.@eoghan, CEO @intercom, и @fergal_reid, главный AI-офицер, присоединяются к @labenz на @cogrev_podcast, чтобы обсудить, как они создали Fin — AI-агента по обслуживанию клиентов, который увеличил уровень разрешения с 35% до 65% за 30 месяцев, одновременно внедряя ценообразование на основе результатов по 99¢ за разрешение. Они исследуют: * Почему интеллект не является узким местом — GPT-4 уже был достаточно умным, и лишь несколько процентных пунктов из их 30-процентного улучшения пришли от лучших базовых моделей * Инженерия контекста как настоящий драйвер: пользовательские модели извлечения, повторные ранжировщики и тысячи производственных A/B-тестов, которые фиксируют изменения уровня разрешения на 0,1% * Модель ценообразования 99¢ за разрешение, которая изначально была убыточной, но достигла маржи на уровне программного обеспечения благодаря улучшению уровней успеха и снижению затрат на вывод * Как Fin решил проблему подводной команды поддержки без массовых увольнений — замедление новых наборов сотрудников при перемещении людей вверх по цепочке создания ценности (за исключением BPO, которые заменяются немедленно) МЕТКИ ВРЕМЕНИ: (00:00) О выпуске (03:43) Успевать за AI (09:56) Оценка моделей и оценок (13:04) Участники против стартапов (18:54) Риск продукта и суждение (Часть 1) (19:00) Спонсоры: Linear | AGNTCY (21:34) Риск продукта и суждение (Часть 2) (23:42) История увольнений в Klarna (Часть 1) (32:11) Спонсоры: Claude | Shopify (36:13) История увольнений в Klarna (Часть 2) (36:14) Увеличение уровня разрешения (45:00) Интеллект не является узким местом (50:10) Закрытие разрыва в автоматизации (56:20) Человеческая точность против AI (1:01:03) Нюансы скорости (1:04:48) Учет изменений парадигмы (1:09:31) Модель ценообразования на основе результатов (1:19:12) Непринужденное хакерство и идеи (1:26:05) Принятие AI и амбиции (1:36:00) Завершение