Fyxer divide gestão de e-mails em até 50 modelos da OpenAI

Em vez de delegar toda a redação a um único modelo de linguagem, a empresa fragmentou o fluxo de trabalho em etapas preditivas. Quando uma mensagem chega, um classificador avalia se o texto exige resposta, agendamento ou apenas leitura. Modelos subsequentes analisam a intenção do remetente e calculam o desfecho provável da conversa. O sistema identifica se o diálogo caminha para marcar uma reunião ou para manter um contato profissional longo.

A arquitetura usa modelos da OpenAI para digerir a mensagem, recuperar contexto e gerar o rascunho final. Shantsila afirma que a equipe aplica esses modelos em todas as etapas, incluindo o ranqueamento das informações que entram no texto. "Dividir o problema em muitos modelos menores funciona muito melhor do que pedir a um único modelo para escrever um bom e-mail", diz o cofundador Archie Hollingsworth. A complexidade do e-mail expõe o paradoxo de Moravec. Hollingsworth lembra que tarefas simples para humanos continuam difíceis para computadores.

Memória ativa filtra conversas antigas

A retenção de dados define quais informações sobrevivem entre diferentes mensagens. Modelos de recuperação comparam cada novo e-mail com interações arquivadas para resgatar o contexto exato daquele interlocutor. Detalhes secundários desaparecem após uma única troca, enquanto compromissos centrais permanecem no histórico. A triagem evita respostas genéricas para contatos frequentes.

A base de conhecimento da Fyxer nasceu de anos de operação como serviço tradicional de assistentes humanos. A equipe acumulou meio milhão de horas de trabalho anotado para capturar critérios sutis de comunicação. Os exemplos ensinam o sistema a decidir quando responder rápido, quando aguardar e como adaptar o tom de voz conforme o interlocutor. Esse treinamento prático guia o comportamento da máquina.

Ajuste fino reduz custo de treinamento

Para calibrar o comportamento dos modelos sem explodir custos, a Fyxer combina ajuste fino supervisionado com Low-Rank Adaptation (LoRA). A equipe começou pela plataforma padrão de ajuste fino da OpenAI e depois trabalhou diretamente com o time de ajuste gerenciado da fornecedora para colocar um novo checkpoint em produção. Joey Dwonczyk, engenheiro de produto de inteligência artificial da Fyxer, afirma que a parceria viabilizou a transferência do conhecimento sobre os clientes para o comportamento dos modelos.

O anúncio reflete a estratégia da OpenAI de promover estudos de caso comerciais para validar sua infraestrutura de ajuste fino e suporte direto de engenharia. Hollingsworth cita sessões conjuntas de desenho técnico no quadro branco e atendimento rápido via Slack como motivos para a escolha. A publicação, contudo, não divulga métricas de acurácia dos benchmarks internos nem detalha a taxa de erros do classificador antes da intervenção humana. A Fyxer avalia cada modelo em conjuntos próprios de validação antes da implantação, mas o texto não informa limites operacionais de latência para processar caixas de entrada volumosas.