Ричард Уайт, основатель и генеральный директор Fathom – Интервью

Ричард Уайт, основатель и генеральный директор Fathom, является повторным основателем и предпринимателем, ориентированным на продукт, наиболее известным за то, что он превращает личные разочарования 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.

Основанная в 2020 году, Fathom отражает тот же эθος, решая универсальную проблему: когнитивную перегрузку при принятии заметок, пытаясь вести реальные разговоры. Платформа автоматически записывает, транскрибирует и суммирует встречи – наиболее заметно на Zoom – позволяя пользователям выделять моменты в режиме реального времени, делиться короткими клипами вместо сырых заметок и сохранять нюансы, которые часто теряются в письменных резюме. По мере того, как Fathom созревала, она эволюционировала от простой транскрипции в легкую систему учета разговоров, предназначенную для того, чтобы помочь командам сохранять контекст, учиться на звонках с клиентами и сотрудничать асинхронно без добавления трения к самой встрече.

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 ваши инженерные и продукто-ориентированные корни сформировали компанию с первого дня?

Мое вдохновение для основания Fathom пришло в начале 2020 года. Это было до пандемии, но я проводил обширные исследования пользователей для продукта и вдруг оказался в 15-20 последовательных встречах на Zoom в день. Шесть недель этого сделали меня остро осведомленным о том, насколько болезненным был этот опыт. 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. Все терялось в переводе. Это был момент, когда я “стукнул пальцем”: что-то, что происходит раз в месяц, вы игнорируете. Вы стучите пальцем о что-то каждый день, множество раз в день, вы очень быстро пытаетесь исправить это.

Мой инженерный и дизайнерский опыт оба проинформировали выбор, который я сделал, строя Fathom. Я всегда подходил к проблемам, беря концепции, которые уже существуют, и делая их радикально более удобными для гораздо большей аудитории. С Fathom у меня было это прозрение, что технология транскрипции становится коммодитизированной – было распространение готовых решений, которые не существовали пять лет назад. Итак, транскрипция была частью решения, но она не была решением само по себе.

С точки зрения продукта я понял, что транскрипты могут быть ценными для людей, которые были на звонке. Но они действительно не полезны для людей, которые не были там. То, что мы нашли гораздо более воздействующим, было показать вам 30-секундный видеоклип клиента, возражающего по цене или задающего технический вопрос. Мы используем транскрипт почти как таблицу содержания, чтобы найти фактический аудиовидеоклип. Это мышление продукта – понимание задач, которые необходимо выполнить, а не только технологии – пришло напрямую из моих дизайнерских корней.

Fathom была создана в 2020 году, задолго до того, как большинство компаний серьезно подумали о AI-родных рабочих процессах. Какие преимущества дало строительство с AI в ядре – а не ретрофитирование – вам в начале?

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 построил модели сами. Этот контрарный взгляд позволил нам остаться гибкими с меньшей командой и сосредоточиться на наших инженерных ресурсах на сложных инфраструктурных проблемах – надежной записи на платформах, вирусных механизмах распространения, обработке в реальном времени в масштабе.

Вот что такое начало 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 будем на два-три года слишком поздно. 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 оправдало себя массово. Когда GPT-4 и Claude прибыли в 2022-2023 годах, мы могли сразу же интегрировать их. Конкуренты, которые потратили годы на построение пользовательских конвейеров NLP, вдруг должны были пересмотреть свою整个 стек. Мы просто обновили наши модели и продолжили отправлять.

Строительство AI-родного также фундаментально изменило наш процесс разработки продукта. Традиционное программное обеспечение имеет довольно линейную дорожную карту: вы решаете, что построить, вы строите это и отправляете. 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 не позволяет нам заставлять функции до того, как они готовы, а также гарантирует, что мы всегда отправляем ценность.

Другим преимуществом была авторитетность. Да, инвесторы сказали мне не ставить “AI” в наше название в 2020 году, но быть ранним дало нам аутентичность. Мы не прыгали на трендовую тему; мы ставили на тезис до того, как он стал очевидным. Это позиционировало нас как строителей, а не быстрых последователей.

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

Я понял, что я никогда не встречал продавца, который имеет восемь часов в день, чтобы слушать все встречи своей команды, не говоря уже о том, чтобы принимать решения и тренировать 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 последние 1% заметок попадают в CRM. 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, конкурентное упоминание, которое возникло – все фильтруется через чьи-то поспешно набранные заметки и теряет весь контекст.

То, что убедило меня, что это следующий рубеж, было признание того, что эта “разговорная темная dữма” на самом деле является самым богатым сигналом того, что происходит в организации. Вы получаете информацию в реальном времени о болевых точках клиентов, пробелах в продукте, конкурентных угрозах и потребностях в обучении – все в собственных словах. Когда клиент объясняет, почему ему нужна функция, это намного более ценно, чем парафразе 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 транскрипционных двигателей в Fathom” и получить шестистраничный синтезированный документ, извлеченный из четырех лет инженерных встреч.

Это начинает быть намного большим мозгом, который действительно понимает, что делает ваш бизнес, и разговоры, которые он ведет. Вы можете представить себе мир, где AI может сказать вам, какие функции вам следует построить дальше на основе того, что поможет закрыть наиболее сделок, или какие конкуренты приходят, или какие пробелы в обучении существуют в вашей команде. Есть этот удивительный источник данных, который AI добывает, чтобы дать вам входы в ваш следующий стратегический заседание или процесс планирования.

Многие пользователи цитируют Fathom как трансформирующий для того, чтобы оставаться в настоящем во время встреч. Как вы балансируете автоматизацию с сохранением естественного потока человеческого разговора?

Это было основным в нашем дизайнерском философии 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 идеи, которые помогут вам быть более присутствующими 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 доставляет реальную ценность. Мы были осторожны в отношении таких вещей, как запись телефонных звонков или определенной записи встреч в комнате, несмотря на частые запросы. Мы бы предпочли превосходно выполнить то, что мы делаем, а не выкатить посредственный опыт, который 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 держит их в настоящем на встречах. Это подтверждает, что мы усиливаем человеческие возможности, а не заменяем их.

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

Во-первых, мы даем действительно прочный бесплатный продукт: неограниченные встречи, пять AI-суммирований в месяц. Две трети наших пользователей никогда не платят нам ни копейки, и мы полностью согласны с этим. Это не типичная игра SaaS. Наши пользователи видят, что мы не пытаемся извлечь из них ценность на каждом повороте. Мы сосредоточены на том, чтобы сделать жизнь отдельных вкладчиков лучше бесплатно, и мы монетизируем, продавая инструменты управления их боссам – панели управления, интеллект на основе встреч и конкурентные идеи. 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 являются нашими адвокатами и каналом распространения. Позволение им стать инвесторами просто признает то, что уже истинно: они являются партнерами в этом миссии.

Я также думаю, что есть более глубокий резонанс вокруг проблемы, которую мы решаем. Каждый испытал боль, будучи на встрече, пытаясь быть в настоящем 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 AI-информированных потоках знаний?

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 было 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 сделать ее доступной для людей, принимающих решения о продукте.

Параллель с Fathom ясна, но пространство проблемы более глубоко. Встречи экспоненциально более разбросаны, чем обратная связь клиентов. Каждая организация имеет сотни или тысячи часов разговоров, происходящих каждую неделю. То, что я узнал из UserVoice, заключается в том, что захват необходим, но он не достаточно. Вы не можете просто агрегировать информацию; вам нужно построить интеллект о том, что имеет значение, и направить его правильным 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 через разговоры и может проактивно выдвигать идеи: “Пять клиентов упомянули этот случай использования в этом месяце” или “Ваша команда постоянно застревает на этом возражении”.

Другим уроком было демократизация. UserVoice сделал возможным для любого клиента предоставить обратную связь, а не только для самых громких, которые могли получить руководителей на телефон. 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 с продажами. Это было безумие. Информация существовала, но она была заперта в головах людей и разбросанных заметках.

Будущее организационной памяти переходит от этих изолированных сил знаний – CRM, документы, системы обратной связи – к связанной, разговорной интеллект. Это логическое развитие того, что мы начали строить с UserVoice, но AI делает это возможным с полной верностью человеческого разговора, а не только структурированных данных.

Инструменты Zoom, основанные на AI, взорвались после 2020 года. По вашему мнению, что отличает真正 полезного помощника AI от того, который просто добавляет шум?

Я всегда говорю людям, что есть только две вещи, которые могут действительно потопить помощника AI-встречи: 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 затем реальность вышла как бессмыслица. 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. Fathom считается наиболее точным транскриптом, доступным сегодня. Большинство инструментов используют стороннюю службу транскрипции, тогда как мы построили свою собственную проприетарную технологию транскрипции внутри.
• 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 существуем почти на уровне реальной системы – вы работаете над чем-то, что находится на один шаг позади авионики. Если это не работает дважды, пользователь ушел. Это не как традиционное программное обеспечение, где вы можете быть внизу время от времени.
• 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”. AI нужно захватить не только то, что было сказано, но и тон, колебания и волнение (или его отсутствие). Это почему мы связываем каждую точку суммирования 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 реальные рабочие двигатели – 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, – иметь AI, который на самом деле делает работу за вас.

Мы уже видим ранние версии этого. Наша интеграция с Asana берет пункты действий из встреч и автоматически создает отслеживаемые задачи. Fathom не хочет придумать решение для управления задачами – есть много отличных из них, таких как Asana. Итак, мы строим интеграции, которые толкают результаты встреч напрямую в инструменты, которые люди уже используют для выполнения работы.

На стороне CRM мы автоматически толкаем структурированные поля – болевые точки, сроки, ключевые лица принятия решений – в Salesforce и HubSpot. В одном случае мы сэкономили 20-30 минут на обновлении статуса сделки и привели к почти идеальной точности прогноза на конец месяца. Это рабочий двигатель: разговор происходит, AI извлекает ключевые бизнес-данные, а затем он течет автоматически в вашу систему учета без того, чтобы кто-то набирал что-либо.

Но я думаю, что真正 прорыв происходит с семантическими оповещениями и интеллектуальным маршрутизацией. Представьте, что вы менеджер или лидер продаж и получаете ежедaily хайлайт-ролик, где AI нашел каждый обсуждение цены, которое пошло не так, или каждый продукт-блокиратор, который возник в звонке с продлением. Если вы менеджер по инжинирингу, вы увидите каждый жаркий спор среди ваших инженеров. AI может понять тон и нюансы, а не только ключевые слова, поэтому он знает, какие моменты вы действительно заботитесь.

По мере того, как компании растут, они борются с распределенной информацией и ухудшением информации. Как вы видите AI, решающий 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 быть в настоящем, и руководители, лидеры и основатели, которые не на встрече, но управляют командами и пытаются понять, что происходит. Вторая группа – это то место, где проблема распределенной информации действительно ударяет.

Основной проблемой является видимость. 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 репов тратить 20-30 минут, рыть 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.

AI может начать соединять точки через разговоры, которые ни один человек не может отслеживать. Этот тип распознавания образов через распределенные разговоры – это то, как вы предотвращаете ухудшение информации и действительно превращаете разговоры в стратегическую информацию.

Оглядываясь вперед на пять лет, как вы представляете себе эволюцию интеллекта встреч – и какую роль вы видите AI, играющую в будущем организационной памяти, принятия решений и сотрудничества?

Через пять лет я думаю, что мы оглянемся назад на сегодняшние инструменты интеллекта 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真正ой автоматизации рабочего процесса. Мы представляем себе будущее, где просто сказав что-то на встрече, можно воплотить это в жизнь, без пост-встречной работы. 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 на календарь. Через пять лет AI сделает все это автоматически. Вы говорите это, и это происходит. С AI, создающим 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, успех клиентов, агентства, встречающиеся 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 строим запись без ботов, которая может захватить любой разговор, включая хады Slack и встречи в комнате. Это эволюционирует в способность захватить любой разговор, который вы ведете в своей компании, независимо от среды.

Компании, которые поднимутся на вершину, будут теми, которые будут относиться к разговорным данным как к первоклассному гражданину – 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.