.@eoghan, administrerende direktør i @intercom, og @fergal_reid, Chief AI Officer, blir med @labenz på @cogrev_podcast for å diskutere hvordan de bygde Fin – AI-kundeserviceagenten som gikk fra 35 % til 65 % oppløsningsgrad over 30 måneder, mens de var banebrytende resultatbasert prising på 99 ¢ per oppløsning. De utforsker: * Hvorfor intelligens ikke er flaskehalsen – GPT-4 var allerede smart nok, og bare noen få prosentpoeng av deres 30-punkts forbedring kom fra bedre basismodeller * Kontekstteknikk som den virkelige driveren: tilpassede gjenfinningsmodeller, re-rankere og tusenvis av produksjons-A/B-tester som oppdager endringer i oppløsningsfrekvensen på 0,1 % * Prismodellen på 99¢ per oppløsning som startet ulønnsomt, men oppnådde marginer på programvarenivå gjennom forbedrede suksessrater og fallende slutningskostnader * Hvordan Fin løste problemet med undervannsstøtteteamet uten masseoppsigelser – bremset nyansatte samtidig som de flyttet mennesker oppover i verdikjeden (unntatt BPO-er, som blir erstattet umiddelbart) TIDSSTEMPLER: (00:00) Om episoden (03:43) Holde tritt med kunstig intelligens (09:56) Evaluering av modeller og evalueringer (13:04) Etablerte vs. oppstartsbedrifter (18:54) Produktrisiko og skjønn (del 1) (19:00) Sponsorer: Lineær | NØYAKTIGHET (21:34) Produktrisiko og dømmekraft (del 2) (23:42) Historien om Klarna-permitteringen (del 1) (32:11) Sponsorer: Claude | Annonse Tillegg (36:13) Historien om Klarna-permitteringen (del 2) (36:14) Oppløsningsfrekvens for kjøring (45:00) Intelligens er ikke flaskehalsen (50:10) Lukke automatiseringsgapet (56:20) Menneskelig vs. AI-nøyaktighet (1:01:03) Nyansen av hastighet (1:04:48) Med tanke på paradigmeendringer (1:09:31) Resultatbasert prismodell (1:19:12) Tilfeldig hacking og innsikt (1:26:05) AI-adopsjon og ambisjoner (1:36:00) Outro