.@eoghan，@intercom 的首席执行官，和 @fergal_reid，首席 AI 官员，加入 @labenz 在 @cogrev_podcast 上讨论他们如何构建 Fin——这款 AI 客户服务代理在 30 个月内将解决率从 35% 提高到 65%，同时在每次解决方案 99 美分的基础上开创了基于结果的定价。他们探讨了： * 为什么智能不是瓶颈——GPT-4 已经足够聪明，他们的 30 点改进中只有几个百分点来自更好的基础模型 * 上下文工程作为真正的驱动因素：自定义检索模型、重新排序器，以及数千个生产 A/B 测试，检测 0.1% 的解决率变化 * 每次解决方案 99 美分的定价模型，起初并不盈利，但通过提高成功率和降低推理成本实现了软件级别的利润率 * Fin 如何在没有大规模裁员的情况下解决水下支持团队问题——放缓新员工的招聘，同时将人力资源提升到价值链上（除了 BPO，立即被替换） 时间戳： (00:00) 关于这一集 (03:43) 跟上 AI (09:56) 评估模型和评估 (13:04) incumbents vs. 初创公司 (18:54) 产品风险与判断（第 1 部分） (19:00) 赞助商：Linear | AGNTCY (21:34) 产品风险与判断（第 2 部分） (23:42) Klarna 裁员故事（第 1 部分） (32:11) 赞助商：Claude | Shopify (36:13) Klarna 裁员故事（第 2 部分） (36:14) 驱动解决率 (45:00) 智能不是瓶颈 (50:10) 缩小自动化差距 (56:20) 人类与 AI 的准确性 (1:01:03) 速度的细微差别 (1:04:48) 考虑范式变化 (1:09:31) 基于结果的定价模型 (1:19:12) 随意黑客与见解 (1:26:05) AI 采用与雄心 (1:36:00) 结束