apprezzamento per il livello di collaborazione raggiunto con il team di OpenAI: "Abbiamo scelto OpenAI perché hanno i migliori modelli, e ci hanno dato un accesso reale e una stretta relazione di lavoro. Posso porre una domanda in Slack e ottenere una risposta velocemente, e quando affrontiamo un problema, il team viene al nostro ufficio e lo risolve con noi. Si presentano." Questo tipo di partnership stretta è raro nell'industria tecnologica ed è stato cruciale per il successo di Fyxer.

Principio 1: suddividere l'email in compiti più piccoli

Fyxer ha costruito il suo sistema attorno a 30-50 modelli specializzati, ognuno responsabile di una parte ristretta del flusso di lavoro dell'email. Invece di trattare l'email come un singolo compito di generazione di testo, Fyxer scompone il problema in un sistema di previsioni, come decidere se un messaggio richiede una risposta o generare risposte che corrispondono al tono e al contesto di un utente.

Hollingsworth spiega il ragionamento dietro questo approccio: "Scomporre il problema in molti modelli più piccoli funziona molto meglio che chiedere a un modello di scrivere una buona email." Questo approccio modulare è un'innovazione chiave nel design di Fyxer e contraddice l'intuizione che un modello più grande e più generalista sarebbe sempre migliore.

Quando arriva una nuova email, un modello di decisione di risposta classifica il messaggio: si tratta di qualcosa che ha bisogno di una risposta, un'azione di programmazione, o semplicemente informazioni che l'utente dovrebbe vedere? Questo primo passo è fondamentale perché filtra il lavoro non necessario e assicura che il sistema non cerchi di rispondere quando una risposta non è richiesta.

Se una risposta è necessaria, modelli aggiuntivi analizzano l'intenzione dell'email e prevedono il probabile risultato dell'interazione. Questi modelli determinano schemi come se la conversazione si sta muovendo verso la programmazione di una riunione, la risoluzione di una richiesta, o la continuazione di un filo di relazione più lungo. Ogni uno di questi esiti richiede un approccio diverso alla generazione della risposta.

La memoria è una delle parti più importanti del sistema. Fyxer deve decidere quali dettagli dovrebbero persistere attraverso le conversazioni e quali dovrebbero scomparire dopo un singolo scambio. Quando arriva una nuova email, i modelli di recupero la confrontano con le interazioni memorizzate e mostrano i ricordi più rilevanti per quella persona e quel filo di conversazione. Questo meccanismo di memoria è sofisticato e richiede una continua ottimizzazione per funzionare efficacemente.

I modelli OpenAI alimentano i passaggi in tutto il sistema di Fyxer. Secondo Joey Dwonczyk, ingegnere AI/ML di Fyxer: "Usiamo i modelli OpenAI per tutto, dalla digestione dell'email in modo da capire di cosa si tratta realmente, al recupero e alla reclassificazione del contesto che vogliamo includere, fino alla generazione effettiva dell'email." Questo approccio a strati dimostra come la complessità può essere gestita attraverso una suddivisione intelligente delle responsabilità tra diversi componenti specializzati.

Principio 2: addestrare su come lavorano veramente i grandi assistenti

Prima di lanciare il suo prodotto AI, Fyxer ha speso anni gestendo un servizio di assistente esecutivo potenziato da umani. Nel tempo, il team ha accumulato un dataset costruito da più di 500.000 ore di flussi di lavoro esecutivi annotati, catturando come i veri assistenti gestiscono la comunicazione professionale. Questo è un vantaggio competitivo straordinario perché la maggior parte delle aziende non ha accesso a tali dataset ricchi di informazioni reali su come viene effettivamente svolto il lavoro.

Questi esempi hanno dato a Fyxer dati di addestramento tratti dal lavoro stesso. Hanno catturato i piccoli giudizi dietro una buona risposta: quando rispondere velocemente, quando aspettare, quale conversazione precedente è importante, e come la stessa richiesta può richiedere una risposta diversa da una persona all'altra. Questo è il tipo di conoscenza implicita che distingue un grande assistente da uno mediocre.

Fyxer utilizza il fine-tuning supervisionato e la Low-Rank Adaptation (LoRA) in tutto il suo sistema più ampio per creare varianti di modelli specifiche per il compito, controllando contemporaneamente il costo dell'addestramento. All'inizio dello sviluppo del prodotto, il team ha utilizzato la piattaforma di fine-tuning di OpenAI per compiti che richiedevano alta precisione. Più recentemente, Fyxer ha lavorato con il team di fine-tuning gestito di OpenAI per inserire un nuovo checkpoint in produzione.

Joey Dwonczyk osserva l'impatto di questa collaborazione: "OpenAI è stato fondamentale per noi nell'aiutarci a trasferire l'apprendimento che abbiamo sui nostri clienti e incorporarlo con successo nel modo in cui funzionano i modelli." Questo ciclo di apprendimento e trasferimento è una delle ragioni principali per cui Fyxer ha raggiunto il successo che ha ottenuto.

Prima che qualsiasi modello venga distribuito, Fyxer lo valuta su set di validazione costruiti attorno ai suoi compiti email specifici, incluse la stesura, la classificazione e la prioritizzazione. Il team valuta l'accuratezza insieme al tempo di risposta e al costo, poiché la scelta migliore può variare in base al lavoro. Questo approccio pragmatico assicura che i modelli non siano solo accurati ma anche efficienti dal punto di vista economico e veloce nel mondo reale.

Principio 3: trasformare il feedback dell'utente in un ciclo di auto-apprendimento

Una volta distribuito, il sistema di Fyxer continua a migliorare attraverso il feedback degli utenti reali. Quando qualcuno modifica una bozza prima di inviarla, la differenza tra l'email originale e quella finale mostra quale output preferisce. Questo meccanismo di feedback è potente perché fornisce un segnale reale del comportamento dell'utente piuttosto che basarsi su valutazioni astratte di qualità.

Fyxer converte questi confronti in dati di addestramento utilizzando Direct Preference Optimization (DPO). Invece di etichettare manualmente ogni esempio, il modello impara da coppie di output: la bozza originale e la versione modificata dall'utente. Questo approccio è elegante perché sfrutta l'informazione che è già disponibile nelle azioni degli utenti.

Ogni modifica di bozza passa attraverso un test A/B. Fyxer distribuisce la nuova versione solo quando produce un miglioramento statisticamente significativo. Il volume di utenti di Fyxer significa che il team può a volte raggiungere quella soglia entro un giorno. Questo ciclo rapido di iterazione è un'ulteriore fonte di vantaggio competitivo, permettendo a Fyxer di innovare e migliorare i suoi modelli molto più velocemente della concorrenza.

Oggi, il 53% dei progetti AI-generati di Fyxer vengono accettati così come scritti. Questo significa che il sistema sta correttamente prevedendo l'intenzione e il tono per una grande percentuale di conversazioni reali. Per una prospettiva su quanto sia straordinario questo risultato, considera che la maggior parte degli strumenti di scrittura AI vedono tassi di accettazione molto più bassi, spesso inferiori al 20%. Questo numero del 53% suggerisce che Fyxer ha realizzato qualcosa di veramente speciale nel comprendere il contesto e le preferenze dell'utente.

Nel solo 2025, Fyxer è cresciuto da 1 milione a 32 milioni di dollari nel ricavo ricorrente annuale. Questa crescita straordinaria è il risultato diretto della fiducia che gli utenti ripongono nel sistema, perché solo gli strumenti che forniscono genuino valore vengono integrati nella routine di lavoro quotidiana di un professionista.

Per Hollingsworth, il segnale più importante è la retention, il tasso di mantenimento dei clienti. Molti clienti di Fyxer non sono profondamente tecnici, e per alcuni, Fyxer è il primo sistema AI che usano ogni giorno. "Tutti parlano di ARR (ricavo ricorrente annuale), ma penso che la retention sia il vero segnale di successo. Oltre il 90% dei nostri utenti continua a pagarci al marchio dei 90 giorni con noi e continua a usarci ogni giorno." Questo tasso di retention superiore al 90% è straordinario nell'industria SaaS e dimostra che gli utenti non solo provano Fyxer ma lo trovano davvero indispensabile.

La strada verso un assistente più proattivo

Guardando al futuro, Fyxer sta costruendo una comprensione più ricca delle relazioni, delle preferenze e dei thread di lavoro in corso. Il suo assistente continua a evolversi oltre la stesura delle risposte verso un assistente AI più ampio che può gestire più del carico di lavoro di comunicazione e coordinamento di un utente.

La visione di Hollingsworth è ambiziosa: "La nostra visione è far fare ai nostri clienti tutto il lavoro che amano assolutamente. Vogliamo portarli a un posto dove non devono mai aprire il loro computer e possono fidarsi di Fyxer per gestire tutto questo." Questa evoluzione da uno strumento di stesura a un vero assistente esecutivo rappresenta il prossimo capitolo della storia di Fyxer.

Il percorso che Fyxer ha intrapreso offre lezioni importanti per qualsiasi startup che costruisce prodotti AI altamente contestuali. La chiave non è semplicemente avere accesso ai migliori modelli di base, ma sapere come scomporli, addestrali su d