Richard White, grunnlegger og CEO av Fathom – Intervju-serie

Richard White, grunnlegger og CEO av Fathom, er en gjentakende grunnlegger og produktfokusert entrepreneur best kjent for å omdanne personlige frustrasjoner til kategoribestemmende programvare. Før Fathom, grunnla og ledet han UserVoice i nesten 13 år, og vokste det til et lønnsomt feedback-håndteringssystem brukt av tusenvis av selskaper, fra startup til bedrifter som Microsoft, og samtidig banebrytende for det nå-ubiquitous nettstedet “Feedback”-fanen. Tidligere i sin karriere bygde og drev han SlimTimer helt alene i over ett tiår, ledet innflytelsesrike åpne kildeprosjekter som AjaxScaffold i Ruby on Rails-økosystemet, og arbeidet som produkt-designleder i Kiko (YC S05), erfaringer som kollektivt formet hans filosofi rundt brukervennlighet, kunde-empati og bygging av verktøy som stille men meningfullt forbedrer hvordan team arbeider.

Grundlagt i 2020, Fathom reflekterer samme etos ved å takle en universell smertepunkt: den kognitive overbelastningen av å ta notater mens man prøver å ha virkelige samtaler. Plattformen registrerer automatisk, transkriberer og summerer møter – mest merkbart på Zoom – og lar brukerne høydepunkte øyeblikk i sanntid, dele korte klipp i stedet for rå notater, og bevare nyansene som ofte går tapt i skrevne sammenfatninger. Etterhvert som Fathom har modnet, har det utviklet seg fra enkel transkripsjon til et lett system for å registrere samtaler, designet for å hjelpe team å beholde kontekst, lære av kundesamtaler og samarbeide asynkront uten å legge til friksjon til møtet selv.

Du har brukt de siste 15 årene på å bygge selskaper som endrer hvordan mennesker kommuniserer – fra UserVoice til Fathom. Hva var det øyeblikket som presset deg til å grunnlegge Fathom, og hvordan har dine ingeniør- og produkt-design-røtter formet selskapet fra dag én?

Min inspirasjon for å grunnlegge Fathom kom tidlig i 2020. Det var før pandemien, men jeg gjorde omfattende brukerundersøkelser for et produkt og satt plutselig gjennom 15 eller 20 møter på rad hver dag. Seks uker med det gjorde meg meget bevisst på hvor smertefullt opplevelsen var. Jeg kan ikke snakke og skrive samtidig – jeg så på mine notater to uker senere og husket ikke hvilken samtale som var hvilken. Det største problemet var at jeg ville dele noen punkter med mitt team og det ville ikke fungere. Alt ble tapt i oversettelsen. Det var et “stubbe tåen”-øyeblikk for meg: Noe som, hvis det skjer en gang om måneden, ignorerer du. Du stubber tåen på noe hver dag, flere ganger om dagen, du prøver raskt å fikse det.

Min ingeniør- og designbakgrunn informerte begge valgene jeg tok mens jeg bygde Fathom. Jeg har alltid nærmet meg problemer ved å ta konsepter som allerede eksisterer og gjøre dem radikalt mer brukervennlige for et mye større publikum. Med Fathom hadde jeg denne innsikten at transkripsjonsteknologi ble kommodifisert – det var en proliferasjon av standardløsninger som ikke eksisterte fem år tidligere. Så transkripsjon var en del av løsningen, men det var ikke løsningen selv.

Fra et produkt-design-perspektiv, realiserte jeg at transkript kan være verdifulle for personene som var på samtalen. Men de er virkelig ikke nyttige for personer som ikke var der. Det vi fant langt mer betydningsfullt var å vise deg den 30-sekunders video-klippet av kunden som motsatte seg prisen eller spurte den tekniske spørsmålet. Vi bruker transkriptet nesten som en innholdsfortegnelse for å finne det faktiske audio-video-klippet. Den produkttenkningen – å forstå jobbene som skal gjøres, ikke bare teknologien – kom direkte fra mine design-røtter.

Fathom ble skapt i 2020, lenge før de fleste selskaper tenkte alvorlig på AI-naturlige arbeidsflyter. Hva fordeler ga bygging med AI i kjernen – i stedet for å tilpasse det – deg tidlig?

Fordelen var arkitektonisk frihet. Vi kunne designe hver system, fra datapiper til brukeropplevelse, under antagelse av at AI ville være et grunnleggende lag og ikke en bolt-på-funksjon. De fleste konkurrenter i 2020 og 2021 leide lingvistiske eksperter og ML-spesialister for å bygge sine egne modeller. Vi tok den motsatte takt fordi vi trodde vinnerne i rommet ville være de som kunne anvende AI effektivt for å løse virkelige problemer, ikke de som bygde modellene selv. Denne kontrasterende visningen lot oss forbli smidige med et mindre team og å fokusere våre ingeniørressurser på de harde infrastrukturproblemer – pålitelig opptak på tvers av plattformer, virale distribusjonsmekanismer, sanntidsbehandling i skala.

Her er det viktigste om å starte i 2020: AI var ikke god nok ennå. Vi visste det. Men vi visste også at hvis vi ventet på at AI skulle modnes før vi bygde selskapet, ville vi være to til tre år for sent. Døren ville være vid åpen, og alle ville strømme inn. Så vi bygde alt annet først – infrastrukturen, distribusjonskanalene, brukeropplevelsen – med den eksplisitte forventningen at når AI ble der, ville vi kunne droppe det inn som en ny motor i en bil. Den beslutningen betalte seg massivt. Når GPT-4 og Claude ankom i 2022-2023, kunne vi umiddelbart integrere dem. Konkurrenter som hadde brukt år på å bygge tilpassede NLP-piper, måtte plutselig omtenke hele sin stack. Vi oppgraderte bare våre modeller og fortsatte å levere.

Bygging AI-nativt endret også fundamentalt vår produktutviklingsprosess. Tradisjonell programvare har en ganske lineær veikart: Du bestemmer hva du skal bygge, du bygger det og du sender det. Med AI, bruker vi hva jeg kaller en “Jenga-modell”. Hver blokk representerer en potensiell AI-kapasitet. Hvis vi trykker på en blokk og får motstand fordi modellene ikke er gode nok ennå, prøver vi en annen. Vi vet at om seks måneder, vil teknologien forbedre seg og vi kan komme tilbake til det. Dette holder oss fra å tvinge funksjoner før de er klare, mens vi alltid sender verdi.

Den andre fordelen var troverdighet. Ja, investorer fortalte meg ikke å putte “AI” i vårt navn i 2020, men å være tidlig ga oss autentisitet. Vi hoppet ikke på en trend; vi satser på en tese før den ble åpenbar. Det posisjonerte oss som byggere, ikke raskere følgere.

Du har beskrevet møtesamtaler som en av de mest oversette datakildene innen organisasjoner. Hva overbeviste deg om at dette var den neste store frontieren for AI?

Jeg realiserte at jeg aldri hadde møtt en salgsperson som hadde åtte timer om dagen til å lytte til alle teamets møter, la alene ta beslutninger og coach sitt team basert på hva de hadde hørt. Møter genererer usedvanlig verdifulle data, men det er fullstendig utilgjengelig i skala. Med tradisjonelle møter kaster vi bort 99% av innholdet, mens de siste 1% av notatene går inn i CRM. Så prøver vi å reversere ekstrapolere fra der hva som kommer til å skje med vår forretning. Det er en absurd prosess. Informasjonen som faktisk betyr noe – tonen i en kundes stemme, det spesifikke innvendingen de reiste, den konkurranse-mentionen som kom opp – alle blir filtrert gjennom noen hastily skrevne notater og mister all kontekst.

Hva overbeviste meg om at dette var den neste frontieren, var å erkjenne at denne “samtale-mørke-dataen” faktisk er den rikeste signalen av hva som skjer i en organisasjon. Du får sanntidsinnsikt i kundens smertepunkter, produktgap, konkurranse-trusler og treningbehov – alt i folks egne ord. Når en kunde forklarer hvorfor de trenger en funksjon, er det mye mer verdifullt enn en salgsrepresentants parafrase i en CRM-felt.

Gjennombruddet med AI er at vi nå kan utnytte denne dataen i skala. Når vi først lanserte Ask Fathom, kunne det svare på spørsmål om enkeltmøter. Så utvidet vi det til å håndtere små grupper av møter. Nå er det smart nok til å forstå hele selskapets sett av møter. Salgsledere kan spørre: “Hva konkurrenter er trending opp mest nylig? Vis meg noen klipp.” Ingeniørteam kan spørre: “Fortell oss historien om transkripsjonsmotorer i Fathom” og få en seks-siders syntetisk dokument som trekker fra fire års møter.

Det begynner å bli mye større hjerner som virkelig forstår hva din forretning gjør og samtalen den har. Du kan forestille deg en verden snart hvor en AI kan fortelle deg hva funksjoner du bør bygge neste basert på hva som ville hjelpe med å lukke flest avtaler, eller hva konkurrenter kommer opp, eller hva treningsgap eksisterer over hele teamet. Det er denne fantastiske datakilden som AI graver for å gi deg inndata til din neste strategimøte eller veikartprosess.

Mange brukere sitater Fathom som transformerende for å forbli til stede under møter. Hvordan balanserer du automatisering med å bevare den naturlige flyten av menneskelig samtale?

Dette har vært kjernepunktet i vår designfilosofi fra begynnelsen. Målet er ikke å ha AI fortelle deg hva du skal gjøre i et møte, men heller å gi deg innsikt som hjelper deg å være mer til stede og effektiv i dine samtaler.

Vi er forsiktige med hva vi automatiserer og hva vi ikke gjør. Vi lanserer ikke funksjoner før vi vet at vi kan gjøre dem virkelig bra. Dette kan noen ganger bety at vi ikke er først på markedet med visse funksjoner, men når vi lanserer noe, fungerer det og leverer ekte verdi. Vi har vært forsiktige med å forfølge ting som telefonopptak eller visse møterom-opptak, til tross for hyppige forespørsler. Vi ville heller utmerke oss i hva vi gjør enn å rulle ut en middelmådig opplevelse som forstyrer den naturlige flyten av samtale.

Til slutt sier våre brukere at vi treffer riktig balanse: De sier at de sparer 6+ timer per uke og flytter 3× raskere fra innsikt til neste skritt; 95% rapporterer at Fathom holder dem til stede i møter. Dette bekrefter at vi supplerer menneskelig evne, ikke erstatter den.

Fathom tiltalte over 1 300 bruker-investorer i sin Serie A – et sjeldent tegn på produkt-nivå-tillit. Hva tror du resonerte så sterkt med hverdagsbrukere?

For det første gir vi vekk en genuint robust gratisprodukt: ubegrenset møter, fem AI-sammenfatninger per måned. To tredjedeler av våre brukere betaler oss aldri en øre, og vi er fullstendig fine med det. Det er ikke et typisk SaaS-spill. Våre brukere ser at vi ikke prøver å trekke ut verdi fra dem på hver enkelt tur. Vi fokuserer på å gjøre enkeltbidrags liv bedre gratis, og vi moneterer ved å selge ledelsesverktøy til deres sjef – coachingskriver, tverrmøte-intelligens og konkurranse-innsikt. Produktet fungerer bare, og det fortsetter å fungere uansett om du betaler eller ikke. Det skaper ekte tillit.

Vår vekst er nesten fullstendig mun-til-øre – vi har vokst mer som en sosialmediaplattform enn tradisjonell B2B-programvare. Våre brukere er våre forkjempere og distribusjonskanal. Å la dem bli investorer bare anerkjenner hva som allerede er sant: De er partnere i denne misjonen.

Jeg tror også at det er en dypere resonans rundt problemet vi løser. Alle har erfart smerten av å være i et møte, prøve å være til stede og se noen frantically skrive i stedet for å engasjere. Alle har trengt informasjon fra et møte de ikke var i og fått en nytteløs to-linjersammenfatning. Problemets universalitet og løsningens magi når den fungerer godt. Brukere investerer fordi de ønsker denne fremtiden å eksistere – ikke bare for seg selv, men for alle de arbeider med.

Din bakgrunn inkluderer bygging av UserVoice, som hjalp definere hvordan selskaper håndterer kunde-tilbakemelding. Hvordan påvirkede denne erfaringen din tenkning om organisatorisk minne og AI-drevne kunnskapsflyt?

UserVoice lærte meg at den mest verdifulle informasjonen i selskaper ofte er den mest spredte. Kundetilbakemelding var overalt. Det var begravet i støttesaker, videre sendte e-poster og tilfeldige salgs-samtaler. Selskaper ville ha tusenvis av data-punkter om hva kundene ønsket, men ingen måte å syntetisere det inn i strategiske beslutninger. Vi bygde infrastruktur for å aggregere denne tilbakemeldingen i skala og gjøre den tilgjengelig for personene som tok produkt-beslutninger.

Parallellen med Fathom er tydelig, men problemrommet er mer profondt. Møter er eksponentielt mer spredte enn kunde-tilbakemelding. Hvert selskap har hundrevis eller tusenvis av timer med samtaler som skjer hver uke. Hva jeg lærte fra UserVoice, er at fanging er nødvendig, men det er ikke nok. Du kan ikke bare aggregere informasjon; du må bygge intelligens om hva som betyr noe og route det til riktige personer. Med UserVoice bygde vi valg-systemer, trending-algoritmer og admin-skriver for å separere signal fra støy. Med Fathom bygger vi AI som forstår kontekst over samtaler og kan proaktivt overflate innsikt: “Fem kunder nevnte denne bruks-sammenhengen denne måneden,” eller “Ditt team blir fast i denne innvendingen.”

Den andre lærdommen var om demokratisering. UserVoice gjorde det mulig for enhver kunde å gi tilbakemelding, ikke bare de høyeste som kunne få eksuktivene på telefonen. Med Fathom demokratiserer vi tilgangen til møte-intelligens. I vår case-studie med Netgain, tilbragte deres operasjonsleder 7,5 timer om dagen bare på å svare på grunnleggende spørsmål om hva som skjedde i salgs-samtaler. Det er latterlig. Informasjonen eksisterte, men det var fanget i folks hoder og spredte notater.

Fremtiden for organisatorisk minne er å flytte fra disse isolerte kunnskaps-siloene – CRM, dokumenter, tilbakemeldingssystemer – til sammenkoblede, samtale-intelligens. Det er den logiske utviklingen av hva vi startet å bygge med UserVoice, men AI gjør det mulig å gjøre det med full troverdighet av menneskelig samtale, ikke bare strukturert data.

Zoom-baserte AI-verktøy eksploderte etter 2020. Hva skiller en virkelig hjelpsom AI-assistent fra en som bare legger til støy?

Jeg sier alltid til folk at det bare er to ting som kan virkelig synke en AI-møte-assistent: hvis produktet ikke er pålitelig, eller hvis AI-utdata er avfall. Jeg tror det var mye markedsføring AI i den forrige generasjonen hvor det var lett å love magisk ting, men så virkeligheten kom ut som nonsens. Vi har alltid prøvd å sikre at vi har et høykvalitets-, pålitelig produkt som gjør hva det lover. Våre nøkkel-forskjeller er:

• Transkripsjonsnøyaktighet. Fathom anses som den mest nøyaktige transkripten i dag. De fleste verktøy bruker en tredjeparts-transkripsjonstjeneste, mens vi bygde vår egen proprietære transkripsjonsteknologi internt. Hvis transkriptet ditt er dårlig, er alt fra AI-komponenten fullstendig ødelagt fordi alt kommer fra transkriptet.
• Pålitelighet og infrastruktur. Når du går inn i et møte, er du ofte i en hurry eller stresset. Mange av disse andre verktøyene ville ha boter som gikk inn i møter, men så ville ikke opptakene fungere, eller opptaket ville feile. Vi eksisterer nesten på et sanntidssystem-nivå – du arbeider på noe som er ett steg bak avionikk. Hvis det ikke fungerer to ganger, er brukeren borte. Det er ikke som tradisjonell SaaS hvor du kan være nede av og til.
• AI som forstår nyanser og kontekst. Forretnings-språk kan være svært subtilt. Jeg husker å ha ledet salgsteamet i UserVoice og lest folks notater, tenkte: “Jeg trenger å høre hvordan de faktisk sa det.” AI må fange ikke bare hva som ble sagt, men tonen, tøven og begeistringen (eller mangelen på det). Det er derfor vi linker hver sammenfattnings-punkt tilbake til det faktiske øyeblikket i opptaket.
• Tilpasning uten kompleksitet. AI bør tilpasse seg din forretning, ikke omvendt. Salgsteam bør kunne modifisere maler for å matche deres spesifikke metoder – MEDDIC, Challenger, SPICED, eller hva de bruker. Men det kan ikke kreve en data-vitenskaps-grad. Det må bare fungere.

Fathom omdanner møte-innhold til handlebart kunnskap. Hvordan nærme er vi til AI-systemer som fungerer som sanntids-arbeidsflyt-motorer – kobler samtale, beslutninger og nedstrøms-oppgaver automatisk?

Jeg tror vi er nærmere enn de fleste mennesker innser. Men det er fortsatt viktige skritt å ta. Nå beveger vi oss mot en verden hvor Fathom gjør mer og mer av arbeidet for deg. Første skrittet er bare å få informasjonen der du vil ha den. Neste skritt, som ikke er langt unna, er å ha AI som faktisk gjør arbeidet for deg.

Vi ser allerede tidlige versjoner av dette. Vår Asana-integrasjon tar aksjons-punkter fra møter og automatisk skaper sporable oppgaver. Fathom ønsker ikke å komme opp med en oppgave-håndtering-løsning – det finnes mange gode ute, som Asana. Så vi bygger integrasjoner som skyver møte-resultater direkte inn i verktøyene folk allerede bruker for å få arbeid gjort.

På CRM-siden, skyver vi automatisk strukturerte felter – smertepunkter, tidsfrister, nøkkel-beslutningstakere – inn i Salesforce og HubSpot. I en case-studie sparede dette 20 til 30 minutter per avtale-status-oppdatering og ledet til nesten perfekt måneds-slutt-prognose-nøyaktighet. Det er en arbeidsflyt-motor i aksjon: Samtale skjer, AI trekker ut nøkkel-forretningsdata og så flyter det automatisk inn i systemet ditt uten at noen skriver noe.

Men jeg tror det virkelige gjennombruddet kommer med hva jeg kaller semantisk-basert varsler og intelligent routing. Forestill deg å være en leder eller salgsleder og få en daglig høydepunkts-klipp hvor AI har funnet hver pris-samtale som gikk galt, eller hver produkt-blokkering som kom opp i en fornyelsessamtale. Hvis du er en ingeniørleder, vil du se hver heftig debatt blant dine ingeniører. AI kan forstå tone og nyanser nå, ikke bare nøkkelord, så den vet hva øyeblikk du faktisk bryr deg om.

Som selskaper vokser, sliter de med distribuert kunnskap og informasjons-forfall. Hvordan ser du AI som løser gapet mellom hva team diskuterer og hva som faktisk blir utført?

Dette er ett av de mest kritiske problemene vi løser. Det er to grupper vi kan virkelig hjelpe: personer i møtet som prøver å ta notater og være til stede, og ledere, ledere og grunnleggere som ikke er i møtet, men som kjører team og prøver å forstå hva som skjer. Den siste gruppen er hvor distribuert kunnskaps-problemet virkelig slår.

Kjerne-problemet er synlighet. Når noen i et selskap ønsker å vite statusen på en avtale eller hva som skjer med en kunde, er det tradisjonelt ingen enkel måte å finne den informasjonen på. De ringer salgsteamet, og reps må bruke 20-30 minutter på å grave gjennom notater. Under topp-perioder, får noen operasjonsledere 15 forespørsler daglig – det er 7,5 timer brukt på informasjons-utvinning i stedet for verdi-tillegg-aktiviteter.

AI kan starte å koble punkter over samtaler som ingen menneske kunne spore. Den type mønster-gjenkjenning over distribuerte samtaler er hvordan du forhindrer kunnskaps-forfall og faktisk omdanner samtaler til strategisk intelligens.

Seende fremover fem år, hvordan forventer du at møte-intelligens vil utvikle seg – og hva rolle ser du AI spille i fremtiden for organisatorisk minne, beslutning og samarbeid?

Fem år fra nå, tror jeg vi vil se tilbake på dagens møte-intelligens-verktøy på samme måte vi nå ser på tidlige smartphones: imponerende for sin tid, men primitive sammenlignet med hva som ble mulig.

Første store utvikling er å flytte fra notat-takning til sanntids-arbeidsflyt-automatisering. Vi forestiller oss en fremtid hvor du bare sier noe i et møte, og det skjer uten post-møte-arbeid. Nå, hvis du sier i et møte: “La oss lage en spesifikasjon for denne funksjonen og planlegge en oppfølging med ingeniører neste uke,” må du fortsatt manuelt lage den dokumenten og sende den kalender-invitasjonen. Om fem år, vil AI gjøre all dette automatisk. Du sier det, og det skjer. Med AI som lager oppgaver, spesifikasjoner og dokumenter, kan mennesker fokusere på arbeid som faktisk krever menneskelig kreativitet og dømmekraft.

Den andre utviklingen er å utvide fra kunde-til-møter til alle møter. Nå fokuserer vi på eksterne møter: salg, kunde-suksess, byråer som møter klienter. Men vårt mål de neste 12 til 18 månedene er å gjøre Fathom til plattformen du kan bruke på tvers av hele organisasjonen, ikke bare kunde-til-møter. Vi bygger bot-løs opptak som kan fange enhver samtale, inkludert Slack-huddles og fysiske møter. Det utvikler seg til å kunne fange enhver samtale du har i ditt selskap, uansett medium.

Selskapene som reiser til toppen, vil være de som behandler samtale-data som en førsteklasses-borger – like viktig som deres CRM-data, analyser og dokumenter. Fordi det viktigste kunnskapen i enhver organisasjon ikke er i systemene; det er i samtalen. AI gjør det endelig mulig å utnytte det.

Takk for det flotte intervjuet, lesere som ønsker å lære mer om denne notat-appen, bør besøke Fathom.