Richard White, grunnlegger og administrerende direktør i Fathom – Intervjuserien

Richard White, grunnlegger og administrerende direktør i Fathom, er en seriegründer med et sterkt produktfokus. Han er særlig kjent for å gjøre personlige frustrasjoner om til programvare som definerer hele produktkategorier. Før Fathom grunnla og ledet han UserVoice i nesten 13 år og utviklet selskapet til en lønnsom plattform for håndtering av tilbakemeldinger. Den ble brukt av tusenvis av selskaper, fra oppstartsbedrifter til virksomheter som Microsoft. Han var også en pioner bak «Feedback»-fanen som nå finnes på svært mange nettsteder. Tidligere bygde og drev han SlimTimer helt alene i over et tiår, ledet innflytelsesrike prosjekter med åpen kildekode, som AjaxScaffold i Ruby on Rails-miljøet, og var ansvarlig for produktdesign hos Kiko (YC S05). Samlet formet disse erfaringene hans syn på brukervennlighet, forståelse for kundene og verktøy som forbedrer teamenes arbeid på en stillferdig, men betydningsfull måte.

Fathom, som ble grunnlagt i 2020, bygger på samme tankegang og tar tak i et problem alle kjenner: den mentale belastningen ved å ta notater samtidig som man prøver å føre en ordentlig samtale. Plattformen tar automatisk opp, transkriberer og oppsummerer møter, særlig på Zoom. Brukerne kan markere øyeblikk i sanntid, dele korte klipp i stedet for ubearbeidede notater og bevare nyansene som ofte forsvinner i skriftlige oppsummeringer. Etter hvert har Fathom utviklet seg fra enkel transkribering til et lettvekts arkivsystem for samtaler. Det skal hjelpe team med å bevare sammenhengen, lære av kundesamtaler og samarbeide asynkront uten å gjøre selve møtet mer tungvint.

Du har brukt de siste 15 årene på å bygge selskaper som endrer hvordan mennesker kommuniserer, fra UserVoice til Fathom. Hvilket øyeblikk fikk deg til å grunnlegge Fathom, og hvordan formet bakgrunnen din innen ingeniørfag og produktdesign selskapet fra første dag?

Inspirasjonen til å grunnlegge Fathom kom tidlig i 2020. Det var før pandemien, men jeg gjorde omfattende brukerundersøkelser for et produkt og satt plutselig i 15 eller 20 Zoom-møter på rad hver dag. Etter seks uker var jeg svært klar over hvor slitsom opplevelsen var. Jeg klarer ikke å snakke og skrive samtidig. Når jeg så på notatene to uker senere, husket jeg ikke hvilken samtale som var hvilken. Det største problemet var at jeg gjorde all denne undersøkelsen og deretter delte noen få punkter med teamet, uten at budskapet nådde frem. Alt gikk tapt underveis. For meg var det som å slå tåen borti noe: skjer det én gang i måneden, overser du det. Skjer det hver dag, flere ganger om dagen, prøver du raskt å løse problemet.

Både ingeniør- og designbakgrunnen påvirket valgene mine da jeg bygde Fathom. Jeg har alltid angrepet problemer ved å ta eksisterende konsepter og gjøre dem radikalt mer brukervennlige for et langt større publikum. Med Fathom innså jeg at transkriberingsteknologi var i ferd med å bli en allment tilgjengelig standardtjeneste. Det dukket opp mange ferdige løsninger som ikke hadde eksistert fem år tidligere. Transkribering var derfor en del av løsningen, men ikke selve løsningen.

Fra et produktdesignperspektiv innså jeg at transkripsjoner kan være verdifulle for dem som deltok i samtalen. Men de er ikke særlig nyttige for dem som ikke var der. Det som hadde langt større effekt, var å vise et 30 sekunders videoklipp der kunden protesterte på prisen eller stilte det tekniske spørsmålet. Vi bruker transkripsjonen nesten som en innholdsfortegnelse for å finne det faktiske lyd- og videoklippet. Denne produkttenkningen, å forstå oppgavene som skal løses og ikke bare teknologien, kom direkte fra designbakgrunnen min.

Fathom ble startet i 2020, lenge før de fleste selskaper tenkte alvorlig på arbeidsflyter bygget rundt KI fra grunnen av. Hvilke tidlige fordeler ga det å ha KI i kjernen fremfor å legge den til i etterkant?

Den viktigste fordelen var arkitektonisk frihet. Vi kunne utforme alle systemer, fra databehandlingsløp til brukeropplevelse, med KI som et grunnleggende lag fremfor en påmontert funksjon. De fleste konkurrentene ansatte i 2020 og 2021 lingvister og maskinlæringsspesialister for å bygge egne modeller. Vi valgte motsatt strategi, fordi vi mente vinnerne ville være dem som kunne bruke KI effektivt til å løse reelle problemer, ikke dem som bygde modellene selv. Dette synet, som gikk mot strømmen, lot oss være smidige med et mindre team og konsentrere utviklingsressursene om de vanskelige infrastrukturproblemene: pålitelige opptak på tvers av plattformer, mekanismer for viral spredning og sanntidsbehandling i stor skala.

Saken med å starte i 2020 var at KI ennå ikke var god nok. Det visste vi. Men vi visste også at vi ville være to til tre år for sent ute dersom vi ventet på at KI skulle bli moden før vi bygde selskapet. Døren ville stå vidåpen, og alle ville strømme inn. Derfor bygde vi alt annet først: infrastrukturen, distribusjonskanalene og brukeropplevelsen. Vi forventet uttrykkelig å kunne sette inn KI når den var klar, som en ny motor i en bil. Beslutningen ga enorm uttelling. Da GPT-4 og Claude kom i 2022–2023, kunne vi integrere dem umiddelbart. Konkurrenter som hadde brukt år på egne behandlingsløp for naturlig språk, måtte plutselig revurdere hele teknologistakken. Vi oppgraderte bare modellene og fortsatte å levere.

Å bygge rundt KI fra starten endret også produktutviklingsprosessen vår grunnleggende. Tradisjonell programvare har en ganske lineær utviklingsplan: du bestemmer hva du skal bygge, bygger det og lanserer det. Med KI bruker vi det jeg kaller en «Jenga-modell». Hver kloss representerer en mulig KI-funksjon. Hvis vi skyver på en kloss og møter motstand fordi modellene ennå ikke er gode nok, prøver vi en annen. Vi vet at teknologien vil bli bedre om seks måneder, og da kan vi komme tilbake. Slik unngår vi å presse frem funksjoner før de er klare, samtidig som vi hele tiden leverer verdi.

Den andre fordelen var troverdighet. Investorene sa riktignok at jeg ikke burde ha «AI» i navnet vårt i 2020, men det å være tidlig ute ga oss autentisitet. Vi kastet oss ikke på en trend, men satset på en tese før den ble åpenbar. Det posisjonerte oss som skapere, ikke som raske etterfølgere.

Du har beskrevet møtesamtaler som en av organisasjonenes mest oversette datakilder. Hva overbeviste deg om at dette var det neste store utviklingsområdet for KI?

Jeg innså at jeg aldri hadde møtt en selger som hadde åtte timer om dagen til å lytte til alle møtene i teamet, langt mindre til å ta beslutninger og veilede teamet ut fra det som var sagt. Møter skaper utrolig verdifulle data, men de er helt utilgjengelige i stor skala. Med tradisjonelle møter kaster vi 99 prosent av innholdet, mens den siste prosenten med notater går inn i CRM-systemet. Så forsøker vi å regne oss bakover derfra for å forutsi hva som vil skje med virksomheten. Det er en absurd prosess. Informasjonen som virkelig betyr noe, kundens tonefall, den konkrete innvendingen eller omtalen av en konkurrent, filtreres gjennom noens hastig skrevne notater og mister all sammenheng.

Det som overbeviste meg, var erkjennelsen av at disse ubenyttede samtaledataene faktisk gir det rikeste signalet om hva som skjer i en organisasjon. Du får sanntidsinnsikt i kundenes problemer, produktmangler, konkurransetrusler og opplæringsbehov, alt med folks egne ord. Når en kunde forklarer hvorfor en funksjon trengs, er det langt mer verdifullt enn selgerens omskriving i et CRM-felt.

Gjennombruddet med KI er at vi endelig kan utnytte disse dataene i stor skala. Da vi først lanserte Ask Fathom, kunne det svare på spørsmål om enkeltmøter. Deretter utvidet vi det til små grupper av møter. Nå er det smart nok til å forstå hele selskapets samling av møter. Salgsledere kan spørre: «Hvilke konkurrenter har blitt mest fremtredende i det siste? Vis meg noen klipp.» Ingeniørteam kan spørre: «Fortell oss historien om transkriberingsmotorene hos Fathom» og få et seks siders sammendrag basert på fire år med ingeniørmøter.

Det begynner å bli en langt større hjerne som virkelig forstår virksomheten og samtalene den fører. Du kan snart se for deg en verden der KI forteller hvilke funksjoner du bør bygge videre, basert på hva som kan bidra til å få flest avtaler i havn, hvilke konkurrenter som dukker opp, eller hvilke kompetansegap teamet har. Dette er en fantastisk datakilde som KI bruker til å gi innspill til neste strategimøte eller arbeidet med utviklingsplanen.

Mange brukere sier at Fathom har gjort det langt lettere å være til stede i møter. Hvordan balanserer dere automatisering med å bevare den naturlige flyten i menneskelige samtaler?

Dette har vært kjernen i designfilosofien fra starten. Målet er ikke at KI skal fortelle deg hva du skal gjøre i et møte, men gi innsikt som hjelper deg å være mer til stede og effektiv i samtalene.

Vi er nøye med hva vi automatiserer og hva vi lar være. Vi lanserer ikke funksjoner før vi vet at vi kan gjøre dem virkelig godt. Det betyr noen ganger at vi ikke er først på markedet, men når vi lanserer noe, fungerer det og gir reell verdi. Vi har vært forsiktige med telefonopptak og visse former for opptak av møter i samme rom, selv om mange har bedt om det. Vi vil heller være fremragende på det vi gjør, enn å lansere en middelmådig opplevelse som forstyrrer samtalens naturlige flyt.

Brukerne sier at vi finner den riktige balansen. De forteller at de sparer minst seks timer i uken og går tre ganger raskere fra innsikt til neste steg. Hele 95 prosent sier at Fathom hjelper dem å være til stede i møter. Det bekrefter at vi utvider menneskers evner i stedet for å erstatte dem.

Fathom fikk over 1 300 brukerinvestorer i serie A-runden, et sjeldent tegn på tillit til selve produktet. Hva tror du traff vanlige brukere så sterkt?

For det første gir vi bort et virkelig solid gratisprodukt: ubegrenset antall møter og fem KI-oppsummeringer i måneden. To tredjedeler av brukerne betaler oss aldri et øre, og det er helt greit. Det er ikke en typisk SaaS-modell. Brukerne ser at vi ikke forsøker å hente ut verdi fra dem ved enhver anledning. Vi forbedrer hverdagen til medarbeidere uten lederansvar gratis og tjener penger på å selge ledelsesverktøy til sjefene deres: oversikter for veiledning, analyser på tvers av møter og konkurranseinnsikt. Produktet fungerer og fortsetter å fungere, enten du betaler eller ikke. Det skaper ekte tillit.

Veksten vår kommer nesten utelukkende fra anbefalinger. Vi har vokst mer som en plattform for sosiale medier enn som tradisjonell B2B-programvare. Brukerne er forkjemperne og distribusjonskanalen vår. Å la dem investere anerkjenner bare det som allerede er sant: de er partnere i dette oppdraget.

Jeg tror også selve problemet vi løser treffer noe dypere. Alle har opplevd å sitte i et møte, prøve å være til stede og se noen taste febrilsk i stedet for å delta. Alle har trengt informasjon fra et møte de ikke var med på og fått en ubrukelig oppsummering på to linjer. Problemet er universelt, og løsningen føles nesten magisk når den virker godt. Brukerne investerer fordi de ønsker at denne fremtiden skal finnes, ikke bare for dem selv, men for alle de jobber med.

Du bygde også UserVoice, som bidro til å definere hvordan selskaper håndterer kundetilbakemeldinger. Hvordan påvirket det synet ditt på organisasjonens hukommelse og KI-drevne kunnskapsstrømmer?

UserVoice lærte meg at den mest verdifulle informasjonen i selskaper ofte er den mest spredte. Tilbakemeldinger fra kunder fantes overalt, begravd i supportsaker, videresendte e-poster og tilfeldige salgssamtaler. Selskapene hadde tusenvis av datapunkter om kundenes ønsker, men ingen måte å samle dem til strategiske beslutninger. Vi bygde infrastrukturen for å samle tilbakemeldingene i stor skala og gjøre dem tilgjengelige for dem som tok produktbeslutninger.

Parallellen til Fathom er tydelig, men problemstillingen er dypere. Møter er eksponentielt mer spredt enn kundetilbakemeldinger. Alle organisasjoner har hundrevis eller tusenvis av timer med samtaler hver uke. UserVoice lærte meg at det er nødvendig å fange opp informasjonen, men ikke tilstrekkelig. Du må ikke bare samle den, men forstå hva som betyr noe og sende det til de rette personene. Hos UserVoice bygde vi avstemningssystemer, trendalgoritmer og administrasjonsoversikter slik at produktteam kunne skille signal fra støy. Hos Fathom bygger vi KI som forstår sammenhengen mellom samtaler og aktivt fremhever innsikt: «Fem kunder nevnte dette bruksområdet denne måneden», eller «Teamet ditt står stadig fast ved denne innvendingen.»

Den andre lærdommen handlet om demokratisering. UserVoice gjorde det mulig for enhver kunde å gi tilbakemelding, ikke bare de mest høylytte som fikk lederne på telefonen. Med Fathom demokratiserer vi tilgangen til innsikt fra møter. I kundestudien vår med Netgain brukte driftssjefen 7,5 timer hver dag bare på å svare på grunnleggende spørsmål om hva som skjedde i salgssamtaler. Det er absurd. Informasjonen fantes, men var fanget i folks hoder og spredte notater.

Fremtidens organisasjonshukommelse går fra isolerte kunnskapssiloer, som CRM, dokumenter og tilbakemeldingssystemer, til sammenkoblet samtaleinnsikt. Det er den logiske videreføringen av det vi startet med UserVoice. KI gjør det imidlertid mulig å bevare menneskelige samtaler med alle nyansene, ikke bare som strukturerte data.

Antallet Zoom-baserte KI-verktøy eksploderte etter 2020. Hva skiller etter ditt syn en virkelig nyttig KI-assistent fra en som bare tilfører støy?

Jeg sier alltid at bare to ting virkelig kan senke en KI-møteassistent: et upålitelig produkt eller elendige KI-resultater. Jeg synes forrige generasjon hadde mye KI i markedsføringen. Det var lett å love magiske ting, men i praksis kom det bare meningsløs tekst. Vi har alltid forsøkt å sikre et pålitelig produkt av høy kvalitet som gjør det det lover. De viktigste forskjellene er:

• Nøyaktig transkribering. Fathoms transkribering regnes som den mest nøyaktige som finnes i dag. De fleste verktøy bruker en transkriberingstjeneste fra en tredjepart, mens vi bygde vår egen teknologi internt. Er transkripsjonen dårlig, blir alt fra KI-komponenten ødelagt, fordi alt bygger på transkripsjonen.
• Pålitelighet og infrastruktur. Når du blir med i et møte, har du ofte dårlig tid eller er stresset. Mange andre verktøy hadde boter som ble med, men ikke tok opp møtet, eller opptaket sviktet. Vi opererer nesten på nivå med et sanntidssystem, bare ett trinn under avionikk. Svikt to ganger, og brukeren forsvinner. Det er ikke som tradisjonell SaaS, der du kan ha nedetid av og til.
• KI som forstår nyanser og sammenheng. Forretningsspråk kan være svært subtilt. Jeg husker at jeg som leder for salgsteamet i UserVoice leste folks notater og tenkte: «Jeg må høre hvordan de faktisk sa det.» KI må fange opp både ordene, tonefallet, nølingen og begeistringen eller mangelen på den. Derfor lenker vi hvert punkt i oppsummeringen til det nøyaktige øyeblikket i opptaket.
• Tilpasning uten kompleksitet. KI bør tilpasse seg virksomheten, ikke omvendt. Salgsteam skal kunne endre maler etter egne metoder, enten de bruker MEDDIC, Challenger, SPICED eller noe annet. Det skal ikke kreve en grad i datavitenskap. Det må bare fungere.

Fathom gjør møteinnhold til kunnskap som kan brukes i praksis. Hvor nær er vi KI-systemer som fungerer som reelle arbeidsflytmotorer og automatisk kobler sammen samtaler, beslutninger og etterfølgende oppgaver?

Jeg tror vi er nærmere enn de fleste innser, men det gjenstår viktige steg. Vi går mot en verden der Fathom gjør stadig mer av arbeidet for deg. Første steg er å få informasjonen dit du vil ha den. Neste steg, som ikke er langt unna, er at KI faktisk gjør arbeidet for deg.

Vi ser allerede tidlige varianter. Asana-integrasjonen vår henter oppfølgingspunkter fra møter og oppretter automatisk oppgaver som kan spores. Fathom ønsker ikke å lage en oppgavehåndteringsløsning, for det finnes allerede mange gode, som Asana. Vi bygger derfor integrasjoner som sender møteresultatene direkte til verktøyene folk allerede bruker til å få arbeidet gjort.

På CRM-siden sender vi automatisk strukturerte felt, som problemer, tidsplaner og viktige beslutningstakere, til Salesforce og HubSpot. I én kundestudie sparte dette 20–30 minutter per statusoppdatering for en salgsavtale og ga nesten perfekt prognosenøyaktighet ved månedsslutt. Det er en arbeidsflytmotor i praksis: samtalen finner sted, KI trekker ut viktige forretningsdata, og de går automatisk inn i registreringssystemet uten at noen taster noe.

Men jeg tror det virkelige gjennombruddet kommer med det jeg kaller meningsbaserte varsler og intelligent ruting. Se for deg at du som leder eller salgsleder får en daglig videomontasje der KI har funnet hver prisdiskusjon som gikk galt, eller hver produktrelatert hindring som kom opp i en fornyelsessamtale. Som ingeniørleder ville du se hver opphetede debatt mellom ingeniørene. KI kan nå forstå tone og nyanser, ikke bare nøkkelord, og vet derfor hvilke øyeblikk som faktisk betyr noe for deg.

Når selskaper vokser, sliter de med spredt kunnskap og informasjon som forvitrer. Hvordan kan KI bygge bro mellom det teamene diskuterer og det som faktisk gjennomføres?

Dette er et av de viktigste problemene vi løser. Vi kan hjelpe to grupper: deltakerne som prøver å ta notater og være til stede i møtet, og ledelsen, teamlederne og gründerne som ikke er der, men som driver team og forsøker å forstå hva som skjer. Den siste gruppen rammes særlig av problemet med spredt kunnskap.

Kjernen er synlighet. Når noen vil vite statusen på en avtale eller hva som skjer med en kunde, finnes det tradisjonelt ikke noe sted der informasjonen er lett å finne. De ringer salgsteamet, og selgerne må bruke 20–30 minutter på å lete i notater. I travle perioder får enkelte driftsledere 15 forespørsler daglig. Det blir 7,5 timer med informasjonsinnhenting i stedet for verdiskapende arbeid.

KI kan knytte sammen opplysninger på tvers av samtaler som intet menneske kunne holde oversikt over. Slik mønstergjenkjenning på tvers av spredte samtaler hindrer at kunnskap forvitrer og gjør samtalene til strategisk innsikt.

Hvordan tror du innsikt fra møter vil utvikle seg de neste fem årene, og hvilken rolle vil KI spille for organisasjonens hukommelse, beslutninger og samarbeid?

Om fem år tror jeg vi vil se på dagens møteverktøy som vi nå ser på de første smarttelefonene: imponerende for sin tid, men primitive sammenlignet med det som senere ble mulig.

Den første store utviklingen er overgangen fra notater til ekte arbeidsflytautomatisering. Vi ser for oss en fremtid der det å si noe i et møte kan få det til å bli virkelig, uten etterarbeidet. Sier du i dag: «La oss lage en spesifikasjon for denne funksjonen og avtale en oppfølging med ingeniørene neste uke», må du fremdeles lage dokumentet og sende kalenderinvitasjonen manuelt. Om fem år vil KI gjøre alt automatisk. Du sier det, og det skjer. Når KI lager oppgaver, spesifikasjoner og dokumenter, kan mennesker konsentrere seg om arbeidet som virkelig krever menneskelig kreativitet og dømmekraft.

Den andre utviklingen er å gå fra kundevendte møter til alle møter. Nå fokuserer vi på eksterne møter: salg, kundeoppfølging og byråers møter med klienter. Målet de neste 12–18 månedene er imidlertid å gjøre Fathom til en plattform for hele organisasjonen, ikke bare team som møter kunder. Vi bygger opptak uten møtebot som kan fange opp alle samtaler, også Slack-huddles og fysiske møter. Det utvikler seg mot å kunne ta opp enhver samtale i selskapet, uansett medium.

Selskapene som når toppen, vil behandle samtaledata som en fullverdig ressurs, like viktig som CRM-data, analyser og dokumenter. Den viktigste kunnskapen i en organisasjon ligger til syvende og sist ikke i systemene, men i samtalene. KI gjør det endelig mulig å utnytte den.

Takk for det flotte intervjuet. Lesere som ønsker å lære mer om denne notatappen, bør besøke Fathom.