Fyxer constrói assistente executivo de inteligência artificial com modelos da OpenAI para organizar caixas de entrada
A Fyxer desenvolveu um assistente executivo baseado em inteligência artificial que utiliza modelos da OpenAI, técnicas de ajuste fino, memória e feedback real de usuários para organizar caixas de entrada de e-mail e redigir mensagens no estilo de escrita de cada pessoa. A solução foi construída para lidar com uma das tarefas mais complexas da área: compreender o contexto de cada conversa e gerar respostas que pareçam naturais para quem as envia e recebe.
De acordo com a empresa, a escolha pela OpenAI ocorreu porque seus modelos apresentaram os melhores resultados nos benchmarks internos da Fyxer. Além do desempenho, a capacidade de ajuste fino para tarefas subjetivas como tom e intenção também pesou na decisão, assim como o suporte técnico oferecido por meio de sessões de trabalho colaborativo e acompanhamento de engenharia.
A arquitetura do sistema é composta por um conjunto de modelos que trabalham em conjunto, cada um responsável por uma etapa específica do fluxo de processamento de e-mails. Quando uma nova mensagem chega, um modelo de decisão classifica se ela exige resposta, uma ação de agendamento ou nenhuma intervenção. Caso uma resposta seja necessária, modelos separados entram em ação para interpretar a intenção do remetente, recuperar informações relevantes de conversas anteriores e elaborar o rascunho no tom do usuário.
Um dos pilares da solução é o sistema de memória, considerado pela Fyxer como uma das partes mais importantes do produto. O sistema precisa decidir quais informações devem ser mantidas ao longo do tempo e quais podem ser descartadas após uma única troca de mensagens. Para isso, modelos de recuperação comparam cada novo e-mail com interações armazenadas e trazem à tona as memórias mais relevantes para aquela pessoa e aquele assunto.
O ajuste fino é a base de toda essa estrutura. A Fyxer utiliza técnicas de ajuste fino supervisionado e LoRA, abreviação em inglês para Adaptação de Baixa Classificação, um método que permite criar variantes de modelos especializadas em tarefas específicas sem a necessidade de treinar o modelo inteiro do zero. Recentemente, a empresa trabalhou com a equipe de ajuste fino gerenciado da OpenAI para colocar um novo ponto de verificação em produção.
Para treinar seus modelos, a Fyxer utilizou mais de 500 mil horas de dados de assistentes executivos humanos, acumulados ao longo do trabalho de sua equipe de dados. Esse material serve como base para que o assistente reproduza práticas reais de comunicação profissional. Toda alteração no sistema de geração de respostas passa por um teste A/B, no qual duas versões são comparadas entre os usuários. A Fyxer só coloca uma nova versão em produção quando os resultados atingem um nível estatisticamente significativo, o que pode acontecer em questão de dias, dado o volume de usuários da plataforma.
Os números apresentados indicam que a abordagem tem gerado resultados positivos. Segundo a OpenAI, 90% dos usuários da Fyxer continuam ativos após 90 dias do cadastro, e 53% dos rascunhos gerados pela inteligência artificial são enviados sem necessidade de edição manual. Esses indicadores sugerem que o sistema consegue compreender o estilo de escrita de cada usuário e produzir mensagens que exigem pouca ou nenhuma correção.
A Fyxer também destaca que os modelos da OpenAI são utilizados em todas as etapas do processo, desde a compreensão do conteúdo do e-mail até a geração final do texto. Segundo a empresa, cada mensagem recebida é analisada para entender do que se trata, em seguida o sistema identifica e reordena o contexto relevante que deve ser incluído, e por fim produz a resposta no tom adequado ao usuário.
A combinação de múltiplos modelos especializados, memória persistente e ajuste fino contínuo com base no comportamento real dos usuários representa a estratégia da Fyxer para construir um assistente de e-mail que vá além da simples automação de respostas. Ao dividir a tarefa em etapas menores e atribuir cada uma a um modelo específico, a empresa busca alcançar um nível de personalização e confiabilidade que sistemas baseados em um único modelo generalista dificilmente conseguiriam entregar.
