Fyxer AI エグゼクティブ・アシスタント 技術実装

Fyxerは高コンテキストなコミュニケーションを解決するためにマルチモデル・システムを実装しています

Fyxerは、OpenAIのモデルと、50万時間の注釈付きエグゼクティブ・アシスタントのワークフローという独自のデータセットを組み合わせることで、プロフェッショナルなコミュニケーションを管理するAIエグゼクティブ・アシスタントを開発しました。このアプローチは、ニュアンスのあるメール・コミュニケーションのように、人間にとって容易なタスクがAIにとって困難であるという「モラベックのパラドックス」に対処するため、個々のユーザーの好みや関係性のコンテキストを学習します。

メール・ワークフローを専門化されたモデルに分解する

Fyxerは、メール生成に対する単一プロンプトのアプローチを、30〜50の専門化されたモデルのシステムに置き換えています。各モデルは、精度と信頼性を高めるために、ワークフローの狭いセグメントを担当します。

分類および意図のパイプライン

新しいメールが届くと、システムは特定の予測シーケンスに従います：

  1. Reply Decision（返信の決定）: モデルは、メッセージが返信を必要とするか、スケジューリングのアクションを必要とするか、あるいは単に情報提供のみであるかを分類します。
  2. Intent Analysis（意図の分析）: 返信が必要な場合、モデルは意図を分析し、起こりうる結果（例：会議のスケジューリングやリクエストの解決）を予測します。
  3. Context Retrieval（コンテキストの検索）: 検索モデルは、新しいメールを保存されたインタラクションと比較し、その特定の人物やスレッドに関連するメモリや履歴のコンテキストを浮き彫りにします。

モデルの役割

OpenAIのモデルは、メールの消化、検索されたコンテキストの再ランキング、および最終的なメールの下書き生成にわたり、パイプライン全体で活用されています。

人間のエキスパートによるワークフローでの学習

Fyxerは、人間によるアシスタント・サービスとしての歴史を活用して、AIを学習させています。同社は、プロフェッショナルなコミュニケーションに必要なタイミングやトーンといった微妙な判断を捉えるために、50万時間以上の人間のエグゼクティブ・ワークフローのデータセットを使用しています。

ファインチューニングと最適化

精度を維持しながらコストを制御するために、Fyxerはいくつかの技術的戦略を採用しています：

  • Supervised Fine-Tuning (SFT) と LoRA: Fyxerは、タスク固有のモデル・バリアントを作成するために、Low-Rank Adaptation (LoRA) を使用しています。
  • Managed Fine-Tuning: チームは、OpenAIのマネージド・ファインチューニング・チームと協力して、新しいチェックポイントを本番環境に移行させています。
  • Validation Sets（検証セット）: すべてのモデルは、下書き作成、分類、および優先順位付けに焦点を当てた内部検証セットで評価され、精度と応答時間のバランスを、コストとの兼ね合いで評価します。

ユーザー・フィードバック・ループによる継続的な改善

Fyxerは、現実世界のユーザー・インタラクションを使用して、時間の経過とともにモデルの性能を向上させる自己学習ループを作成しています。

Direct Preference Optimization (DPO)

ユーザーが送信前にAI生成の下書きを編集した場合、Fyxerは元の下書きと編集されたバージョンを、出力のペアとして扱います。Fyxerは、Direct Preference Optimization (DPO) を使用して、手動のラベル付けを必要とせずに、これらの編集からユーザーの好みを学習します。

A/B テスティングとパフォーマンス・メトリクス

新しいモデル・バージョンは、A/B テスティングで統計的に有意な改善が示された後にのみデプロイされます。この反復的なプロセスにより、以下の結果が得られました：

  • Draft Acceptance（下書きの承認）: AI生成の下書きの53%が、そのままの状態で承認されています。
  • Business Growth（ビジネスの成長）: 年間経常収益 (ARR) は、2025年に100万ドルから3,200万ドルに成長しました。
  • Retention（継続率）: 90日時点でのユーザーの継続率は90%を超えています。

将来の方向性：プロアクティブな調整

Fyxerは、システムをドラフト作成ツールから、より広範なコミュニケーションや調整のワークフローを管理できるプロアクティブなアシスタントへと進化させています。その目標は、ユーザーが日常的な調整タスクのためにコンピュータを操作する手間を必要としないようにすることです。

Sources