Fyxer: AI-ассистент для почты, обученный на 500 000 часах работы живых помощников

Что построил Fyxer

Для многих специалистов работа — это в первую очередь удержание в голове разговоров и обещаний, разбросанных по почте, встречам, мессенджерам и приложениям; без устойчивого контекста такие обещания теряются, а страдают проекты и отношения.

Fyxer построил AI-ассистента, который следует за нитью разговора, когда работа переходит из одного инструмента в другой: система соединяет последние модели OpenAI с более чем 500 000 часов рабочих процессов исполнительных ассистентов и распределяет работу между десятками специализированных моделей, которые улучшаются на реальной обратной связи пользователей.

Почта — самое наглядное место, где это видно: два человека могут получить одно и то же письмо и нуждаться в совершенно разных ответах, потому что значение имеют отношения, предыстория и то, чего каждый из них хочет добиться; именно это делает простую на первый взгляд задачу обманчиво тяжёлой для AI.

«Есть такое понятие — парадокс Моравека, — объясняет соучредитель Fyxer Арчи Холлингсворт. — То, что человеку даётся легко, трудно для компьютера, и наоборот». Fyxer обходит эту сложность, изучая, как работает конкретный пользователь, чтобы отвечать как помощник, который уже знает, что важно.

Почему выбрали OpenAI

Модели верхнего уровня OpenAI отвечают за ключевые части опыта Fyxer: от понимания письма и поиска нужного контекста до генерации черновика.

Fyxer выбрал OpenAI по трём причинам: модели лучше всего показали себя на внутренних бенчмарках компании, дали сильные возможности дообучения для субъективных задач вроде тона и намерения, а также обеспечили практическую инженерную поддержку через совместные сессии и техническую коллаборацию.

«Мы выбрали OpenAI, потому что у них лучшие модели и они дали нам реальный доступ и тесные рабочие отношения, — говорит Холлингсворт. — Я могу задать вопрос в Slack и быстро получить ответ, а когда у нас возникает проблема, команда приезжает к нам в офис и разбирается вместе с нами».

Урок первый: разбить почту на маленькие задачи

Fyxer построил систему вокруг 30–50 специализированных моделей, каждая из которых отвечает за узкую часть почтового процесса; вместо одной задачи генерации текста почта превращается в систему предсказаний — например, нужно ли отвечать на письмо или как ответить в тон и контексте пользователя.

«Разбиение проблемы на множество маленьких моделей работает намного лучше, чем просьба к одной модели написать хорошее письмо», — объясняет Холлингсворт.

Когда приходит новое письмо, модель решения об ответе классифицирует его: это то, что требует ответа, действие по расписанию или просто информация, которую пользователь должен увидеть?

Если ответ нужен, дополнительные модели анализируют намерение письма и предсказывают вероятный исход взаимодействия: движется ли разговор к назначению встречи, к закрытию запроса или продолжается длинная история отношений.

Отдельная и самая важная часть системы — память: Fyxer решает, какие детали должны сохраняться между разговорами, а какие исчезнуть после одного обмена; при появлении письма модели поиска сравнивают его с сохранёнными взаимодействиями и вытаскивают воспоминания, наиболее уместные для этого человека и этой переписки.

Модели OpenAI при этом работают на разных шагах: в Fyxer их используют и для разбора письма, чтобы понять, о чём оно на самом деле, и для подбора и переранжирования контекста, и для собственно генерации письма.

Урок второй: учиться на том, как работают лучшие ассистенты

До запуска AI-продукта Fyxer несколько лет вёл сервис живых исполнительных ассистентов; постепенно накопился датасет из более чем 500 000 часов аннотированных рабочих процессов, в котором зафиксировано, как настоящие помощники ведут деловую коммуникацию.

Такие примеры дали обучающие данные, взятые непосредственно из самой работы: в них попали маленькие суждения, стоящие за хорошим ответом — когда отвечать быстро, когда подождать, какой прошлый разговор имеет значение и почему один и тот же запрос требует разного ответа разным людям.

Fyxer использует обучение с учителем и низкоранговую адаптацию (LoRA) по всей системе, чтобы создавать варианты моделей под конкретные задачи и держать расходы на обучение под контролем.

На раннем этапе разработки команда применяла платформу дообучения OpenAI для задач, где нужна высокая точность; позднее Fyxer работал с командой управляемого дообучения OpenAI, чтобы вывести новый чекпоинт в продакшен.

«OpenAI сыграл ключевую роль в том, чтобы перенести наши знания о клиенте в то, как работают модели», — говорит инженер по AI/ML-продукту Fyxer Джоуи Двончик.

Перед развёртыванием любой модели Fyxer проверяет её на валидационных наборах, построенных вокруг собственных почтовых задач, включая написание черновиков, классификацию и приоритизацию; команда взвешивает точность вместе со временем ответа и стоимостью, поскольку лучший выбор зависит от конкретной задачи.

Урок третий: обратная связь пользователей как самообучающийся контур

После запуска система продолжает улучшаться на реальной обратной связи: когда человек правит черновик перед отправкой, разница между исходным и финальным письмом показывает, какой вариант он предпочёл.

Fyxer превращает такие сравнения в обучающие данные с помощью прямой оптимизации предпочтений (Direct Preference Optimization, DPO): вместо ручной разметки каждого примера модель учится на парах результатов — исходном черновике и его отредактированной версии.

Каждое изменение генерации затем проходит A/B-тест, и новая версия выходит в прод только при статистически значимом улучшении; объём пользователей позволяет иногда достичь этого порога в течение одного дня.

Сегодня 53% созданных системой черновиков принимаются без изменений, то есть для значительной доли реальных разговоров система верно предсказывает намерение и тон; за один 2025 год Fyxer выросла с 1 млн до 32 млн долларов годовой повторяющейся выручки.

Но для Холлингсворта важнее другой сигнал — удержание: многие клиенты Fyxer не отличаются глубокой технической подготовкой, а для некоторых Fyxer становится первой AI-системой, которой они пользуются каждый день.

«Все говорят про ARR, но настоящая проверка — это удержание. Больше 90% наших пользователей платят нам и через 90 дней, и продолжают пользоваться сервисом каждый день», — говорит соучредитель компании.

Что дальше

В планах Fyxer — более глубокое понимание отношений, предпочтений и текущих рабочих нитей: ассистент должен выйти за рамки написания ответов и постепенно забрать на себя большую часть коммуникации и координации.

«Наша цель — чтобы клиенты занимались той работой, которую они действительно любят, — говорит Холлингсворт. — Мы хотим довести их до состояния, когда им вообще не нужно открывать компьютер и можно доверить Fyxer всё это».

Практический вывод для команд, которые строят контекстные AI-продукты, в кейсе Fyxer формулируется прямо: узкие модели и своя память вместо одной большой генерации, обучающие данные из реальной профессиональной практики и контур, где предпочтения пользователя превращаются в следующий чекпоинт.