Richard White, Grunnlegger & CEO av Fathom – Intervju-serie

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

Fathom, grunnlagt i 2020, reflekterer den samme etosen ved å takle et universelt smertepunkt: den kognitive overbelastningen av å ta notater mens du prøver å ha virkelige samtaler. Plattformen registrerer automatisk, transkriberer og summerer møter – mest merkbart på Zoom – og lar brukerne høydepunkter 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 samtale, 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 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 brukerforskning for et produkt og plutselig satt gjennom 15 eller 20 møter etter hverandre på Zoom hver dag. Seks uker med det gjorde meg svært bevisst på hvor smertefullt erfaringen var. Jeg kan ikke snakke og skrive samtidig — jeg ville se på mine notater to uker senere og ikke huske hvilken samtale som var hvilken. Det største problemet var at jeg ville gjøre all denne forskningen og så dele noen punkter med mitt team, og det ville ikke lande. 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 design-bakgrunn 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 kommodisert — 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 verdifullt for menneskene som var på samtalen. Men de er virkelig ikke nyttige for menneskene som ikke var der. Hva vi fant langt mer betydningsfullt var å vise deg den 30-sekunders video-klippet av kunden som motsatte seg pris 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 retrofitt det — deg tidlig?

Den viktigste fordelen var arkitektonisk frihet. Vi kunne designe hver system, fra datapiper til brukeropplevelse, med antagelse av at AI ville være et grunnleggende lag og ikke en bolt-på-funksjon. De fleste konkurrentene 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 contrarian-visjonen lot oss forbli smidige med et mindre team og å fokusere våre ingeniørmidler på de harde infrastruktur-problemene — pålitelig opptak på tvers av plattformer, virale distribusjonsmekanismer, sanntidsbehandling i skala.

Her er det viktigste med 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 av at når AI kom dit, ville vi droppe det inn som en ny motor i en bil. Denne beslutningen betalte 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 stakke. Vi oppgraderte bare våre modeller og fortsatte å levere.

Bygging AI-naturlig endret også vår produktutviklingsprosess fundamentalt. 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, samtidig som vi sikrer at vi alltid leverer 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 satset 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 har åtte timer om dagen til å lytte til alle sine teams møter, la alene ta beslutninger og trene sitt team basert på hva de har hørt. Møter genererer usedvanlig verdifull 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 extrapolere 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 innvendet de reiste, den konkurranse-mentionen som kom opp — alt blir filtrert gjennom noen hastily typed 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 på hva som skjer i en organisasjon. Du får sanntidsinnsikt i kundens smertepunkter, produktgap, konkurranse-trusler og trening-behov — alt i menneskenes 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 endelig kan utnytte denne dataen i skala. Når vi først lanserte Ask Fathom, kunne den svare på spørsmål om enkeltmøter. Så forbedret vi den til å håndtere små grupper av møter. Nå er den smart nok til å forstå hele selskapets sett av møter. Salgsledere kan spørre, “Hvilke konkurrenter er trending opp mest nylig? Vis meg noen klipp.” Ingeniørteam kan spørre, “Fortell oss historien om transkripsjonsmotorer i Fathom” og få en seks-sidet syntetisk dokument som trekker fra fire års møter med ingeniører.

Det begynner å bli et mye større hjernesystem 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 du skal bygge neste basert på hva som ville hjelpe med å lukke de fleste avtaler, eller hva konkurrenter kommer opp, eller hva trening-gap eksisterer på tvers av ditt team. Det er denne fantastiske datakilden som AI utnytter for å gi deg innputt i din neste strategimøte eller veikart-prosess.

Mange brukere sitater Fathom som transformative 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 betyr noen ganger 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 det vi gjør enn å rulle ut en middelmådig opplevelse som forstyrer den naturlige flyten av samtale.

Til slutt forteller våre brukere oss at vi slår den rette balansen: De sier at de sparer 6+ timer per uke og flytter 3 ganger 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 mer enn 1 300 bruker-investorer i sin Serie A — et sjeldent tegn på produkt-nivå-tillit. Hva tror du resonerte så sterkt med hverdags-brukere?

For det første gir vi bort et genuint robustt gratisprodukt: ubegrenset møter, fem AI-sammenfatninger per måned. To tredeler 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 enkeltbidragsyteres liv bedre gratis, og vi monetiserer ved å selge ledelsesverktøy til deres sjef — trening- dashboards, møte-intelligens og konkurranse-innsikt. Produktet fungerer bare, og det fortsetter å fungere uansett om du betaler eller ikke. Det skaper ekte tillit.

Vårt vekst er nesten fullstendig mun-til-øre — vi har vokst mer som en sosialmedieplattform enn tradisjonell B2B-programvare. Våre brukere er våre advokater 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 frenetisk skrive i stedet for å engasjere. Alle har trengt informasjon fra et møte de ikke var i og fått en nytteløs to-linjersammenfatning. Problemet er universelt, og løsningen føles nesten magisk når den fungerer bra. Brukere investerer fordi de ønsker denne fremtiden å eksistere — ikke bare for seg selv, men for alle de jobber med.

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

UserVoice lærte meg at den mest verdifulle informasjonen i selskaper ofte er den mest spredte. Kundetilbakemelding var overalt. Det var begravd i support-billetter, 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 menneskene som tok produkt-beslutninger.

Parallellen med Fathom er åpenbar, men problemrommet er mer profunt. Møter er eksponentielt mer spredt 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 mennesker. Med UserVoice bygde vi valg-systemer, trending-algoritmer og admin-dashboards så produkt-team kunne skille signal fra støy. Med Fathom bygger vi AI som forstår kontekst på tvers av samtaler og kan proaktivt overflate innsikt: “Fem kunder nevnte denne brukssaken denne måneden,” eller “Ditt team blir stadig fast på dette innvendet.”

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

Fremtiden for organisatorisk minne er å flytte fra disse isolerte kunnskap-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. I din mening, hva skiller en virkelig nyttig AI-assistent fra en som bare legger til støy?

Jeg forteller alltid folk at det bare er to ting som kan virkelig synke en AI-møte-assistent: hvis produktet ikke er pålitelig, eller hvis AI-utgangen er søppel. 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-differensieringer er:

• Transkripsjonsnøyaktighet. Fathom anses som den mest nøyaktige transkripten der ute i dag. De fleste verktøy utnytter en tredjeparts-transkripsjonstjeneste, mens vi bygde vår egen proprietære transkripsjonsteknologi internt. Hvis ditt transkript er dårlig, er alt fra AI-komponenten fullstendig ødelagt fordi det alle kommer fra transkriptet.
• Pålitelighet og infrastruktur. Når du går med på et møte, er du ofte i en hurry eller stresset. Mange av disse andre verktøyene ville ha boter gå med på møter, men så ville de ikke opptage, eller opptak 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 menneskenes notater, tenkte, “Jeg må 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 hvorfor vi kobler hver sammenfattnings-punkt tilbake til det faktiske øyeblikket i opptaket.
• Tilpasning uten kompleksitet. AI skal tilpasse seg din forretning, ikke omvendt. Salgs-team skal kunne modifisere maler for å matche deres spesifikke metoder — MEDDIC, Challenger, SPICED, hva de enn bruker. Men dette kan ikke kreve en data-vitenskaps-grad. Det må bare fungere.

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

Jeg tror vi er nærmere enn de fleste mennesker innser. Fem år fra nå, tror jeg vi vil se tilbake på dagens møte-intelligens-verktøy på samme måte som vi nå ser på tidlige smarttelefoner: imponerende for sin tid, men primitive sammenlignet med hva som ble mulig.

Den første store utviklingen er å flytte fra notat-takning til sanntid arbeidsflyt-automatisering. Vi forestiller oss en fremtid hvor bare å si noe i et møte kan vil det inn i eksistensen, uten det post-møte-arbeidet. 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 arbeidet automatisk. Du sier det, og det skjer. Med AI som lager oppgaver, spesifikasjoner og dokumenter, kan mennesker fokusere på arbeidet som faktisk krever menneskelig kreativitet og dømmekraft.

Den andre utviklingen er å utvide fra kunde-tilnærming til alle møter. Nå fokuserer vi på eksterne møter: salg, kunde-suksess, byråer som møter med kunder. Men vårt mål de neste 12 til 18 månedene er å gjøre Fathom-plattformen du kan bruke på tvers av hele din organisasjon, ikke bare kunde-tilnærmingsteam. Vi bygger bot-løs opptak som kan fange enhver samtale, inkludert Slack-huddles og møter på stedet. 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 til slutt, er den viktigste kunnskapen i noen organisasjon ikke i systemene; det er i samtalen. AI gjør det endelig mulig å utnytte det.