.@eoghan, VD för @intercom, och @fergal_reid, Chief AI Officer, deltar i @labenz på @cogrev_podcast för att diskutera hur de byggde Fin – AI-kundtjänstagenten som gick från 35 % till 65 % lösningsfrekvens över 30 månader samtidigt som de banade väg för resultatbaserad prissättning på 99 ¢ per lösning. De utforskar: * Varför intelligens inte är flaskhalsen – GPT-4 var redan tillräckligt smart, och bara några få procentenheter av deras 30-punkters förbättring kom från bättre basmodeller * Kontextteknik som den verkliga drivkraften: anpassade hämtningsmodeller, omrankningar och tusentals A/B-tester i produktionen som upptäcker förändringar i upplösningsfrekvensen på 0,1 % * Prismodellen med 99 ¢ per upplösning som till en början var olönsam men som uppnådde marginaler på programvarunivå genom förbättrade framgångsfrekvenser och sjunkande inferenskostnader * Hur Fin löste problemet med undervattenssupportteamet utan massuppsägningar – att bromsa nyanställningar samtidigt som människor flyttas upp i värdekedjan (förutom BPO:er, som ersätts omedelbart) TIDSSTÄMPLAR: (00:00) Om avsnittet (03:43) Hålla jämna steg med AI (09:56) Utvärdera modeller och utvärderingar (13:04) Etablerade företag vs. nystartade företag (18:54) Produktrisk och bedömning (del 1) (19:00) Sponsorer: Linear | AGNTCY (21:34) Produktrisk och bedömning (del 2) (23:42) Berättelsen om uppsägningen av Klarna (del 1) (32:11) Sponsorer: Claude | Shopify (Shopify (36:13) Berättelsen om uppsägningen av Klarna (del 2) (36:14) Frekvens för att lösa problem (45:00) Intelligens är inte flaskhalsen (50:10) Att överbrygga automatiseringsklyftan (56:20) Noggrannhet för människor jämfört med AI (1:01:03) Nyanserna av hastighet (1:04:48) Överväger paradigmskiften (1:09:31) Resultatbaserad prissättningsmodell (1:19:12) Casual Hacking och insikter (1:26:05) AI-användning och ambition (1:36:00) Outro