.@eoghan，@intercom 的 CEO，和 @fergal_reid，首席 AI 官員，加入 @labenz 在 @cogrev_podcast 中討論他們如何建立 Fin——這個 AI 客戶服務代理在 30 個月內從 35% 的解決率提升到 65%，同時在每次解決方案 99 美分的基礎上開創了基於結果的定價。他們探討了： * 為什麼智能不是瓶頸——GPT-4 已經足夠聰明，他們 30 點提升中只有幾個百分點來自更好的基礎模型 * 上下文工程作為真正的驅動力：自定義檢索模型、重新排序器，以及數千次生產 A/B 測試，檢測 0.1% 的解決率變化 * 每次解決方案 99 美分的定價模型，起初不盈利，但通過提高成功率和降低推理成本實現了軟件級的利潤率 * Fin 如何在不進行大規模裁員的情況下解決水下支持團隊問題——減緩新員工的招聘，同時將人力資源提升到價值鏈上（除了 BPO，這些會立即被取代） 時間戳： (00:00) 關於本集 (03:43) 跟上 AI 的步伐 (09:56) 評估模型和評估 (13:04) 傳統企業 vs. 初創公司 (18:54) 產品風險和判斷（第一部分） (19:00) 贊助商：Linear | AGNTCY (21:34) 產品風險和判斷（第二部分） (23:42) Klarna 裁員故事（第一部分） (32:11) 贊助商：Claude | Shopify (36:13) Klarna 裁員故事（第二部分） (36:14) 驅動解決率 (45:00) 智能不是瓶頸 (50:10) 關閉自動化差距 (56:20) 人類 vs. AI 準確性 (1:01:03) 速度的細微差別 (1:04:48) 考慮範式變化 (1:09:31) 基於結果的定價模型 (1:19:12) 隨意駭客和見解 (1:26:05) AI 採用和雄心 (1:36:00) 結尾