@intercom:n toimitusjohtaja .@eoghan ja tekoälyjohtaja @fergal_reid liittyvät @labenz @cogrev_podcast keskustelemaan siitä, miten he rakensivat Finin – tekoälyn asiakaspalvelijan, joka nousi 35 prosentista 65 prosenttiin 30 kuukauden aikana ja oli edelläkävijä tulosperusteisessa hinnoittelussa 99 ¢ per resoluutio. He tutkivat: * Miksi älykkyys ei ole pullonkaula – GPT-4 oli jo tarpeeksi älykäs, ja vain muutama prosenttiyksikkö sen 30 pisteen parannuksesta tuli paremmista perusmalleista * Kontekstisuunnittelu todellisena ajurina: mukautetut hakumallit, uudelleenluokittelut ja tuhannet tuotannon A/B-testit, jotka havaitsevat 0,1 %:n resoluutionopeuden muutokset * 99 asteen resoluutiokohtainen hinnoittelumalli, joka alkoi kannattamattomana, mutta saavutti ohjelmistotason marginaalit parantuneiden onnistumisprosenttien ja laskevien päättelykustannusten ansiosta * Kuinka Fin ratkaisi vedenalaisen tukitiimin ongelman ilman joukkoirtisanomisia – hidastaen uusien työntekijöiden palkkaamista ja siirtämällä ihmisiä arvoketjussa ylöspäin (paitsi BPO:t, jotka korvataan välittömästi) AIKALEIMAT: (00:00) Tietoja jaksosta (03:43) Tekoälyn perässä pysyminen (09:56) Mallien ja arvojen arviointi (13:04) Vakiintuneet toimijat vs. startupit (18:54) Tuoteriski ja arvostelukyky (Osa 1) (19:00) Sponsorit: Lineaarinen | AGNTCY (21:34) Tuoteriski ja arvostelukyky (Osa 2) (23:42) Klarnan irtisanomistarina (osa 1) (32:11) Sponsorit: Claude | Shopify (36:13) Klarnan irtisanomistarina (osa 2) (36:14) Ajotarkkuuden nopeus (45:00) Älykkyys ei ole pullonkaula (50:10) Automaatiokuilun kurominen umpeen (56:20) Ihmisen ja tekoälyn tarkkuus (1:01:03) Nopeuden vivahde (1:04:48) Paradigman muutosten pohtiminen (1:09:31) Tulosperusteinen hinnoittelumalli (1:19:12) Satunnainen hakkerointi ja oivallukset (1:26:05) Tekoälyn käyttöönotto ja tavoitteet (1:36:00) Outro