Richard White, założyciel i dyrektor generalny Fathom – seria wywiadów

Richard białaZałożyciel i CEO Fathom, to wielokrotnie nagradzany twórca i przedsiębiorca skupiony na produktach, znany przede wszystkim z przekształcania osobistych frustracji w oprogramowanie definiujące kategorie. Przed Fathom założył i przez prawie 13 lat zarządzał UserVoice, rozwijając go w dochodową platformę do zarządzania opiniami, z której korzystają tysiące firm, od startupów po przedsiębiorstwa takie jak Microsoft, a także będąc pionierem w obecnie wszechobecnej zakładce „Opinie” na stronie internetowej. Wcześniej w swojej karierze samodzielnie przez ponad dekadę budował i zarządzał SlimTimerem, kierował wpływowymi projektami open source, takimi jak AjaxScaffold w ekosystemie Ruby on Rails, i pracował jako Product Design Lead w Kiko (YC S05). Doświadczenia te wspólnie ukształtowały jego filozofię opartą na użyteczności, empatii wobec klienta i tworzeniu narzędzi, które dyskretnie, ale znacząco usprawniają pracę zespołów.

Założona w 2020, Pojąć Odzwierciedla tę samą filozofię, rozwiązując uniwersalny problem: przeciążenie poznawcze związane ze sporządzaniem notatek podczas prób prowadzenia prawdziwych rozmów. Platforma automatycznie nagrywa, transkrybuje i podsumowuje spotkania – zwłaszcza na Zoomie – umożliwiając użytkownikom wyróżnianie momentów w czasie rzeczywistym, udostępnianie krótkich klipów zamiast surowych notatek i zachowanie niuansów, które często giną w pisemnych podsumowaniach. Wraz z rozwojem Fathom, ewoluował on poza prostą transkrypcję, stając się lekkim systemem rejestrowania rozmów, zaprojektowanym, aby pomóc zespołom zachować kontekst, uczyć się na podstawie rozmów z klientami i współpracować asynchronicznie, bez wprowadzania utrudnień w samym spotkaniu.

Przez ostatnie 15 lat budowałeś firmy, które zmieniają sposób komunikacji międzyludzkiej – od UserVoice po Fathom. Jaki moment skłonił Cię do założenia Fathom i jak Twoje korzenie inżynieryjne i projektowe ukształtowały firmę od samego początku?

Inspiracją do założenia Fathom był początek 2020 roku. Było to przed pandemią, ale przeprowadzałem szeroko zakrojone badania użytkowników produktu i nagle musiałem uczestniczyć w 15 lub 20 spotkaniach na Zoomie dziennie. Sześć tygodni takich spotkań uświadomiło mi dotkliwie, jak bolesne było to doświadczenie. Nie mogę mówić i pisać jednocześnie — dwa tygodnie później zaglądałem do notatek i nie pamiętałem, która rozmowa była która. Największym problemem było to, że przeprowadzałem wszystkie te badania, a potem dzieliłem się kilkoma punktami z moim zespołem, a one po prostu nie trafiały. Wszystko gubiło się w tłumaczeniu. To był dla mnie moment „uderzenia palcem u nogi”: coś, co jeśli zdarza się raz w miesiącu, ignorujesz. Uderzasz palcem u nogi o coś każdego dnia, wiele razy dziennie, bardzo szybko próbujesz to naprawić.

Moje doświadczenie inżynierskie i projektowe wpłynęło na decyzje, które podjąłem, tworząc Fathom. Zawsze podchodziłem do problemów, wykorzystując już istniejące koncepcje i radykalnie zwiększając ich użyteczność dla znacznie szerszego grona odbiorców. W przypadku Fathom uświadomiłem sobie, że technologia transkrypcji staje się towarem – nastąpił wysyp gotowych rozwiązań, które pięć lat wcześniej nie istniały. Transkrypcja była zatem częścią rozwiązania, ale nie samym rozwiązaniem.

Z perspektywy projektowania produktu zdałem sobie sprawę, że transkrypcje mogą być cenne dla osób uczestniczących w rozmowie. Ale tak naprawdę nie są pomocne dla tych, którzy nie byli obecni. Znacznie bardziej efektowne okazało się pokazanie 30-sekundowego klipu wideo, w którym klient zgłasza zastrzeżenia co do ceny lub zadaje pytanie techniczne. Używamy transkrypcji niemal jak spisu treści, aby znaleźć właściwy klip audio-wideo. To myślenie produktowe – rozumienie zadań do wykonania, a nie tylko technologii – wywodzi się bezpośrednio z moich korzeni projektowych.

Fathom powstał w 2020 roku, na długo zanim większość firm zaczęła poważnie myśleć o natywnych przepływach pracy opartych na sztucznej inteligencji. Jakie korzyści przyniosło Wam budowanie rozwiązań z myślą o sztucznej inteligencji – zamiast ich modernizacji – na tym wczesnym etapie?

Kluczową zaletą była swoboda architektoniczna. Mogliśmy zaprojektować każdy system, od potoków danych po doświadczenie użytkownika, zakładając, że sztuczna inteligencja będzie warstwą fundamentalną, a nie dodaną funkcją. Większość konkurentów w latach 2020 i 2021 zatrudniała ekspertów lingwistycznych i specjalistów od uczenia maszynowego do tworzenia własnych modeli. My przyjęliśmy odwrotne podejście, ponieważ wierzyliśmy, że zwycięzcami w tej dziedzinie będą ci, którzy potrafią skutecznie zastosować sztuczną inteligencję do rozwiązywania rzeczywistych problemów, a nie ci, którzy sami budują modele. To odmienne podejście pozwoliło nam zachować elastyczność dzięki mniejszemu zespołowi i skoncentrować zasoby inżynieryjne na twardych problemach infrastrukturalnych — niezawodnym nagrywaniu na różnych platformach, mechanizmach dystrybucji wirusowej, przetwarzaniu w czasie rzeczywistym na dużą skalę.

Oto, co się stało z rozpoczęciem w 2020 roku: sztuczna inteligencja nie była jeszcze wystarczająco dobra. Wiedzieliśmy o tym. Ale wiedzieliśmy również, że jeśli poczekamy, aż sztuczna inteligencja dojrzeje, zanim zbudujemy firmę, spóźnimy się o dwa do trzech lat. Drzwi będą szeroko otwarte i wszyscy będą chcieli wejść. Dlatego najpierw zbudowaliśmy wszystko inne – infrastrukturę, kanały dystrybucji, doświadczenie użytkownika – z wyraźnym założeniem, że kiedy sztuczna inteligencja się pojawi, włożymy ją jak nowy silnik do samochodu. Ta decyzja opłaciła się ogromnie. Kiedy GPT-4 i Claude pojawiły się w latach 2022-2023, mogliśmy je natychmiast zintegrować. Konkurencja, która spędziła lata na tworzeniu niestandardowych potoków przetwarzania języka naturalnego, nagle musiała przemyśleć cały swój stos. My po prostu ulepszyliśmy nasze modele i kontynuowaliśmy dostawy.

Tworzenie rozwiązań natywnych dla sztucznej inteligencji (AI) fundamentalnie zmieniło również nasz proces rozwoju produktu. Tradycyjne oprogramowanie ma dość liniową mapę drogową: decydujesz, co stworzyć, tworzysz to i dostarczasz. W przypadku AI korzystamy z czegoś, co nazywam „modelem Jenga”. Każdy klocek reprezentuje potencjalną możliwość AI. Jeśli naciskamy na klocek i napotykamy opór, ponieważ modele nie są jeszcze wystarczająco dobre, próbujemy innego. Wiemy, że za sześć miesięcy technologia się poprawi i będziemy mogli do niej wrócić. To powstrzymuje nas przed forsowaniem funkcji, zanim będą gotowe, jednocześnie zapewniając, że zawsze dostarczamy wartość.

Drugą zaletą była wiarygodność. Owszem, inwestorzy radzili mi nie dodawać słowa „AI” w 2020 roku, ale to, że pojawiliśmy się wcześniej, dało nam autentyczność. Nie podążaliśmy za trendem; stawialiśmy na tezę, zanim stała się oczywista. To pozycjonowało nas jako budowniczych, a nie szybko podążających za trendami.

Opisałeś rozmowy na spotkaniach jako jedno z najbardziej pomijanych źródeł danych w organizacjach. Co przekonało Cię, że to kolejny ważny krok w rozwoju sztucznej inteligencji?

Zdałem sobie sprawę, że nigdy nie spotkałem sprzedawcy, który miałby osiem godzin dziennie na słuchanie wszystkich spotkań swojego zespołu, nie mówiąc już o podejmowaniu decyzji i szkoleniu zespołu na podstawie tego, co usłyszał. Spotkania generują niezwykle cenne dane, ale są one całkowicie niedostępne na dużą skalę. Podczas tradycyjnych spotkań wyrzucamy 99% treści, a pozostały 1% notatek trafia do CRM. Następnie próbujemy na tej podstawie wyciągać wnioski na temat tego, co stanie się z naszą firmą. To absurdalny proces. Informacje, które naprawdę mają znaczenie – ton głosu klienta, konkretny zarzut, który zgłosił, wzmianka o konkurencji – wszystko to jest filtrowane przez czyjeś pospiesznie napisane notatki i traci wszelki kontekst.

To, co przekonało mnie, że to kolejny krok naprzód, to uświadomienie sobie, że te „konwersacyjne ciemne dane” są w rzeczywistości najbogatszym sygnałem tego, co dzieje się w organizacji. Otrzymujesz wgląd w czasie rzeczywistym w problemy klientów, luki produktowe, zagrożenia ze strony konkurencji i potrzeby szkoleniowe – wszystko własnymi słowami. Kiedy klient wyjaśnia, dlaczego potrzebuje danej funkcji, jest to o wiele cenniejsze niż parafraza sprzedawcy w CRM.

Przełom w dziedzinie sztucznej inteligencji polega na tym, że wreszcie możemy wykorzystać te dane na dużą skalę. Kiedy po raz pierwszy uruchomiliśmy Ask Fathom, aplikacja mogła odpowiadać na pytania dotyczące poszczególnych spotkań. Następnie udoskonaliliśmy ją, aby obsługiwać spotkania w małych grupach. Teraz jest na tyle inteligentna, że ​​rozumie cały zestaw spotkań w firmie. Liderzy sprzedaży mogą zapytać: „Którzy konkurenci ostatnio zyskują na popularności? Pokaż mi kilka klipów”. ​​Zespoły inżynierskie mogą zapytać: „Opowiedz nam o historii silników transkrypcyjnych w Fathom” i otrzymać sześciostronicowy, syntetyczny dokument obejmujący cztery lata spotkań inżynierskich.

To zaczyna być znacznie większy mózg, który naprawdę rozumie, co robi Twoja firma i jakie rozmowy prowadzi. Możesz sobie wyobrazić świat, w którym sztuczna inteligencja będzie w stanie podpowiedzieć Ci, jakie funkcje powinieneś wdrożyć w następnej kolejności, na podstawie tego, co pomogłoby Ci sfinalizować najwięcej transakcji, jacy konkurenci się pojawiają lub jakie luki w szkoleniach istnieją w Twoim zespole. Istnieje niesamowite źródło danych, które sztuczna inteligencja analizuje, aby dostarczyć Ci danych wejściowych do kolejnego spotkania strategicznego lub procesu planowania rozwoju.

Wielu użytkowników uważa Fathom za narzędzie transformujące, które pozwala zachować obecność podczas spotkań. Jak znaleźć równowagę między automatyzacją a zachowaniem naturalnego przepływu ludzkiej konwersacji?

To od samego początku stanowiło podstawę naszej filozofii projektowania. Celem nie jest to, aby sztuczna inteligencja mówiła Ci, co robić na spotkaniu, ale raczej dostarczenie Ci informacji, które pomogą Ci być bardziej obecnym i skutecznym w rozmowach.

Ostrożnie podchodzimy do tego, co automatyzujemy, a czego nie. Nie wprowadzamy nowych funkcji, dopóki nie będziemy pewni, że potrafimy je robić naprawdę dobrze. Czasami oznacza to, że nie jesteśmy pierwsi na rynku z pewnymi możliwościami, ale kiedy już coś wprowadzimy, działa to i przynosi realną wartość. Ostrożnie podchodzimy do takich rozwiązań jak nagrywanie rozmów telefonicznych czy nagrywanie niektórych spotkań w salach, pomimo częstych próśb. Wolimy osiągać sukcesy w tym, co robimy, niż wprowadzać przeciętne rozwiązanie, które zaburza naturalny przepływ rozmów.

Ostatecznie nasi użytkownicy twierdzą, że znajdujemy właściwą równowagę: twierdzą, że oszczędzają ponad 6 godzin tygodniowo i 3 razy szybciej przechodzą od analizy do kolejnych kroków; 95% deklaruje, że Fathom pomaga im być obecnymi na spotkaniach. To potwierdza, że ​​rozszerzamy ludzkie możliwości, a nie je zastępujemy.

Fathom pozyskał ponad 1,300 inwestorów-użytkowników w rundzie finansowania serii A – rzadki dowód zaufania na poziomie produktu. Co Twoim zdaniem tak mocno rezonowało z przeciętnymi użytkownikami?

Po pierwsze, oferujemy naprawdę solidny, darmowy produkt: nielimitowane spotkania, pięć podsumowań AI miesięcznie. Dwie trzecie naszych użytkowników nie płaci nam ani grosza i jest to dla nas całkowicie w porządku. To nie jest typowa strategia SaaS. Nasi użytkownicy widzą, że nie próbujemy wyciągać od nich wartości na każdym kroku. Skupiamy się na ulepszaniu życia poszczególnych współpracowników za darmo, a monetyzujemy to, sprzedając narzędzia do zarządzania ich szefom — panele coachingowe, informacje o spotkaniach i analizy konkurencji. Produkt po prostu działa i będzie działał niezależnie od tego, czy płacisz, czy nie. To buduje prawdziwe zaufanie.

Nasz rozwój opiera się niemal wyłącznie na marketingu szeptanym – staliśmy się bardziej platformą mediów społecznościowych niż tradycyjnym oprogramowaniem B2B. Nasi użytkownicy są naszymi ambasadorami i kanałem dystrybucji. Pozwolenie im na zostanie inwestorami to potwierdzenie tego, co już jest prawdą: są partnerami w tej misji.

Myślę też, że problem, który rozwiązujemy, ma głębszy rezonans. Każdy z nas doświadczył bólu związanego z uczestnictwem w spotkaniu, próbą bycia obecnym i obserwowaniem, jak ktoś gorączkowo pisze, zamiast się angażować. Każdy potrzebował informacji ze spotkania, w którym nie uczestniczył, i otrzymał bezsensowne, dwuwierszowe podsumowanie. Problem jest uniwersalny, a rozwiązanie wydaje się wręcz magiczne, gdy działa dobrze. Użytkownicy inwestują, ponieważ chcą, aby taka przyszłość istniała – nie tylko dla nich samych, ale dla wszystkich, z którymi współpracują.

Twoje doświadczenie obejmuje tworzenie platformy UserVoice, która pomogła zdefiniować sposób, w jaki firmy zarządzają opiniami klientów. Jak to doświadczenie wpłynęło na Twoje myślenie o pamięci organizacyjnej i przepływach wiedzy opartych na sztucznej inteligencji?

UserVoice nauczył mnie, że najcenniejsze informacje w firmach są często najbardziej rozproszone. Opinie klientów były wszędzie. Były ukryte w zgłoszeniach pomocy technicznej, przesłanych e-mailach i przypadkowych rozmowach handlowych. Firmy dysponowały tysiącami danych o tym, czego oczekują klienci, ale nie miały możliwości ich syntezy w celu podejmowania strategicznych decyzji. Zbudowaliśmy infrastrukturę, która agreguje te opinie na dużą skalę i udostępnia je osobom podejmującym decyzje produktowe.

Podobieństwo do Fathom jest oczywiste, ale problem jest głębszy. Spotkania są znacznie bardziej rozproszone niż opinie klientów. Każda organizacja prowadzi setki, a nawet tysiące godzin rozmów tygodniowo. Z UserVoice nauczyłem się, że przechwytywanie jest konieczne, ale nie wystarczy. Nie można po prostu agregować informacji; trzeba budować inteligencję na temat tego, co ważne, i kierować ją do odpowiednich osób. Dzięki UserVoice stworzyliśmy systemy głosowania, algorytmy trendów i panele administracyjne, aby zespoły produktowe mogły oddzielać sygnały od szumu. Dzięki Fathom budujemy sztuczną inteligencję, która rozumie kontekst rozmów i może proaktywnie wydobywać wnioski: „Pięciu klientów wspomniało o tym przypadku użycia w tym miesiącu” lub „Twój zespół ciągle utknie na tym zastrzeżeniu”.

Druga lekcja dotyczyła demokratyzacji. UserVoice umożliwił każdemu klientowi przekazanie opinii, nie tylko tym najgłośniejszym, którzy mogli dodzwonić się do kadry kierowniczej. Dzięki Fathom demokratyzujemy dostęp do informacji o spotkaniach. W naszym studium przypadku z Netgain, kierownik operacyjny spędzał 7.5 godziny dziennie, odpowiadając na podstawowe pytania dotyczące tego, co dzieje się podczas rozmów handlowych. To szaleństwo. Informacje istniały, ale były uwięzione w głowach ludzi i rozproszonych notatkach.

Przyszłość pamięci organizacyjnej to odejście od tych odizolowanych silosów wiedzy – CRM, dokumentów, systemów informacji zwrotnej – w stronę połączonej inteligencji konwersacyjnej. To logiczna ewolucja tego, co zaczęliśmy budować w UserVoice, ale sztuczna inteligencja umożliwia to z pełną wiernością ludzkiej konwersacji, a nie tylko z wykorzystaniem ustrukturyzowanych danych.

Popularność narzędzi AI opartych na technologii Zoom gwałtownie wzrosła po 2020 roku. Co Twoim zdaniem odróżnia naprawdę pomocnego asystenta AI od takiego, który jedynie dodaje szum?

Zawsze powtarzam ludziom, że są tylko dwie rzeczy, które mogą pogrążyć asystenta konferencyjnego opartego na sztucznej inteligencji: jeśli produkt nie jest niezawodny lub jeśli jego wyniki są kiepskie. Myślę, że w poprzedniej generacji wiele firm zajmujących się marketingiem sztucznej inteligencji łatwo było obiecać magiczne rozwiązania, ale rzeczywistość okazywała się bezsensowna. Zawsze staraliśmy się oferować wysokiej jakości, niezawodny produkt, który spełnia obietnice. Nasze kluczowe wyróżniki to:

• Dokładność transkrypcji. Fathom jest uważany za najdokładniejszy transkrypt dostępny obecnie na rynku. Większość narzędzi korzysta z usług zewnętrznych firm, podczas gdy my stworzyliśmy własną, opatentowaną technologię transkrypcji. Jeśli Twój transkrypt jest zły, wszystkie dane pochodzące z komponentu AI są całkowicie bezużyteczne, ponieważ nie są już częścią transkryptu.
• Niezawodność i infrastruktura. Dołączając do spotkania, często się spieszysz lub jesteś zestresowany. Wiele z tych narzędzi pozwala botom dołączać do spotkań, ale potem nie nagrywają lub nagrywanie kończy się niepowodzeniem. Działamy niemal na poziomie systemu czasu rzeczywistego – pracujesz nad czymś, co jest o krok dalej niż awionika. Jeśli coś nie zadziała dwa razy, użytkownik odchodzi. To nie jest jak tradycyjne oprogramowanie SaaS, gdzie czasami możesz mieć awarię.
• Sztuczna inteligencja, która rozumie niuanse i kontekst. Język biznesowy bywa bardzo subtelny. Pamiętam, jak kierowałem zespołem sprzedaży w UserVoice i czytałem notatki ludzi, myśląc: „Muszę usłyszeć, jak to naprawdę powiedzieli”. Sztuczna inteligencja musi uchwycić nie tylko to, co zostało powiedziane, ale także ton, wahanie i podekscytowanie (lub jego brak). Dlatego łączymy każdy punkt podsumowania z rzeczywistym momentem nagrania.
• Personalizacja bez komplikacji. Sztuczna inteligencja powinna dostosowywać się do Twojej firmy, a nie odwrotnie. Zespoły sprzedaży powinny móc modyfikować szablony, aby dopasować je do swoich metodologii – MEDDIC, Challenger, SPICED, czegokolwiek innego. Nie może to jednak wymagać dyplomu z zakresu analizy danych. Musi po prostu działać.

Fathom przekształca treści spotkań w praktyczną wiedzę. Jak blisko jesteśmy systemów AI, które działają jak prawdziwe silniki przepływu pracy – automatycznie łącząc rozmowy, decyzje i zadania?

Myślę, że jesteśmy bliżej, niż większość ludzi zdaje sobie sprawę, ale wciąż są ważne kroki do podjęcia. Wkraczamy w świat, w którym Fathom wykonuje coraz więcej pracy za Ciebie. Pierwszym krokiem jest po prostu dostarczenie informacji tam, gdzie chcesz. Następnym krokiem, który jest już blisko, jest to, że sztuczna inteligencja faktycznie wykona za Ciebie całą pracę.

Widzimy już wczesne wersje tego rozwiązania. Nasza integracja z Asaną pobiera elementy działań ze spotkań i automatycznie tworzy zadania, które można śledzić. Fathom nie chce tworzyć rozwiązania do zarządzania zadaniami — istnieje wiele świetnych rozwiązań, takich jak Asana. Dlatego tworzymy integracje, które przenoszą wyniki spotkań bezpośrednio do narzędzi, z których ludzie już korzystają, aby wykonywać swoją pracę.

Po stronie CRM automatycznie przesyłamy ustrukturyzowane pola – punkty zapalne, osie czasu, kluczowe osoby decyzyjne – do Salesforce i HubSpot. W jednym studium przypadku pozwoliło to zaoszczędzić od 20 do 30 minut na każdej aktualizacji statusu transakcji i doprowadziło do niemal idealnej dokładności prognozy na koniec miesiąca. To silnik przepływu pracy w akcji: rozmowa się odbywa, sztuczna inteligencja wyodrębnia kluczowe dane biznesowe, a następnie automatycznie trafiają one do systemu rekordów, bez konieczności wpisywania czegokolwiek.

Ale myślę, że prawdziwy przełom nastąpi wraz z tym, co nazywam alertami semantycznymi i inteligentnym routingiem. Wyobraź sobie, że jesteś menedżerem lub liderem sprzedaży i codziennie otrzymujesz podsumowanie najważniejszych wydarzeń, w którym sztuczna inteligencja wykryła każdą dyskusję o cenach, która poszła nie tak, lub każdą blokadę produktu, która pojawiła się podczas rozmowy telefonicznej w sprawie odnowienia. Jeśli jesteś menedżerem ds. inżynierii, widziałbyś każdą zażartą dyskusję między inżynierami. Sztuczna inteligencja rozumie teraz ton i niuanse, a nie tylko słowa kluczowe, więc wie, na których momentach naprawdę Ci zależy.

W miarę jak firmy się rozwijają, zmagają się z rozproszoną wiedzą i zanikaniem informacji. W jaki sposób sztuczna inteligencja może zniwelować lukę między tym, o czym zespoły dyskutują, a tym, co faktycznie jest realizowane?

To jeden z najważniejszych problemów, które rozwiązujemy. Są dwie grupy, którym możemy naprawdę pomóc: osoby na spotkaniu, które starają się robić notatki i być obecne, oraz kadra zarządzająca, liderzy i założyciele, którzy nie uczestniczą w spotkaniu, ale zarządzają zespołami i starają się zrozumieć, co się dzieje. To właśnie w tej drugiej grupie problem rozproszonej wiedzy jest najbardziej dotkliwy.

Kluczowym problemem jest przejrzystość. Gdy ktokolwiek w firmie chce poznać status transakcji lub dowiedzieć się, co dzieje się z klientem, tradycyjnie nie ma łatwego miejsca, aby znaleźć te informacje. Dzwonią do działu sprzedaży, zmuszając przedstawicieli handlowych do poświęcenia 20-30 minut na przeszukiwanie notatek. W okresach szczytowych niektórzy menedżerowie operacyjni otrzymują 15 zapytań dziennie – to 7.5 godziny spędzone na wyszukiwaniu informacji zamiast na działaniach przynoszących wartość.

Sztuczna inteligencja może zacząć łączyć ze sobą wątki w rozmowach, których żaden człowiek nie byłby w stanie śledzić. Takie rozpoznawanie wzorców w rozproszonych rozmowach zapobiega zanikaniu wiedzy i przekształca rozmowy w strategiczne informacje.

Patrząc w przyszłość o pięć lat, w jaki sposób, według Pana, będzie się rozwijać inteligencja spotkań i jaką rolę, Pana zdaniem, będzie ona odgrywać w przyszłości pamięci organizacyjnej, podejmowania decyzji i współpracy?

Myślę, że za pięć lat będziemy patrzeć na dzisiejsze narzędzia do pozyskiwania informacji ze spotkań w ten sam sposób, w jaki patrzymy na pierwsze smartfony: imponujące jak na tamte czasy, ale prymitywne w porównaniu z tym, co stało się możliwe.

Pierwszą znaczącą ewolucją jest przejście od robienia notatek do prawdziwej automatyzacji przepływu pracy. Wyobrażamy sobie przyszłość, w której samo powiedzenie czegoś na spotkaniu może sprawić, że to się stanie, bez konieczności pracy po spotkaniu. Teraz, jeśli powiesz na spotkaniu: „Stwórzmy specyfikację tej funkcji i zaplanujmy spotkanie z inżynierami w przyszłym tygodniu”, nadal musisz ręcznie utworzyć ten dokument i wysłać zaproszenie do kalendarza. Za pięć lat sztuczna inteligencja zrobi to wszystko automatycznie. Mówisz, a to się dzieje. Dzięki sztucznej inteligencji tworzącej zadania, specyfikacje i dokumenty, ludzie mogą skupić się na pracy, która faktycznie wymaga ludzkiej kreatywności i osądu.

Druga ewolucja rozszerza się z bezpośrednich spotkań z klientami na wszystkie spotkania. Obecnie koncentrujemy się na spotkaniach zewnętrznych: sprzedażowych, obsługi klienta, spotkaniach agencji z klientami. Naszym celem w ciągu najbliższych 12–18 miesięcy jest jednak uczynienie z Fathom platformy, z której można korzystać w całej organizacji, a nie tylko w zespołach mających bezpośredni kontakt z klientami. Tworzymy bezbootowe nagrywanie, które może rejestrować dowolną rozmowę, w tym spotkania na Slacku i spotkania osobiste. Ewoluuje ono w kierunku możliwości rejestrowania dowolnej rozmowy prowadzonej w firmie, niezależnie od medium.

Firmy, które osiągną szczyt, to te, które traktują dane konwersacyjne jako priorytetowe – tak samo ważne, jak dane CRM, analityka i dokumenty. Bo ostatecznie najważniejsza wiedza w każdej organizacji znajduje się nie w systemach, ale w rozmowach. Sztuczna inteligencja w końcu umożliwia jej wykorzystanie.

Dziękujemy za wspaniały wywiad. Czytelnicy chcący dowiedzieć się więcej o tej aplikacji do robienia notatek powinni odwiedzić stronę Pojąć.