Перед написанием ответа нужно понять задачу и историю общения
Ответ зависит не только от текста нового письма. Важны отношения с собеседником, прошлые сообщения, прежние обязательства и результат, которого пользователь хочет достичь. Поэтому Fyxer сначала определяет задачу и собирает нужную переписку, а затем готовит черновик. Источник OpenAI
Продукт работает в привычной почте пользователя. По документации Fyxer, система определяет, нужен ли ответ, и готовит черновик с учётом текущей и прошлой переписки. Отправляет письмо пользователь. Источник Fyxer
Каждая модель решает отдельную задачу в подготовке письма
По кейсу OpenAI, для работы с почтой Fyxer использует примерно 30–50 специализированных моделей. Это модели ИИ с разными задачами: одни определяют, нужен ли ответ и чего хочет собеседник; другие оценивают возможный результат общения, ищут важные прошлые сообщения и готовят черновик. Источник
Fyxer использует опыт работы помощников руководителей
Fyxer сообщает, что в основу продукта легли более 500 000 часов работы помощников руководителей. По описанию OpenAI, на этом опыте подготовили обучающие данные: когда отвечать, какие прошлые сообщения учитывать, как выбирать тон с учётом отношений и когда предлагать встречу или следующий шаг. Источник
На страницах продукта Fyxer также ссылается на многолетний опыт помощников руководителей. Заявленная задача системы — изучать манеру общения конкретного пользователя и учитывать её при подготовке писем. Источник Fyxer
Система сначала решает, что нужно сделать
До написания черновика система определяет, нужно ли ответить, запланировать встречу или оставить сообщение без реакции.
Из прошлой переписки выбирают нужные фрагменты
Система находит прошлые сообщения, которые относятся к этому собеседнику и текущему обсуждению.
Для разных задач подходят разные модели
Определение типа письма, поиск и подготовка текста различаются по требованиям к точности, времени обработки и стоимости.
Пользователь проверяет и отправляет письмо
По документации Fyxer, пользователь просматривает и одобряет черновики. Система не отправляет их автоматически.
Правки черновика становятся данными для обучения
Fyxer сравнивает черновик ИИ с письмом, которое пользователь отредактировал и отправил. На таких парах система учится учитывать его предпочтения. В кейсе OpenAI этот метод назван Direct Preference Optimization (DPO), то есть обучением на предпочтениях между вариантами ответа. До запуска обновления компания сравнивает новую версию с действующей: показывает их разным группам пользователей и оценивает результаты. Так работает A/B-тестирование. Источник
Правки появляются в обычной работе с письмом. По разнице между черновиком и отправленным текстом можно увидеть, что пользователь изменил; отдельный экран для обратной связи ему не нужен.
Fyxer измеряет долю писем без правок и продолжение использования
По данным Fyxer, пользователь отправляет 53% черновиков ИИ без изменений. Это показатель принятия предложенного текста, а не независимая проверка точности каждого письма.
Компания сообщает, что более 90% пользователей продолжают платить и использовать продукт спустя 90 дней.
По данным OpenAI, Fyxer накопила более 500 000 часов работы помощников руководителей до и во время перехода к ИИ-продукту.
Разделение задачи помогает понять, что именно нужно улучшать
За одним письмом стоит несколько решений
Система определяет тип сообщения и цель собеседника, ищет историю, отбирает важные сведения, выбирает тон и пишет текст. Когда этапы разделены, проще найти причину плохого ответа.
Качество каждого этапа можно оценивать отдельно
Точность решения «нужен ли ответ» можно измерять отдельно от качества самого письма. Это помогает улучшать конкретный этап, не оценивая все действия по одному итоговому тексту.
Действия пользователя показывают, что нужно исправить
Правки, одобрения и отклонения показывают, что пользователь принял в предложенном тексте и что изменил. На этих данных можно искать повторяющиеся ошибки и проверять новые версии.
Черновик появляется в привычной почте
Fyxer помещает черновики в Gmail или Outlook, не требуя переносить переписку в отдельный чат. Источник
Определить задачу → найти данные → написать черновик → проверить → учесть правки
Понять требование → найти подтверждающие документы → написать раздел → получить правки сотрудника → учесть их в следующих черновиках. Здесь и далее — возможные применения подхода, а не сведения о других внедрениях Fyxer.
Понять запрос → найти сведения о клиенте и правила обслуживания → подготовить ответ → передать спорные случаи сотруднику → использовать правки для оценки качества.
Определить следующий шаг → найти историю клиента → подготовить сообщение → получить одобрение менеджера → учесть обратную связь в следующих ответах.
Определить тип материала → найти правила бренда → подготовить текст → получить правки редактора → проверить, какие тексты приняли и что исправили.
Сравнение черновика и итогового письма показывает, что улучшать
Правки сотрудников помогают оценивать качество ответов ИИ и замечать повторяющиеся ошибки.
В Fyxer подготовка письма начинается с двух задач: понять, какой ответ нужен, и найти сведения в переписке. Поскольку этапы разделены, причину неудачного черновика можно искать отдельно: в определении задачи, поиске или формулировках.
Для другого процесса можно сначала сохранять предложенный ИИ текст и итоговый вариант сотрудника, а также его решение — принять, исправить или отклонить. Сравнение покажет, какие ошибки повторяются и на каком этапе они возникают.
После изменения этого этапа нужно снова сравнить результаты. Само по себе накопление правок ещё не доказывает, что новые ответы стали лучше.
Что выяснить перед автоматизацией повторяющихся писем
Какие решения принимаются до начала написания?
Какие прошлые сообщения, сведения о клиенте и проверенные данные нужны для ответа?
Что пользователь делает с ошибочным ответом: исправляет, отклоняет, переписывает или передаёт специалисту?
Можно ли измерить долю принятых ответов, объём правок, число обращений к специалистам и время работы?
ИИ для писем и подготовки контента
Команда регулярно пишет похожие ответы и предложения, но каждый раз должна учитывать историю клиента?
Разберём несколько типичных сообщений и правок к ним. Вместе определим, какие сведения нужны для ответа, как ИИ сможет их находить и готовить черновик и что сотрудник проверит перед отправкой.
Это независимый разбор команды M2B2 по опубликованному описанию Fyxer. Команда M2B2 не участвовала в создании продукта. Сведения о 30–50 моделях, более 500 000 часов работы помощников руководителей, доле принятых черновиков и продолжении использования взяты из кейса OpenAI от 14 сентября 2026 года. Проверка черновиков и работа внутри почты также описаны в документации Fyxer. Команда M2B2 не проверяла заявленные показатели независимо.