.@eoghan, CEO di @intercom, e @fergal_reid, Chief AI Officer, si uniscono a @labenz nel @cogrev_podcast per discutere di come hanno costruito Fin—l'agente di servizio clienti AI che è passato dal 35% al 65% di tasso di risoluzione in 30 mesi, mentre pionierava un modello di pricing basato sui risultati a 99¢ per risoluzione. Esplorano: * Perché l'intelligenza non è il collo di bottiglia—GPT-4 era già abbastanza intelligente, e solo pochi punti percentuali del loro miglioramento di 30 punti provenivano da modelli di base migliori * L'ingegneria del contesto come vero motore: modelli di recupero personalizzati, re-ranker e migliaia di test A/B in produzione che rilevano cambiamenti dello 0,1% nel tasso di risoluzione * Il modello di pricing a 99¢ per risoluzione che è iniziato in perdita ma ha raggiunto margini a livello software grazie a tassi di successo migliorati e costi di inferenza in calo * Come Fin ha risolto il problema del team di supporto sommerso senza licenziamenti di massa—rallentando le nuove assunzioni mentre spostava gli esseri umani lungo la catena del valore (eccetto i BPO, che vengono sostituiti immediatamente) TIMESTAMPS: (00:00) Informazioni sull'episodio (03:43) Tenere il passo con l'AI (09:56) Valutazione dei modelli e delle valutazioni (13:04) Incumbents vs. Startups (18:54) Rischio di prodotto e giudizio (Parte 1) (19:00) Sponsor: Linear | AGNTCY (21:34) Rischio di prodotto e giudizio (Parte 2) (23:42) La storia dei licenziamenti di Klarna (Parte 1) (32:11) Sponsor: Claude | Shopify (36:13) La storia dei licenziamenti di Klarna (Parte 2) (36:14) Aumento del tasso di risoluzione (45:00) L'intelligenza non è il collo di bottiglia (50:10) Chiudere il divario di automazione (56:20) Accuratezza umana vs. AI (1:01:03) La sfumatura della velocità (1:04:48) Considerare i cambiamenti di paradigma (1:09:31) Modello di pricing basato sui risultati (1:19:12) Hacking informale e intuizioni (1:26:05) Adozione dell'AI e ambizione (1:36:00) Outro