Ричард Уайт, основатель и генеральный директор Fathom — серия интервью

Ричард Уайт, основатель и генеральный директор Fathom, неоднократно создавал компании и является предпринимателем, ориентированным на продукт, известным прежде всего тем, что превращает собственные неудобства в программное обеспечение, определяющее категорию. До Fathom он основал и возглавлял UserVoice почти 13 лет, вырастив его в прибыльную платформу управления обратной связью, используемую тысячами компаний, от стартапов до корпораций, таких как Microsoft, а также был пионером в теперь уже повсеместной вкладке “Обратная связь” на сайте. Ранее он более десяти лет в одиночку разрабатывал и поддерживал SlimTimer, руководил влиятельными проектами с открытым исходным кодом, включая AjaxScaffold в экосистеме Ruby on Rails, и был ведущим продуктовым дизайнером в Kiko (YC S05). Этот опыт сформировал его подход к удобству использования, пониманию потребностей клиентов и созданию инструментов, которые ненавязчиво, но существенно улучшают работу команд.

Основанная в 2020 году, Fathom воплощает ту же философию, решая универсальную проблему: когнитивную перегрузку при попытке одновременно делать заметки и полноценно участвовать в разговоре. Платформа автоматически записывает, транскрибирует и суммирует встречи – прежде всего в Zoom – позволяя пользователям выделять моменты в режиме реального времени, делиться короткими клипами вместо необработанных заметок и сохранять нюансы, которые часто теряются в письменных резюме. По мере развития Fathom выросла из простого инструмента транскрипции в простую систему хранения сведений о разговорах, предназначенную для того, чтобы помочь командам сохранять контекст, учиться на звонках с клиентами и сотрудничать асинхронно, не усложняя саму встречу.

Вы провели последние 15 лет, строя компании, которые меняют то, как люди общаются – от UserVoice до Fathom. Что было тем моментом, который заставил вас основать Fathom, и как ваш опыт в инженерии и продуктовом дизайне сформировал компанию с первого дня?

Идея создать Fathom возникла у меня в начале 2020 года. Это было до пандемии, но я проводил обширные исследования пользователей для продукта и вдруг стал участвовать в 15–20 встречах в Zoom подряд каждый день. За шесть недель я на собственном опыте понял, насколько это тяжело. Я не могу говорить и печатать одновременно – я смотрел на свои заметки две недели спустя и не помнил, какой разговор был каким. Самой большой проблемой было то, что я проводил все это исследование, а затем делился несколькими пунктами с моей командой, и это просто не доходило до них. Суть терялась при передаче. Для меня это было как удариться пальцем ноги: если такое случается раз в месяц, вы не обращаете внимания. Но если вы ударяетесь о что-то ежедневно, по нескольку раз в день, то быстро начинаете искать решение.

Мой опыт и в инженерии, и в дизайне повлиял на решения при создании Fathom. Я всегда подходил к проблемам, беря концепции, которые уже существуют, и делая их радикально более удобными для гораздо большей аудитории. Создавая Fathom, я понял, что технология расшифровки речи становится общедоступной: появилось множество готовых решений, которых пятью годами раньше не было. Итак, транскрипция была частью решения, но сама по себе она не решала проблему.

С точки зрения продуктового дизайна я понял, что транскрипты могут быть ценными для людей, которые были на звонке. Но они действительно не полезны для людей, которые не были там. Гораздо эффективнее оказалось показать 30-секундный видеоклип клиента, возражающего по цене или задающего технический вопрос. Мы используем транскрипт почти как оглавление, чтобы найти нужный аудио- или видеофрагмент. Такой продуктовый подход — понимание задач, которые необходимо выполнить, а не только технологии — пришел напрямую из моих дизайнерских корней.

Fathom была создана в 2020 году, задолго до того, как большинство компаний серьезно подумали о рабочих процессах, изначально основанных на ИИ. Какие преимущества на раннем этапе дало создание продукта с ИИ в основе, а не его добавление впоследствии?

Ключевым преимуществом была архитектурная свобода. Мы могли спроектировать каждую систему, от конвейеров данных до пользовательского опыта, предполагая, что AI будет фундаментальным слоем, а не функцией, прикрепленной к нему. Большинство конкурентов в 2020 и 2021 годах нанимали лингвистических экспертов и специалистов по машинному обучению, чтобы построить свои собственные модели. Мы пошли по противоположному пути, потому что мы верили, что победители в этом пространстве будут теми, кто сможет эффективно применить AI для решения реальных проблем, а не теми, кто самостоятельно создавал модели. Этот подход вопреки общему мнению позволил нам остаться гибкими с меньшей командой и сосредоточить инженерные ресурсы на сложных инфраструктурных проблемах – надежной записи на разных платформах, вирусных механизмах распространения, обработке больших объемов данных в реальном времени.

Но вот что важно о старте в 2020 году: AI еще не был достаточно хорош. Мы знали это. Но мы также знали, что если мы подождем, пока AI созреет, прежде чем построить компанию, мы опоздаем на два-три года. Дверь будет широко открыта, и все ворвутся. Итак, мы построили все остальное сначала – инфраструктуру, каналы распространения, пользовательский опыт – с явным ожиданием, что когда AI станет лучше, мы сможем вставить его, как новый двигатель в машину. Это решение принесло огромную отдачу. Когда появились GPT-4 и Claude в 2022-2023 годах, мы могли сразу же интегрировать их. Конкуренты, которые потратили годы на построение собственных конвейеров обработки естественного языка, вдруг должны были пересмотреть весь свой технологический стек. Мы просто обновили наши модели и продолжили выпускать обновления.

Разработка продукта с ИИ в основе также фундаментально изменила наш процесс разработки продукта. Традиционное программное обеспечение имеет довольно линейную дорожную карту: вы решаете, что построить, создаете это и выпускаете. С AI мы используем то, что я называю “моделью Дженги”. Каждый блок представляет потенциальную возможность AI. Если мы толкаем блок и получаем сопротивление, потому что модели еще не достаточно хороши, мы пробуем другой. Мы знаем, что через шесть месяцев технология улучшится, и мы сможем вернуться к этому. Это позволяет не внедрять функции насильно, пока они не готовы, а также гарантирует, что мы постоянно приносим пользу.

Другим преимуществом была авторитетность. Да, инвесторы сказали мне не ставить “AI” в наше название в 2020 году, но ранний старт подтвердил искренность нашего подхода. Мы не пытались оседлать тренд; мы ставили на тезис до того, как он стал очевидным. Это позиционировало нас как создателей, а не тех, кто быстро следует чужому примеру.

Вы описали разговоры на встречах как один из наиболее недооцененных источников данных внутри организаций. Что убедило вас, что это следующий крупный рубеж для AI?

Я понял, что никогда не встречал руководителя продаж, у которого было бы восемь часов в день, чтобы слушать все встречи своей команды, не говоря уже о том, чтобы принимать решения и обучать свою команду на основе того, что они слышали. Встречи генерируют невероятно ценные данные, но они совершенно недоступны в масштабе. С традиционными встречами мы выбрасываем 99% содержания, а оставшийся 1% попадает в CRM в виде заметок. Затем мы пытаемся обратно экстраполировать оттуда, что произойдет с нашим бизнесом. Это абсурдный процесс. Информация, которая на самом деле имеет значение – тон голоса клиента, конкретное возражение, которое он поднял, упоминание конкурента, которое возникло – все фильтруется через чьи-то поспешно набранные заметки и теряет весь контекст.

Меня убедило понимание того, что эти неиспользуемые данные разговоров — богатейший источник сведений о происходящем в организации. Вы получаете информацию в реальном времени о болевых точках клиентов, пробелах в продукте, конкурентных угрозах и потребностях в обучении – причем все это выражено словами самих людей. Когда клиент объясняет, почему ему нужна функция, это намного более ценно, чем пересказ продавца в поле CRM.

Прорыв с AI заключается в том, что мы можем наконец использовать эти данные в масштабе. Когда мы впервые запустили Ask Fathom, он мог отвечать на вопросы об отдельных встречах. Затем мы улучшили его, чтобы он мог обрабатывать небольшие группы встреч. Теперь он достаточно умён, чтобы понять всю совокупность встреч вашей компании. Руководители продаж могут спросить: “Какие конкуренты наиболее часто упоминаются в последнее время? Покажите мне некоторые клипы”. Инженерные команды могут запросить: “Расскажите нам историю систем расшифровки речи в Fathom” и получить шестистраничный синтезированный документ, извлеченный на основе встреч инженерной команды за четыре года.

Система постепенно превращается в гораздо более мощный мозг, который действительно понимает, что делает ваш бизнес, и разговоры, которые он ведет. Вы можете представить себе мир, где AI может сказать вам, какие функции следует разрабатывать дальше на основе того, что поможет заключить больше всего сделок, или какие конкуренты появляются в разговорах, или какие пробелы в обучении существуют в вашей команде. Есть этот удивительный источник данных, который AI добывает, чтобы дать вам исходные сведения для следующего стратегического совещания или составления плана развития продукта.

Многие пользователи говорят, что Fathom помогает им полностью сосредоточиться на встречах. Как вы сочетаете автоматизацию с сохранением естественного хода человеческого разговора?

Это лежало в основе нашей философии дизайна с самого начала. Цель не состоит в том, чтобы иметь AI, который говорит вам, что делать на встрече, а скорее в том, чтобы дать вам полезные сведения, которые помогут вам быть более вовлеченными и эффективными в ваших разговорах.

Мы осторожны с тем, что мы автоматизируем, а что нет. Мы не запускаем функции, пока не знаем, что можем сделать их действительно хорошо. Это иногда означает, что мы не первые на рынке с определенной возможностью, но когда мы запускаем что-то, оно работает и приносит реальную пользу. Мы были осторожны в отношении таких вещей, как запись телефонных звонков или записи некоторых типов очных встреч, несмотря на частые запросы. Мы бы предпочли превосходно выполнить то, что мы делаем, а не выпустить посредственное решение, которое нарушает естественный поток разговора.

В конечном итоге наши пользователи говорят нам, что мы находим правильный баланс: они говорят, что экономят 6+ часов в неделю и движутся в 3 раза быстрее от идеи к следующим шагам; 95% сообщают, что Fathom помогает им оставаться вовлеченными во время встреч. Это подтверждает, что мы усиливаем человеческие возможности, а не заменяем их.

Fathom привлек более 1300 инвесторов из числа пользователей в раунде серии A – редкий знак доверия на уровне продукта. Что, по вашему мнению, резонировало так сильно с повседневными пользователями?

Во-первых, мы даем полноценный бесплатный продукт: неограниченные встречи, пять резюме от ИИ в месяц. Две трети наших пользователей никогда не платят нам ни копейки, и мы полностью согласны с этим. Это нетипичная стратегия для SaaS. Наши пользователи видят, что мы не пытаемся извлечь из них ценность при каждом удобном случае. Мы сосредоточены на том, чтобы сделать жизнь рядовых специалистов лучше бесплатно, и мы монетизируем, продавая инструменты управления их боссам – панели для наставничества, анализ совокупности встреч и сведения о конкурентах. Продукт просто работает, и он продолжает работать, независимо от того, платите вы или нет. Это создает настоящее доверие.

Наш рост почти полностью основан на рекомендациях – мы выросли больше, как социальная медиа-платформа, чем традиционное программное обеспечение B2B. Наши пользователи выступают нашими сторонниками и каналом распространения. Позволение им стать инвесторами просто признает то, что уже истинно: они являются партнерами в этой миссии.

Я также думаю, что есть более глубокий резонанс вокруг проблемы, которую мы решаем. Каждый испытал боль, будучи на встрече, стараясь полностью участвовать в разговоре и наблюдая, как кто-то лихорадочно печатает вместо участия. Каждый нуждался в информации из встречи, в которой он не участвовал, и получил бесполезное двухстрочное резюме. Проблема универсальна, и решение кажется почти магическим, когда оно работает хорошо. Пользователи инвестируют, потому что они хотят, чтобы это будущее существовало – не только для себя, но и для всех, с кем они работают.

Ваш опыт включает в себя построение UserVoice, который помог определить, как компании управляют обратной связью клиентов. Как этот опыт повлиял на ваше мышление об организационной памяти и потоках знаний на основе ИИ?

UserVoice научил меня, что наиболее ценная информация в компаниях часто наиболее разбросана. Обратная связь клиентов была повсюду. Она была погребена в тикетах поддержки, пересланных электронных письмах и случайных разговорах с продажами. У компаний были тысячи точек данных о том, чего хотели клиенты, но не было способа синтезировать это в стратегические решения. Мы построили инфраструктуру для агрегации этой обратной связи в масштабе и обеспечения ее доступности для людей, принимающих решения о продукте.

Параллель с Fathom ясна, но сама проблема глубже. Данные встреч разбросаны в несравнимо большей степени, чем обратная связь клиентов. Каждая организация имеет сотни или тысячи часов разговоров, происходящих каждую неделю. Опыт UserVoice научил меня тому, что сбор информации необходим, но его недостаточно. Вы не можете просто агрегировать информацию; вам нужно научиться понимать, что имеет значение, и передать нужные сведения нужным людям. С UserVoice мы построили системы голосования, алгоритмы трендов и панели управления, чтобы команды продукта могли отделить сигнал от шума. С Fathom мы строим AI, который понимает контекст между разговорами и может заранее выявлять важные закономерности: “Пять клиентов упомянули этот сценарий использования в этом месяце” или “Ваша команда постоянно застревает на этом возражении”.

Еще один урок касался доступности для всех. UserVoice позволил любому клиенту оставить отзыв, а не только для самых настойчивых, способных дозвониться руководству. С Fathom мы демократизируем доступ к информации о встречах. В нашем случае с Netgain их операционный менеджер тратил 7,5 часов в день, просто отвечая на базовые вопросы о том, что происходило на звонках отдела продаж. Это было безумие. Информация существовала, но оставалась в головах людей и разрозненных заметках.

Организационная память постепенно переходит от разрозненных хранилищ знаний — CRM, документов, систем обратной связи — к взаимосвязанному анализу разговоров. Это логическое развитие того, что мы начали строить с UserVoice, но AI делает это возможным с сохранением всей полноты человеческого разговора, а не только структурированных данных.

Число инструментов для Zoom на основе ИИ резко выросло после 2020 года. По вашему мнению, что отличает действительно полезного помощника AI от того, который просто добавляет шум?

Я всегда говорю людям, что есть только две вещи, которые могут действительно потопить ИИ-помощника для встреч: если продукт не надежен или если вывод AI является мусором. Я думаю, что было много маркетинга AI в предыдущем поколении, где было легко обещать магические вещи, но на практике результат оказывался бессмыслицей. Мы всегда пытались сделать так, чтобы у нас был высококачественный, надежный продукт, который делает то, что он обещает. Наши ключевые различия заключаются в следующем:

• Точность транскрипции. Считается, что Fathom обеспечивает самую точную расшифровку речи из доступных сегодня. Большинство инструментов используют стороннюю службу транскрипции, тогда как мы самостоятельно разработали собственную технологию расшифровки речи. Если расшифровка плохая, все результаты ИИ оказываются испорчены, поскольку они полностью на ней основаны.
• Надежность и инфраструктура. Когда вы присоединяетесь к встрече, вы часто спешите или испытываете стресс. Многие из этих других инструментов имели ботов, присоединяющихся к встречам, но затем они не записывали или запись не работала. Мы работаем практически на уровне систем реального времени — требования по строгости лишь немного уступают авионике. Если система дважды не сработает, пользователь уйдет. Это не как традиционное программное обеспечение, где допустимы эпизодические простои.
• AI, который понимает нюансы и контекст. Бизнес-язык может быть очень тонким. Я помню, как управлял командой продаж в UserVoice и читал заметки людей, думая: “Мне нужно услышать, как они на самом деле сказали это”. ИИ должен уловить не только то, что было сказано, но и тон, неуверенность и воодушевление (или его отсутствие). Именно поэтому мы связываем каждый пункт резюме с фактическим моментом в записи.
• Настройка без сложности. AI должен адаптироваться к вашему бизнесу, а не наоборот. Команды продаж должны быть в состоянии изменить шаблоны, чтобы они соответствовали их конкретным методологиям – MEDDIC, Challenger, SPICED и т. д. Но это не должно требовать степени в области науки о данных. Это должно просто работать.

Fathom превращает содержание встречи в действенные знания. Как близко мы находимся к системам AI, которые функционируют как полноценные системы автоматизации рабочих процессов – соединяя разговор, решения и последующие задачи автоматически?

Я думаю, что мы ближе, чем большинство людей думают, но все еще есть важные шаги, которые необходимо предпринять. Сейчас мы переходим в мир, где Fathom делает больше и больше работы за вас. Первый шаг – просто получить информацию туда, где вы хотите, чтобы она пошла. Следующий шаг, который не за горами, – поручить ИИ выполнение самой работы.

Мы уже видим ранние версии этого. Наша интеграция с Asana берет задачи для последующих действий из встреч и автоматически создает отслеживаемые задачи. Fathom не стремится создать собственное решение для управления задачами – уже есть множество отличных решений, например Asana. Итак, мы строим интеграции, которые передают результаты встреч напрямую в инструменты, которые люди уже используют для выполнения работы.

На стороне CRM мы автоматически передаем структурированные поля – болевые точки, сроки, ключевые лица, принимающие решения – в Salesforce и HubSpot. В одном из разобранных случаев это экономило 20–30 минут на каждом обновлении статуса сделки и обеспечило почти идеальную точность прогноза на конец месяца. Так работает система автоматизации: разговор происходит, AI извлекает ключевые бизнес-данные, которые затем автоматически поступают в вашу систему учета без ручного ввода.

Но я думаю, что настоящий прорыв происходит с семантическими оповещениями и интеллектуальной маршрутизацией. Представьте, что вы менеджер или лидер продаж и получаете ежедневную подборку важных видеофрагментов, где AI нашел каждое обсуждение цены, которое пошло не по плану, или каждую проблему продукта, мешающую продлению договора и упомянутую в соответствующем разговоре. Если вы руководитель инженерной команды, вы увидите каждый жаркий спор среди ваших инженеров. AI может понять тон и нюансы, а не только ключевые слова, поэтому он знает, какие моменты действительно важны для вас.

По мере того, как компании растут, они борются с разрозненностью знаний и их постепенной утратой. Как, по-вашему, ИИ поможет сократить разрыв между тем, что обсуждают команды, и тем, что на самом деле выполняется?

Это одна из наиболее критических проблем, которые мы решаем. Есть две группы, которым мы можем действительно помочь: люди на встрече, пытающиеся делать заметки и полноценно участвовать в разговоре, и руководители, лидеры и основатели, которые не на встрече, но управляют командами и пытаются понять, что происходит. Именно вторая группа особенно страдает от разрозненности знаний.

Основная проблема — отсутствие прозрачной картины происходящего. Когда кто-то в компании хочет знать статус сделки или что происходит с клиентом, традиционно нет места, где можно легко найти эту информацию. Они звонят команде продаж, заставляя сотрудников тратить 20–30 минут на поиск в заметках. Во время пиковых периодов некоторые операционные менеджеры получают 15 запросов в день – это 7,5 часов, потраченных на извлечение информации, вместо того, чтобы добавлять ценность.

ИИ может выявлять связи между разговорами, которые человек не в силах отследить. Распознавание таких закономерностей в разрозненных обсуждениях позволяет предотвратить утрату знаний и превратить разговоры в стратегически важную информацию.

Оглядываясь вперед на пять лет, как вы представляете себе развитие аналитики встреч – и какую роль, по-вашему, ИИ будет играть в будущем организационной памяти, принятия решений и сотрудничества?

Через пять лет я думаю, что мы оглянемся назад на сегодняшние инструменты аналитики встреч, как мы сейчас смотрим на ранние смартфоны: впечатляющие для своего времени, но примитивные по сравнению с тем, что стало возможным.

Первая крупная эволюция – переход от заметок к настоящей автоматизации рабочего процесса. Мы представляем себе будущее, где просто сказав что-то на встрече, можно воплотить это в жизнь, без дополнительной работы после встречи. Сейчас, если вы скажете на встрече: “Давайте создадим спецификацию для этой функции и запланируем повторную встречу с инженерией на следующей неделе”, вы все равно должны вручную создать этот документ и отправить приглашение в календаре. Через пять лет AI сделает все это автоматически. Вы говорите это, и это происходит. Когда ИИ создает задачи, спецификации и документы, люди могут сосредоточиться на работе, которая действительно требует человеческой креативности и суждения.

Вторая эволюция – расширение от встреч, ориентированных на клиентов, до всех встреч. Сейчас мы фокусируемся на внешних встречах: продажи, сопровождение клиентов, агентства, проводящие встречи с клиентами. Но наша цель в течение следующих 12-18 месяцев – сделать Fathom платформой, которую вы можете использовать во всей своей организации, а не только в командах, ориентированных на клиентов. Мы разрабатываем запись без ботов, способную фиксировать любой разговор, включая Slack Huddles и очные встречи. Постепенно это позволит фиксировать любой разговор, который вы ведете в своей компании, независимо от формата общения.

Компании, которые поднимутся на вершину, будут теми, которые будут относиться к разговорным данным как к первостепенному ресурсу – так же, как к данным CRM, аналитике и документам. Потому что в конечном итоге наиболее важные знания в любой организации не находятся в системах; они находятся в разговорах. AI наконец делает возможным использовать это.

Спасибо за отличное интервью. Читатели, которые хотят узнать больше об этом приложении для заметок, должны посетить Fathom.