Richard White, założyciel i dyrektor generalny Fathom – seria wywiadów

Richard White, założyciel i dyrektor generalny Fathom, jest założycielem kilku firm i przedsiębiorcą skupionym na produkcie, najlepiej znanym z przekształcania osobistych frustracji w oprogramowanie definiujące kategorie. Przed Fathom założył i prowadził UserVoice przez niemal 13 lat, rozwijając je w rentowną platformę zarządzania opiniami, używaną przez tysiące firm, od startupów po przedsiębiorstwa takie jak Microsoft, a także był pionierem dziś wszechobecnej zakładki „Feedback” na stronach internetowych. Wcześniej w swojej karierze zbudował i prowadził SlimTimer całkowicie samodzielnie przez ponad dekadę, prowadził wpływowe projekty open-source, takie jak AjaxScaffold w ekosystemie Ruby on Rails, oraz pracował jako Product Design Lead w Kiko (YC S05). Te doświadczenia wspólnie ukształtowały jego filozofię dotyczącą użyteczności, empatii wobec klienta i tworzenia narzędzi, które w subtelny, ale znaczący sposób poprawiają sposób pracy zespołów.

Założone w 2020 roku, Fathom odzwierciedla te same wartości, mierząc się z powszechnym problemem: przeciążeniem poznawczym związanym z robieniem notatek podczas prób prowadzenia prawdziwych rozmów. Platforma automatycznie nagrywa, transkrybuje i podsumowuje spotkania — przede wszystkim w Zoomie — umożliwiając użytkownikom podświetlanie momentów w czasie rzeczywistym, udostępnianie krótkich klipów zamiast surowych notatek i zachowywanie nuansów, które często giną w pisemnych podsumowaniach. W miarę dojrzewania Fathom ewoluowało poza prostą transkrypcję w lekki system rejestracji rozmów, zaprojektowany, aby pomóc zespołom zachować kontekst, uczyć się z połączeń z klientami i współpracować asynchronicznie bez utrudniania samego spotkania.

Przez ostatnie 15 lat budowałeś firmy, które zmieniają sposób, w jaki ludzie komunikują się — od UserVoice do Fathom. Co skłoniło Cię do założenia Fathom, i jak Twoje korzenie inżynierskie i projektowe ukształtowały firmę od samego początku?

Inspiracja do założenia Fathom przyszła na początku 2020 roku. Był to okres przed pandemią, ale prowadziłem obszerny research produktowy i nagle uczestniczyłem w 15–20 spotkaniach na Zoomie dziennie, jednym po drugim. Sześć tygodni tego sprawiło, że stałem się boleśnie świadomy, jak bolesne jest to doświadczenie. Nie mogę rozmawiać i pisać jednocześnie — patrzyłem na swoje notatki dwa tygodnie później i nie pamiętałem, z którym spotkaniem była związana która konwersacja. Największym problemem było to, że robiłem wszystkie te badania i udostępniałem kilka punktów swojemu zespołowi, a to po prostu nie działało. Wszystko ginęło w tłumaczeniu. To było jak uderzenie palcem u nogi w przeszkodę: jeśli zdarza się raz w miesiącu, ignorujesz to. Jeśli jednak zdarza się codziennie i wielokrotnie w ciągu dnia, bardzo szybko próbujesz rozwiązać problem.

Moje korzenie inżynierskie i projektowe wpłynęły na decyzje, które podjąłem podczas budowy Fathom. Zawsze podchodziłem do problemów, biorąc pojęcia, które już istnieją, i robiąc je radykalnie bardziej użytecznymi dla znacznie szerszej publiczności. W przypadku Fathom zrozumiałem, że technologia transkrypcji staje się powszechnie dostępnym standardem — pojawiało się mnóstwo gotowych rozwiązań, których pięć lat wcześniej nie było. Transkrypcja była więc częścią rozwiązania, ale sama w sobie nim nie była.

Pod względem projektowania produktu zdałem sobie sprawę, że transkrypcje mogą być wartościowe dla osób, które brały udział w spotkaniu. Ale nie są one pomocne dla osób, które tam nie były. To, co okazało się znacznie bardziej wpływowe, to pokazywanie 30-sekundowego klipu wideo klienta sprzeciwiającego się cenom lub zadającego techniczne pytanie. Używamy transkrypcji niemal jak spisu treści, aby znaleźć rzeczywisty klip audio-wideo. To myślenie o produkcie — zrozumienie zadań do wykonania, a nie tylko technologii — pochodziło bezpośrednio z moich korzeni projektowych.

Fathom zostało stworzone w 2020 roku, zanim większość firm poważnie myślała o opartych od podstaw na AI przepływach pracy. Jakie korzyści dało Ci budowanie z AI w rdzeniu — zamiast dodawania jej później — na początku?

Kluczową korzyścią była wolność architektoniczna. Mogliśmy zaprojektować każdy system, od potoków danych po doświadczenie użytkownika, zakładając, że AI będzie podstawową warstwą, a nie funkcją, którą można dodać. Większość konkurentów w 2020 i 2021 roku zatrudniała ekspertów od lingwistyki i specjalistów od ML, aby zbudować własne modele. My podjęliśmy przeciwny krok, ponieważ wierzyliśmy, że zwycięzcy w tym obszarze będą tymi, którzy będą mogli efektywnie zastosować AI do rozwiązywania prawdziwych problemów, a nie tymi, którzy zbudowali modele sami. Ten pogląd, sprzeczny z dominującym podejściem, pozwolił nam zachować elastyczność z mniejszym zespołem i skupić nasze zasoby inżynierskie na trudnych problemach infrastrukturalnych — niezawodnym nagrywaniu na różnych platformach, mechanizmach wirusowego rozpowszechniania produktu, przetwarzaniu w czasie rzeczywistym na dużą skalę.

Rozpoczęcie działalności w 2020 roku miało jeden istotny aspekt: AI jeszcze nie było wystarczająco dobre. Wiedzieliśmy o tym. Ale wiedzieliśmy również, że jeśli przed założeniem firmy poczekamy, aż AI dojrzeje, spóźnimy się o dwa do trzech lat. Drzwi będą szeroko otwarte, a wszyscy wleją się do środka. Więc zbudowaliśmy wszystko inne najpierw — infrastrukturę, kanały dystrybucji, doświadczenie użytkownika — z wyraźnym oczekiwaniem, że kiedy AI osiągnie odpowiednią dojrzałość, będziemy mogli je wdrożyć jak nowy silnik w samochodzie. Ta decyzja opłaciła się ogromnie. Kiedy GPT-4 i Claude przybyli w 2022-2023, mogliśmy je natychmiast zintegrować. Konkurenci, którzy spędzili lata na budowaniu niestandardowych potoków NLP, nagle musieli przemyśleć cały swój stos. My po prostu uaktualniliśmy nasze modele i nadal wprowadzaliśmy kolejne wersje produktu.

Tworzenie produktu opartego od podstaw na AI również zasadniczo zmieniło nasz proces rozwoju produktu. Tradycyjne oprogramowanie ma dość liniowy plan rozwoju: decydujesz, co zbudować, tworzysz to i wprowadzasz na rynek. Z AI używamy tego, co nazywam „modelem Jenga”. Każdy blok reprezentuje potencjalną możliwość AI. Jeśli pchamy blok i spotykamy opór, ponieważ modele nie są jeszcze wystarczająco dobre, próbujemy innego. Wiemy, że za sześć miesięcy technologia się poprawi i będziemy mogli wrócić do tego. To nas powstrzymuje od wymuszania funkcji, zanim będą gotowe, a jednocześnie zapewnia, że zawsze dostarczamy wartość.

Inna korzyść to wiarygodność. Tak, inwestorzy powiedzieli mi, aby nie umieszczać „AI” w naszej nazwie w 2020 roku, ale wczesny start nadał nam autentyczność. Nie podążaliśmy za modą; obstawialiśmy tezę, zanim stała się oczywista. To pozycjonowało nas jako budowniczych, a nie szybkich naśladowców.

Opisujesz rozmowy na spotkaniach jako jedno z najbardziej pomijanych źródeł danych w organizacjach. Co przekonało Cię, że to jest następny główny obszar dla AI?

Zdałem sobie sprawę, że nigdy nie spotkałem sprzedawcy, który ma osiem godzin dziennie, aby słuchać wszystkich spotkań swojego zespołu, nie mówiąc już o podejmowaniu decyzji i szkoleniu swojego zespołu na podstawie tego, co usłyszał. Spotkania generują niesamowicie cenne dane, ale są one całkowicie niedostępne w skali. Z tradycyjnymi spotkaniami wyrzucamy 99% zawartości, a pozostały 1% trafia do CRM w postaci notatek. Następnie z tego ułamka próbujemy odtworzyć obraz sytuacji i przewidzieć przyszłość naszego biznesu. To absurdalny proces. Informacje, które naprawdę się liczą — ton głosu klienta, konkretny sprzeciw, jaki został podniesiony, wzmianka o konkurencji, która się pojawiła — wszystko to jest filtrowane przez czyjeś pospiesznie napisane notatki i traci cały kontekst.

To, co mnie przekonało, że to jest następny obszar, to uznanie, że te „ciemne dane konwersacyjne” są tak naprawdę najbogatszym sygnałem tego, co się dzieje w organizacji. Otrzymujesz informacje w czasie rzeczywistym o problemach klientów, lukach w produkcie, zagrożeniach konkurencyjnych i potrzebach szkoleniowych — wszystko to w słowach ludzi. Kiedy klient wyjaśnia, dlaczego potrzebuje funkcji, jest to o wiele cenniejsze niż parafrazowanie przez przedstawiciela handlowego w polu CRM.

Przełom z AI polega na tym, że możemy wreszcie wykorzystać te dane w skali. Kiedy po raz pierwszy uruchomiliśmy Ask Fathom, mogło ono odpowiedzieć na pytania o poszczególne spotkania. Następnie ulepszyliśmy go, aby obsługiwał małe grupy spotkań. Teraz jest wystarczająco inteligentny, aby zrozumieć cały zbiór spotkań Twojej firmy. Liderzy sprzedaży mogą zapytać: „Którzy konkurenci zyskują ostatnio na znaczeniu? Pokaż mi kilka klipów”. Zespoły inżynierskie mogą zapytać: „Powiedz nam historię silników transkrypcyjnych w Fathom” i otrzymać sześciostronicowy syntetyczny dokument oparty na czterech latach spotkań inżynierskich.

To zaczyna być znacznie większym mózgiem, który naprawdę rozumie, co się dzieje w Twoim biznesie i rozmowach. Możesz wyobrazić sobie świat, w którym AI może powiedzieć Ci, jakie funkcje powinieneś zbudować jako następne, na podstawie tego, co pomoże zamknąć najwięcej umów, lub którzy konkurenci się pojawiają, lub jakie luki szkoleniowe istnieją w Twoim zespole. Jest to niesamowite źródło danych, które AI wydobywa, aby dać Ci dane wejściowe do Twojego następnego spotkania strategicznego lub procesu planowania rozwoju.

Wielu użytkowników wymienia Fathom jako przełomowy dla bycia obecnym podczas spotkań. Jak balansujesz automatyzację z zachowaniem naturalnego przepływu ludzkiej konwersacji?

To było podstawowym elementem naszej filozofii projektowej od samego początku. Celem nie jest mieć AI, które mówi Ci, co masz robić na spotkaniu, ale raczej dać Ci informacje, które pomogą Ci być bardziej obecnym i skutecznym w Twoich rozmowach.

Jesteśmy ostrożni w tym, co automatyzujemy, a co nie. Nie uruchomimy funkcji, dopóki nie będziemy pewni, że możemy to zrobić naprawdę dobrze. To czasem oznacza, że nie jesteśmy pierwsi na rynku z pewnymi możliwościami, ale kiedy je uruchomimy, działa to i dostarcza prawdziwą wartość. Byliśmy ostrożni, podejmując rzeczy takie jak nagrywanie połączeń telefonicznych lub pewne nagrania spotkań w sali, pomimo częstych próśb. Wolimy być doskonali w tym, co robimy, niż wypuścić średnie doświadczenie, które zakłóci naturalny przepływ konwersacji.

Ostatecznie nasi użytkownicy mówią nam, że trafiamy w odpowiednią równowagę: mówią, że oszczędzają 6+ godzin tygodniowo i poruszają się 3× szybciej od spostrzeżenia do następnych kroków; 95% raportuje, że Fathom pomaga im w pełni skupić się na spotkaniach. To potwierdza, że wzmacniamy ludzkie możliwości, a nie je zastępujemy.

Fathom przyciągnął ponad 1300 użytkowników-inwestorów w swojej serii A — rzadki znak zaufania na poziomie produktu. Co Twoim zdaniem tak mocno przemówiło do zwykłych użytkowników?

Przede wszystkim dajemy naprawdę solidny bezpłatny produkt: nieograniczone spotkania, pięć podsumowań AI miesięcznie. Dwie trzecie naszych użytkowników nigdy nam nie płaci, a my jesteśmy z tym całkowicie w porządku. To nie jest typowa strategia SaaS. Nasi użytkownicy widzą, że nie staramy się wycisnąć z nich wartości na każdym kroku. Skupiamy się na poprawie życia poszczególnych pracowników za darmo, a monetyzujemy, sprzedając narzędzia menedżerskie ich szefom — pulpity szkoleniowe, inteligencję między spotkaniami i informacje o konkurencji. Produkt po prostu działa i działa nadal niezależnie od tego, czy płacisz. To tworzy prawdziwe zaufanie.

Nasz wzrost jest niemal w całości oparty na osobistych poleceniach — rozwijaliśmy się bardziej jak platforma mediów społecznościowych niż tradycyjne oprogramowanie B2B. Nasi użytkownicy są naszymi ambasadorami i kanałem dystrybucji. Umożliwiając im inwestowanie, po prostu uznajemy istniejący stan rzeczy: są partnerami w tej misji.

Myślę również, że jest głębsza rezonancja wokół problemu, który rozwiązujemy. Każdy doświadczył bólu bycia na spotkaniu, próbowania być obecnym i obserwowania, jak ktoś desperacko pisze, zamiast angażować się. Każdy potrzebował informacji ze spotkania, w którym nie brał udziału, i dostał bezużyteczne dwuwierszowe podsumowanie. Problem jest powszechny, a rozwiązanie wydaje się niemal magiczne, gdy działa dobrze. Użytkownicy inwestują, ponieważ chcą, aby ta przyszłość istniała — nie tylko dla siebie, ale dla wszystkich, z którymi pracują.

Twoje doświadczenie obejmuje budowanie UserVoice, które pomogło zdefiniować, jak firmy zarządzają opiniami klientów. Jak to doświadczenie wpłynęło na Twoje myślenie o pamięci organizacyjnej i przepływach wiedzy wspieranych przez AI?

UserVoice nauczyło mnie, że najcenniejsze informacje w firmach często są najbardziej rozproszone. Opinia klienta była wszędzie. Była zakopana w zgłoszeniach do pomocy technicznej, przesyłanych e-mailach i losowych rozmowach sprzedażowych. Firmy miały tysiące punktów danych o tym, co chcą klienci, ale nie miały sposobu, aby to syntetyzować w strategiczne decyzje. Zbudowaliśmy infrastrukturę, aby agregować ten feedback w skali i uczynić go dostępnym dla osób podejmujących decyzje o produkcie.

Analogia do Fathom jest oczywista, ale przestrzeń problemowa jest znacznie głębsza. Spotkania są wykładniczo bardziej rozproszone niż opinie klientów. Każda organizacja ma setki lub tysiące godzin rozmów każdego tygodnia. To, czego nauczyłem się od UserVoice, to to, że przechwytywanie jest konieczne, ale nie wystarczające. Nie możesz po prostu agregować informacji; musisz zbudować inteligencję o tym, co się liczy, i skierować ją do odpowiednich ludzi. Z UserVoice zbudowaliśmy systemy głosowania, algorytmy wykrywania trendów i pulpity administracyjne, aby zespoły produktowe mogły oddzielić sygnał od szumu. Z Fathom budujemy AI, które rozumie kontekst w rozmowach i może proaktywnie wyłaniać spostrzeżenia: „Pięciu klientów wspomniało o tym przypadku użycia w tym miesiącu” lub „Twój zespół stale utyka na tym sprzeciwie”.

Inna lekcja była o demokratyzacji. UserVoice umożliwił każdemu klientowi udzielenie opinii, a nie tylko tym najgłośniejszym, którzy potrafili skontaktować się telefonicznie z członkami kierownictwa. Z Fathom demokratyzujemy dostęp do inteligencji spotkań. W naszym studium przypadku z Netgain ich menedżer operacyjny spędzał 7,5 godziny dziennie, odpowiadając tylko na podstawowe pytania o to, co działo się na połączeniach sprzedażowych. To jest szalone. Informacje istniały, ale były uwięzione w głowach ludzi i rozproszonych notatkach.

Przyszłość pamięci organizacyjnej przechodzi od tych izolowanych silosów wiedzy — CRM, dokumenty, systemy opinii — do połączonej, konwersacyjnej inteligencji. To jest logiczna ewolucja tego, co zaczęliśmy budować z UserVoice, ale AI sprawia, że jest to możliwe z pełną wiernością ludzkiej konwersacji, a nie tylko z danymi strukturalnymi.

Po 2020 roku nastąpił gwałtowny wzrost liczby narzędzi AI opartych na Zoomie. Jak różni się Twoim zdaniem prawdziwie pomocny asystent AI od tego, który po prostu dodaje hałas?

Zawsze mówię ludziom, że istnieją tylko dwie rzeczy, które mogą naprawdę zatopić asystenta spotkań AI: jeśli produkt nie jest niezawodny lub jeśli dane wyjściowe AI są śmieciem. Myślę, że była masa marketingowego AI w poprzedniej generacji, gdzie łatwo było obiecać magiczne rzeczy, ale potem rzeczywistość okazała się być nonsensowna. Zawsze staraliśmy się upewnić, że mamy wysokiej jakości, niezawodny produkt, który robi to, co obiecuje. Nasze kluczowe wyróżniki to:

• Dokładność transkrypcji. Fathom jest uważany za najdokładniejszą transkrypcję dostępną dzisiaj. Większość narzędzi wykorzystuje usługę transkrypcyjną stron trzecich, natomiast my opracowaliśmy wewnętrznie własną technologię transkrypcji. Jeśli transkrypcja jest zła, wszystkie wyniki komponentu AI są bezużyteczne, ponieważ w całości na niej bazują.
• Niezawodność i infrastruktura. Kiedy dołączasz do spotkania, często jesteś w pośpiechu lub zestresowany. Wiele z tych innych narzędzi miało boty, które dołączały do spotkań, ale potem nie nagrywały, lub nagranie się nie powiodło. My istniejemy niemal na poziomie systemu w czasie rzeczywistym — pracujesz nad czymś, co jest o krok od awioniki. Jeśli to nie działa dwa razy, użytkownik odchodzi. To nie jest jak tradycyjne oprogramowanie SaaS, gdzie możesz być czasem niedostępny.
• AI, które rozumie nuans i kontekst. Język biznesowy może być bardzo subtelny. Pamiętam, jak prowadziłem zespół sprzedaży w UserVoice i czytałem notatki ludzi, myśląc: „Muszę usłyszeć, jak to naprawdę powiedzieli”. AI musi uchwycić nie tylko to, co zostało powiedziane, ale także ton, wahanie i entuzjazm (lub jego brak). Dlatego łączymy każdy punkt podsumowania z rzeczywistym momentem w nagraniu.
• Dostosowywanie bez złożoności. AI powinno dostosowywać się do Twojego biznesu, a nie odwrotnie. Zespoły sprzedaży powinny móc modyfikować szablony, aby dopasować je do swoich konkretnych metodologii — MEDDIC, Challenger, SPICED, cokolwiek używają. Ale to nie może wymagać dyplomu z analizy danych. To po prostu musi działać.

Fathom zamienia treść spotkań w wiedzę, którą można wykorzystać w praktyce. Jak blisko jesteśmy do systemów AI, które funkcjonują jako prawdziwe silniki przepływu pracy — łącząc konwersację, decyzje i kolejne zadania w sposób automatyczny?

Myślę, że jesteśmy bliżej, niż większość ludzi uważa. Ale nadal są ważne kroki do wykonania. Obecnie przechodzimy do świata, w którym Fathom robi coraz więcej pracy za Ciebie. Pierwszym krokiem jest po prostu uzyskanie informacji tam, gdzie chcesz, aby się znalazły. Następny krok, który nie jest daleko, to posiadanie AI, które naprawdę robi pracę za Ciebie.

Już widzimy wczesne wersje tego. Nasza integracja z Asaną pobiera zadania wynikające ze spotkań i automatycznie tworzy śledzone zadania. Fathom nie chce wymyślać rozwiązania do zarządzania zadaniami — jest wiele wspaniałych rozwiązań, takich jak Asana. Więc budujemy integracje, które przekazują wyniki spotkań bezpośrednio do narzędzi, których ludzie już używają do robienia pracy.

W obszarze CRM automatycznie przekazujemy uporządkowane pola — problemy klientów, harmonogramy i kluczowe osoby decyzyjne — do Salesforce i HubSpot. W jednym studium przypadku to zaoszczędziło 20-30 minut na aktualizację statusu oferty i doprowadziło do niemal idealnej dokładności prognozy na koniec miesiąca. To jest silnik przepływu pracy w działaniu: konwersacja następuje, AI wyłania kluczowe dane biznesowe, a następnie dane automatycznie trafiają do Twojego systemu rejestracji bez pisania czegokolwiek.

Ale myślę, że prawdziwy przełom nadchodzi z tym, co nazywam alertami opartymi na semantyce i inteligentnym routingiem. Wyobraź sobie, że jesteś menedżerem lub liderem sprzedaży i otrzymujesz codzienny wybór najważniejszych klipów, w którym AI znalazło każdą dyskusję o cenach, która poszła nie tak, lub każdą przeszkodę związaną z produktem, która pojawiła się podczas rozmowy o odnowieniu umowy. Jeśli jesteś menedżerem inżynieryjnym, zobaczysz każdą gorącą debatę wśród Twoich inżynierów. AI może teraz zrozumieć ton i nuans, a nie tylko słowa kluczowe, więc wie, które momenty naprawdę się liczą.

Jak firmy rosną, mają trudności z rozproszoną wiedzą i zanikiem informacji. Jak myślisz, że AI rozwiązuje lukę między tym, co zespoły dyskutują, a tym, co naprawdę się wykonuje?

To jest jeden z najbardziej krytycznych problemów, które rozwiązujemy. Są dwie grupy, którym możemy naprawdę pomóc: ludzie na spotkaniu, próbujący robić notatki i być obecni, oraz menedżerowie, liderzy i założyciele, którzy nie są na spotkaniu, ale prowadzą zespoły i starają się zrozumieć, co się dzieje. Ta druga grupa to miejsce, w którym problem rozproszonej wiedzy naprawdę uderza.

Kluczowym problemem jest widoczność. Kiedy ktokolwiek w firmie chce wiedzieć status oferty lub co się dzieje z klientem, tradycyjnie nie ma łatwego sposobu, aby znaleźć tę informację. Dzwonią do zespołu sprzedaży, zmuszając przedstawicieli do spędzania 20-30 minut na przeszukiwaniu notatek. Podczas szczytu niektórzy menedżerowie operacyjni otrzymują 15 takich próśb dziennie — to 7,5 godziny poświęcone na wyszukiwanie informacji zamiast na działaniach przynoszących wartość.

AI może zacząć łączyć punkty między rozmowami, których żaden człowiek nie mógłby śledzić. Właśnie takie rozpoznawanie wzorców w rozproszonych rozmowach pozwala zapobiegać zanikowi wiedzy i przekształcać rozmowy w strategiczne spostrzeżenia.

Spójrz pięć lat do przodu. Jak myślisz, że inteligencja spotkań będzie ewoluować — i jaką rolę myślisz, że AI będzie odgrywać w przyszłości pamięci organizacyjnej, podejmowania decyzji i współpracy?

Myślę, że za pięć lat spojrzymy wstecz na dzisiejsze narzędzia inteligencji spotkań w ten sam sposób, w jaki teraz patrzymy na wczesne smartfony: imponujące dla swojego czasu, ale prymitywne w porównaniu z tym, co się stało możliwe.

Pierwszą główną ewolucją jest przechodzenie od notowania do prawdziwej automatyzacji przepływu pracy. Wyobrażamy sobie przyszłość, w której po prostu mówienie czegoś na spotkaniu może sprawić, że to się urzeczywistni, bez konieczności pracy po spotkaniu. Obecnie, jeśli powiesz na spotkaniu: „Stwórzmy specyfikację dla tej funkcji i zaplanujmy spotkanie z inżynierią na następny tydzień”, nadal musisz ręcznie utworzyć ten dokument i wysłać to zaproszenie w kalendarzu. Za pięć lat AI zrobi to wszystko automatycznie. Mówisz to, i to się dzieje. Gdy AI tworzy zadania, specyfikacje i dokumenty, ludzie mogą skupić się na pracy, która naprawdę wymaga ludzkiej kreatywności i osądu.

Druga ewolucja to rozszerzenie ze spotkań zewnętrznych na wszystkie spotkania. Obecnie koncentrujemy się na spotkaniach zewnętrznych: sprzedaż, sukces klienta, agencje spotykające się z klientami. Ale naszym celem na najbliższe 12-18 miesięcy jest uczynienie Fathom platformą, z której możesz korzystać w całej organizacji, a nie tylko w zespołach skierowanych na klienta. Budujemy nagrywanie bez botów, które może przechwytywać każdą rozmowę, w tym rozmowy Slack Huddles i spotkania osobiste. Ewoluuje to w możliwość przechwytywania każdej rozmowy, jaką prowadzisz w swojej firmie, niezależnie od medium.

Firmy, które odniosą największy sukces, będą tymi, które traktują dane konwersacyjne jako zasób pierwszej rangi — równie istotny jak dane CRM, analityka i dokumenty. Ponieważ ostatecznie najważniejsza wiedza w jakiejkolwiek organizacji nie jest w systemach; jest w rozmowach. AI wreszcie umożliwia wykorzystanie tej wiedzy.

Dziękujemy za wspaniały wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej o tej aplikacji do notowania, powinni odwiedzić Fathom.