Richard White, Założyciel & CEO Fathom – Seria Wywiadów

Richard White, Założyciel & CEO Fathom, jest wielokrotnym założycielem i przedsiębiorcą skupionym na produkcie, najlepiej znanym z tego, że zmienia osobiste frustracje 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 teraz wszechobecnego guzika “Opinia” 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), doświadczenia, które łącznie ukształtowały jego filozofię dotyczącą użyteczności, empatii wobec klienta i budowania narzędzi, które w sposób cichy, ale znaczący, poprawiają sposób pracy zespołów.

Założone w 2020 roku, Fathom odzwierciedla tę samą etykę, podejmując się powszechnego bólu: przeciążenia poznawczego wynikającego z robienia notatek podczas prób prowadzenia prawdziwych rozmów. Platforma automatycznie nagrywa, transkrybuje i podsumowuje spotkania — najbardziej godne uwagi na Zoom — umożliwiając użytkownikom podświetlanie momentów w czasie rzeczywistym, udostępnianie krótkich klipów zamiast surowych notatek i zachowanie nuansów, które często giną w pisemnych podsumowaniach. Jak Fathom dojrzało, ewoluowało poza prostą transkrypcję w lekki system rejestracji rozmów, zaprojektowany, aby pomóc zespołom zachować kontekst, uczyć się z rozmów z klientami i współpracować asynchronicznie bez dodawania tarcia do samego spotkania.

Miałeś 15 lat doświadczenia w budowaniu firm, które zmieniają sposób, w jaki ludzie komunikują się — od UserVoice do Fathom. Jaki był moment, który skłonił Cię do założenia Fathom, i jak Twoje korzenie inżynierskie i projektowe ukształtowały firmę od samego początku?

Moją inspiracją do założenia Fathom była wczesna 2020. Było to przed pandemią, ale prowadziłem obszernie badania użytkowników dla produktu i nagle przyszedł czas, aby usiąść na 15 lub 20 spotkaniach na Zoom w ciągu dnia. Sześć tygodni tego sprawiło, że byłam bardzo świadoma, jak bolesne jest to doświadczenie. Nie mogę mówić i pisać jednocześnie — patrzyłem na moje notatki dwa tygodnie później i nie pamiętałem, której rozmowy dotyczyły. Największym problemem było to, że prowadziłem wszystkie te badania, a potem dzieliłem się kilkoma punktami z moim zespołem, i to po prostu nie działało. Wszystko ginęło w tłumaczeniu. To był moment, w którym “zadrasnęło mnie to”: coś, co dzieje się raz w miesiącu, ignorujesz. Draszczesz nogę o coś codziennie, wielokrotnie, bardzo szybko próbujesz to naprawić.

Moje korzenie inżynierskie i projektowe poinformowały wybory, które poczyniłem podczas budowania Fathom. Zawsze podejmowałem problemy, biorąc pojęcia, które już istnieją, i robiąc je radykalnie bardziej użytecznymi dla znacznie szerszej publiczności. Z Fathom miałem tę wiedzę, że technologia transkrypcji stawała się komodyfikowana — istniał rozkwit rozwiązań gotowych do użycia, których nie było pięć lat wcześniej. Tak więc transkrypcja była częścią rozwiązania, ale nie była sama w sobie rozwiązaniem.

Z punktu widzenia projektowania produktu zrozumiałem, że transkrypty mogą być wartościowe dla ludzi, którzy brali udział w rozmowie. Ale one naprawdę nie są pomocne dla ludzi, którzy tam nie byli. To, co okazało się znacznie bardziej wpływowe, to pokazywanie 30-sekundowego klipu wideo klienta, który sprzeciwia się cenom lub zadaje to pytanie techniczne. Używamy transkrypcji niemal jak spis 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 został stworzony w 2020 roku, zanim większość firm poważnie myślała o AI-nativnych przepływach pracy. Jakie korzyści dało budowanie z AI w rdzeniu — zamiast przerabiania go?

Kluczową korzyścią była wolność architektoniczna. Mogliśmy zaprojektować każdy system, od potoków danych do doświadczenia 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. Podjęliśmy przeciwny kierunek, ponieważ wierzyliśmy, że zwycięzcy w tym obszarze będą tymi, którzy mogą skutecznie zastosować AI do rozwiązywania prawdziwych problemów, a nie tymi, którzy zbudowali modele sami. Ten sprzeczny punkt widzenia pozwolił nam pozostać giętkimi z mniejszym zespołem i skoncentrować nasze zasoby inżynierskie na trudnych problemach infrastruktury — niezawodnym nagrywaniu na platformach, mechanice dystrybucji wirusowej, przetwarzaniu w czasie rzeczywistym w skali.

Oto rzecz o rozpoczęciu w 2020 roku: AI jeszcze nie było wystarczająco dobre. Wiedzieliśmy o tym. Ale także wiedzieliśmy, że jeśli poczekamy, aż AI dojrzeje, zanim zbudujemy firmę, będziemy o dwa do trzech lat za późno. Drzwi będą szeroko otwarte, a wszyscy zaleją. Więc zbudowaliśmy wszystko inne najpierw — infrastrukturę, kanały dystrybucji, doświadczenie użytkownika — z wyraźnym oczekiwaniem, że kiedy AI się pojawi, będziemy mogli je wdrożyć jak nowy silnik w samochodzie. Ta decyzja zaowocowała 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.

Budowanie AI-nativ również fundamentalnie zmieniło nasz proces rozwoju produktu. Tradycyjne oprogramowanie ma dość liniowy plan drogi: decydujesz, co zbudować, budujesz to i wysyłasz. Z AI używamy tego, co nazywam “modelem Jenga”. Każdy blok reprezentuje potencjalną możliwość AI. Jeśli pchniesz blok i spotkasz opór, ponieważ modele nie są jeszcze wystarczająco dobre, próbujesz inny. Wiemy, że za sześć miesięcy technologia się poprawi i będziemy mogli wrócić do tego. To nie powoduje, że zmuszamy funkcje, zanim będą gotowe, a jednocześnie zapewnia, że zawsze dostarczamy wartość.

Inną korzyścią była wiarygodność. Tak, inwestorzy powiedzieli mi, aby nie umieszczać “AI” w naszej nazwie w 2020 roku, ale wcześniejsze wejście dało nam autentyczność. Nie skakaliśmy na trend; zakładaliśmy tezę, zanim stała się oczywista. To pozycjonowało nas jako budowniczych, a nie szybkich naśladowców.

Opisałeś rozmowy na spotkaniach jako jeden z najbardziej zaniedbanych źródeł danych wewnątrz organizacji. Co przekonało Cię, że to jest następny wielki front dla AI?

Zrozumiałem, że nigdy nie spotkałem sprzedawcy, który ma osiem godzin dziennie, aby słuchać 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 w skali. Z tradycyjnymi spotkaniami wyrzucamy 99% treści, a ostatnie 1% notatek trafia do CRM. Następnie próbujemy odwrócić ekstrapolację stamtąd, co się wydarzy z naszym biznesem. To absurdalny proces. Informacje, które naprawdę mają znaczenie — ton głosu klienta, konkretny sprzeciw, jaki został podniesiony, wzmianka o konkurencji, która się pojawiła — wszystko to jest przefiltrowane przez kogoś szybko napisane notatki i traci cały kontekst.

To, co mnie przekonało, że to jest następny front, to uznanie, że ten “ciemny danych rozmów” jest tak naprawdę najbogatszym sygnałem tego, co dzieje się w organizacji. Otrzymujesz informacje w czasie rzeczywistym o bólach klienta, lukach w produkcie, zagrożeniach konkurencyjnych i potrzebach szkoleniowych — wszystko to w słowach ludzi. Kiedy klient wyjaśnia, dlaczego potrzebuje funkcjonalności, to jest o wiele cenniejsze niż parafrazowanie przez przedstawiciela sprzedaży 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 odpowiadać na pytania o poszczególne spotkania. Następnie ulepszyliśmy je, aby mogło obsłużyć małe grupy spotkań. Teraz jest wystarczająco inteligentne, aby zrozumieć cały zbiór spotkań Twojej firmy. Liderzy sprzedaży mogą zapytać, “Jakie konkurenci są najbardziej na topie w ostatnim czasie? Pokaż mi kilka klipów.” Zespoły inżynierskie mogą zapytać, “Powiedz nam historię silników transkrypcyjnych w Fathom” i otrzymać sześciostronicowy syntetyzowany dokument, ściągnięty z czterech lat spotkań inżynierskich.

Zaczyna to być znacznie większy mózg, który naprawdę rozumie, co Twoja firma robi i jakie rozmowy prowadzi. Możesz wyobrazić sobie świat, w którym AI może powiedzieć Ci, jakie funkcje powinieneś zbudować następnie na podstawie tego, co pomoże zamknąć najwięcej umów, lub jakie 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 mapowania.

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

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

Jesteśmy ostrożni w tym, co automatyzujemy, a co nie. Nie uruchomimy funkcji, dopóki nie będziemy wiedzieć, że możemy to zrobić naprawdę dobrze. To czasem oznacza, że nie jesteśmy pierwsi na rynku z określonymi możliwościami, ale kiedy je uruchamiamy, działa to i dostarcza prawdziwej wartości. Byliśmy ostrożni w podejściu do takich rzeczy, jak nagrywanie połączeń telefonicznych lub pewnych spotkań w pomieszczeniu, pomimo częstych próśb. Wolimy doskonalić to, co robimy, niż wdrażać średnie doświadczenie, które zakłóca naturalny przepływ rozmowy.

Ostatecznie nasi użytkownicy mówią nam, że trafiamy w odpowiednią równowagę: mówią, że oszczędzają 6+ godzin tygodniowo i poruszają się 3× szybciej od wglądu do następnych kroków; 95% zgłasza, że Fathom utrzymuje ich obecność na spotkaniach. To potwierdza, że uzupełniamy ludzką zdolność, a nie ją zastępujemy.

Fathom przyciągnął ponad 1,300 inwestorów-użytkowników w swojej serii A — rzadki znak zaufania na poziomie produktu. Co sądzisz, co tak silnie rezonowało z codziennymi użytkownikami?

Po pierwsze, dajemy naprawdę solidny bezpłatny produkt: nieograniczone spotkania, pięć podsumowań AI miesięcznie. Dwie trzecie naszych użytkowników nigdy nas nie płaci, i jesteśmy zupełnie z tym w porządku. To nie jest typowa gra SaaS. Nasi użytkownicy widzą, że nie staramy się wycisnąć z nich wartość na każdym kroku. Skupiamy się na poprawie życia indywidualnych współpracowników za darmo, a monetyzujemy, sprzedając narzędzia menedżerskie ich szefom — pulpity szkoleniowe, inteligencję międzyspotkań i wglądy konkurencyjne. Produkt po prostu działa, i nadal działa, niezależnie od tego, czy płacisz, czy nie. To tworzy prawdziwe zaufanie.

Nasz wzrost jest prawie całkowicie z ust do ust — rosło bardziej jak platforma mediów społecznościowych niż tradycyjne oprogramowanie B2B. Nasi użytkownicy są naszymi rzecznikami i kanałem dystrybucji. Pozwolenie im na zostanie inwestorami po prostu uznaje to, co już jest prawdą: są partnerami w tej misji.

Sądzę również, że istnieje głębszy rezonans 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 z spotkania, w którym nie brał udziału, i otrzymał bezużyteczne dwuwyrazowe 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 kim pracują.

Twój background obejmuje budowanie UserVoice, co pomogło zdefiniować, jak firmy zarządzają opiniami klientów. Jak doświadczenie to wpłynęło na Twoje myślenie o pamięci organizacyjnej i AI-zasilonych przepływach wiedzy?

UserVoice nauczył mnie, że najcenniejsze informacje w firmach często są najbardziej rozproszone. Opinia klienta była wszędzie. Była pogrzebana w biletach wsparcia, przekazywanych e-mailach i losowych rozmowach sprzedaży. Firmy miały tysiące punktów danych o tym, co chcieli klienci, ale nie było miejsca, aby je łatwo znaleźć. Zbudowaliśmy infrastrukturę, aby agregować ten feedback w skali i uczynić go dostępnym dla ludzi, którzy podejmują decyzje dotyczące produktu.

Równoległość z Fathom jest oczywista, ale przestrzeń problemowa jest bardziej głęboka. Spotkania są wykładniczo bardziej rozproszone niż opinie klienta. Każda organizacja ma setki lub tysiące godzin rozmów, które mają miejsce każdego tygodnia. To, czego nauczyłem się od UserVoice, to to, że przechwytywanie jest konieczne, ale nie wystarcza. Nie możesz tylko agregować informacje; musisz zbudować inteligencję o tym, co się liczy, i skierować ją do odpowiednich ludzi. Z UserVoice zbudowaliśmy systemy głosowania, algorytmy trendów i pulpity administracyjne, aby zespoły produktowe mogły oddzielić sygnał od szumu. Z Fathom budujemy AI, które rozumie kontekst w rozmowach i może proaktywnie ujawniać wglądy: “Pięciu klientów wspomniało o tym przypadku użycia w tym miesiącu” lub “Twój zespół utknął w tym sprzeciwie”.

Inną lekcją było udemokratyzowanie. UserVoice umożliwił każdemu klientowi dostarczenie opinii, a nie tylko tym najgłośniejszym, którzy mogli dostać executive na telefon. Z Fathom demokracja dostępu do inteligencji spotkań. W naszym studium przypadku z Netgain operacyjny menedżer spędzał 7,5 godziny dziennie, odpowiadając tylko na podstawowe pytania o to, co działo się na rozmowach sprzedaży. To jest szalone. Informacje istniały, ale były uwięzione w ludzkich głowach i rozproszonych notatkach.

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

Narzędzia AI oparte na Zoom wybuchły po 2020 roku. Jak różni się prawdziwie pomocny asystent AI od tego, który tylko dodaje hałas?

Zawsze mówię ludziom, że istnieją tylko dwie rzeczy, które mogą naprawdę zatopić asystenta AI spotkania: jeśli produkt nie jest niezawodny, lub jeśli wyjście AI jest śmiecią. Myślę, że była masa marketingowego AI w poprzedniej generacji, gdzie było łatwo 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 różnice to:

• Dokładność transkrypcji. Fathom jest uważany za najdokładniejszy transkrypt dostępny dzisiaj. Większość narzędzi wykorzystuje usługę transkrypcyjną zewnętrzną, podczas gdy my zbudowaliśmy własną, własną technologię transkrypcyjną wewnętrznie. Jeśli Twój transkrypt jest zły, wszystko z komponentu AI jest absolutnie zniszczone, ponieważ wszystko pochodzi z transkryptu.
• 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. Istniejemy niemal na poziomie systemu w czasie rzeczywistym — pracujesz nad czymś, co jest o jeden krok za awioniką. Jeśli to nie działa dwa razy, użytkownik jest poza. 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 oni 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.
• Personalizacja 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 powinno wymagać stopnia naukowego. To po prostu powinno działać.

Fathom zmienia treść spotkania w wiedzę, którą można wykorzystać. Jak blisko jesteśmy do systemów AI, które funkcjonują jako prawdziwe silniki przepływu pracy — łącząc rozmowę, decyzje i zadania w dół strumienia automatycznie?

Myślę, że jesteśmy bliżej, niż większość ludzi uważa. Wkrótce będziemy żyć w świecie, w którym Fathom robi coraz więcej pracy za Ciebie. Pierwszym krokiem jest po prostu uzyskanie informacji, gdzie chcesz, aby trafiła. Następnym krokiem, który nie jest zbyt daleko, jest posiadanie AI, które naprawdę robi pracę za Ciebie.

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

Po stronie CRM automatycznie pushujemy pola strukturalne — bóle, terminy, kluczowi decydenci — do Salesforce i HubSpot. W jednym z naszych studiów przypadku zaoszczędzili 20-30 minut na aktualizację statusu oferty i osiągnęli niemal idealną dokładność prognozy na koniec miesiąca. To jest silnik przepływu pracy w działaniu: rozmowa następuje, AI wyodrębnia kluczowe dane biznesowe, a potem płynie automatycznie do Twojego systemu rejestracji bez żadnego wpisywania.

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 cotygodniowy wybór, w którym AI znalazło każdą dyskusję o cenach, która poszła nie tak, lub każdą blokadę produktu, która się pojawiła w odnawialnej rozmowie. Jeśli jesteś menedżerem inżynieryjnym, zobaczysz każdą gorącą debatę wśród Twoich inżynierów. AI może zrozumieć ton i nuans, a nie tylko słowa kluczowe, więc wie, które momenty naprawdę Cię obchodzą.

Jak firmy rosną, mają trudności z rozproszoną wiedzą i zanikiem informacji. Jak myślisz, że AI rozwiąże lukę między tym, o czym zespoły dyskutują, a tym, co naprawdę jest wykonywane?

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

Kluczowym problemem jest widoczność. Kiedy ktokolwiek w firmie chce wiedzieć o statusie oferty lub tym, co dzieje się z klientem, tradycyjnie nie ma miejsca, aby łatwo znaleźć tę informację. Zadzwoń do zespołu sprzedaży, zmuszając przedstawicieli do spędzania 20-30 minut, aby wykopać notatki. W szczytowych okresach niektórzy menedżerowie otrzymują 15 wniosków dziennie — to 7,5 godziny spędzone na odzyskiwaniu informacji zamiast na działaniach o wysokiej wartości.

AI może zacząć łączyć punkty w rozmowach, których żaden człowiek nie mógł śledzić. To rodzaj rozpoznawania wzorców w rozmowach rozproszonych, którym jest zapobieganie zanikowi wiedzy i naprawdę zamienianie rozmów w inteligencję strategiczną. Możesz wyobrazić sobie świat, w którym AI może powiedzieć Ci, co powinieneś zbudować następnie, aby pomóc zamknąć najwięcej umów, lub jakie 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 mapowania.

Spójrzając w przyszłość pięć lat, jak myślisz, że inteligencja spotkań będzie ewoluować — i jaką rolę myślisz, że AI odegra w przyszłości pamięci organizacyjnej, podejmowaniu decyzji i współpracy?

Pięć lat od teraz myślę, że będziemy patrzeć 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 stało się możliwe.

Pierwsza główna ewolucja polega na przechodzeniu od notowania do prawdziwej automatyzacji przepływu pracy. Wyobrażam sobie przyszłość, w której po prostu mówisz coś na spotkaniu, i to staje się rzeczywistością, bez pracy po spotkaniu. Teraz, jeśli powiesz na spotkaniu: “Zróbmy specyfikację tej funkcjonalności i zaplanujmy spotkanie z inżynierią na następny tydzień”, nadal musisz ręcznie utworzyć ten dokument i wysłać tę zaproszenie kalendarzowe. W ciągu pięciu lat AI zrobi to wszystko za Ciebie. Mówisz to, i to się dzieje. Z AI tworzącymi zadania, specyfikacje i dokumenty, ludzie mogą się skoncentrować na pracy, która naprawdę wymaga ludzkiej kreatywności i osądu.

Druga ewolucja polega na rozszerzeniu z spotkań zewnętrznych na wszystkie spotkania. Teraz koncentrujemy się na spotkaniach zewnętrznych: sprzedaży, sukcesu klienta, agencji spotykających się z klientami. Ale naszym celem na najbliższe 12-18 miesięcy jest uczynienie Fathom platformą, którą możesz używać w całej swojej organizacji, a nie tylko w zespołach skierowanych na zewnątrz. Budujemy nagrywanie bez botów, które może przechwytywać każdą rozmowę, w tym huddle na Slacku i spotkania osobiste. Ewoluuje to w możliwość przechwytywania każdej rozmowy, którą prowadzisz w swojej firmie, niezależnie od medium.

Firmy, które wyjdą na top, będą tymi, które traktują dane rozmów jako obywatela pierwszej klasy — tak samo ważne, jak dane CRM, analityka i dokumenty. Ponieważ ostatecznie najważniejsza wiedza w jakiejkolwiek organizacji nie jest w systemach; jest w rozmowach. AI wreszcie sprawia, że jest to możliwe.