Ledere lader AI svare i deres egen stemme

Fyxer har bygget en AI-assistent til ledere ved at kombinere OpenAI-modeller med over 500.000 timers arbejdsgange fra personlige assistenter.

Det betyder noget, fordi systemet holder styr på konteksten på tværs af værktøjer, så aftaler og forpligtelser ikke går tabt.

Nu bruges systemet til e-mail, hvor det lærer den enkelte brugers arbejdsstil og giver personlige svar.

Tænk på en erfaren assistent, der har siddet bag tusindvis af ledere og set præcis, hvordan de arbejder. Det er den viden, virksomheden Fyxer har samlet: over 500.000 timers arbejdsgange fra assistenter, som nu er lagt ind i en kunstig intelligens, altså et computerprogram, der kan lære og løse opgaver. Systemet bruger OpenAIs sprogmodeller – de motorer, der forstår og skriver tekst – og deler arbejdet op mellem 30 og 50 specialiserede delmodeller. Hver delmodel har én snæver opgave i e-mailarbejdsgangen, lidt som et samlebånd, hvor hver arbejder kun sætter én skrue i. Målet er at følge tråden, når arbejdet bevæger sig mellem forskellige værktøjer, for uden en solid kontekst – altså viden om, hvad der er sket før – falder aftaler og forpligtelser let mellem to stole og skader både projekter og relationer.

E-mail er det tydeligste sted at se systemet i aktion. To personer kan modtage den samme e-mail og have brug for helt forskellige svar, alt efter hvad deres relation er, hvad der er sket tidligere, og hvad hver især prøver at opnå. Det lyder simpelt for os mennesker, men er faktisk svært for computere. Fyxer-medstifter Archie Hollingsworth forklarer det med noget, der hedder Moravecs paradoks: ting, som mennesker finder nemme, er svære for computere, og ting, som computere finder nemme, er svære for mennesker. Fyxer håndterer kompleksiteten ved at lære, hvordan hver enkelt bruger arbejder, så systemet kan svare som en assistent, der allerede ved, hvad der betyder noget for netop den person.

OpenAI-modellerne understøtter de centrale dele af oplevelsen: at forstå e-mailen, finde den rigtige kontekst og generere et udkast til svar. Fyxer valgte OpenAI, fordi modellerne klarede sig bedst i Fyxers egne interne tests, hvor man sammenligner kvaliteten af forskellige systemer. Derudover tilbød OpenAI gode muligheder for finjustering – altså at træne modellen til subjektive opgaver som tone og hensigt – og gav praktisk ingeniørstøtte gennem whiteboard-sessioner, hvor man i fællesskab tegner og løser problemer, og tæt teknisk samarbejde. Som Hollingsworth siger: »Vi valgte OpenAI, fordi de har de bedste modeller, og de har givet os reel adgang og et tæt samarbejde. Jeg kan smide et spørgsmål i Slack og få svar hurtigt, og når vi støder på et problem, kommer teamet til vores kontor og arbejder sig igennem det sammen med os. De dukker op.«

Fyxers tilgang giver tre læringer for grundlæggere, der bygger kunstig intelligens til opgaver, hvor kontekst betyder meget. Først og fremmest byggede Fyxer sit system op omkring 30 til 50 specialiserede delmodeller, hvor hver især har ansvar for en snæver del af e-mailarbejdsgangen. I stedet for at behandle e-mail som én enkelt opgave i at skrive tekst, opdeler Fyxer problemet i et system af forudsigelser – ligesom en kok, der ikke laver hele menuen på én gang, men forbereder hver ret for sig selv, så hver enkelt del bliver gjort grundigt.