Richard White, grundare och VD för Fathom – Intervjuerien

Richard White, grundare och VD för Fathom, är en återkommande grundare och produktinriktad entreprenör som är mest känd för att förvandla personliga frustrationer till kategoribestämmande programvara. Före Fathom grundade och ledde han UserVoice i nästan 13 år, och växte det till en lönsam feedbackhanteringsplattform som används av tusentals företag, från startups till företag som Microsoft , och banade också väg för den nu allmänt förekommande webbplatsfunktionen “Feedback”. Tidigare i sin karriär byggde och drev han SlimTimer helt på egen hand i över ett decennium, ledde inflytelserika öppen källkodsprojekt som AjaxScaffold i Ruby on Rails-ekosystemet, och arbetade som produktchef för Kiko (YC S05), erfarenheter som tillsammans formade hans filosofi kring användbarhet, kundmedkänsla och byggande av verktyg som tyst men meningsfullt förbättrar hur team arbetar.

Fathom, som grundades 2020, speglar samma etos genom att tackla en universell smärtunkt: den kognitiva överbelastningen av att ta anteckningar medan man försöker ha riktiga samtal. Plattformen spelar automatiskt in, transkriberar och sammanfattar möten – mest anmärkningsvärt på Zoom – och låter användare markera ögonblick i realtid, dela korta klipp istället för råa anteckningar och bevara nyanserna som ofta går förlorade i skrivna sammanfattningar. När Fathom har mognat har det utvecklats bortom enkel transkription till ett lätt system för konversationsregistrering, designat för att hjälpa team att behålla sammanhang, lära av kundsamtal och samarbeta asynkront utan att lägga till friktion i mötet i sig.

Du har tillbringat de senaste 15 åren med att bygga företag som omformar hur människor kommunicerar – från UserVoice till Fathom. Vad var det ögonblick som fick dig att grunda Fathom, och hur formade din ingenjörs- och produktutvecklingsbakgrund företaget från dag ett?

Min inspiration för att grunda Fathom kom i början av 2020. Det var före pandemin, men jag genomförde omfattande användarundersökningar för en produkt och satt plötsligt igenom 15 eller 20 möten i följd varje dag. Sex veckor av det gjorde mig starkt medveten om hur smärtsamt upplevelsen var. Jag kan inte prata och skriva samtidigt – jag tittade på mina anteckningar två veckor senare och mindes inte vilket samtal som var vilket. Det största problemet var att jag gjorde all denna forskning och sedan delade några punkter med mitt team och det bara inte fungerade. Allt gick förlorat i översättning. Det var ett “stubba tån” ögonblick för mig: Något som, om det händer en gång i månaden, ignorerar du. Du stubbar tån på något varje dag, flera gånger om dagen, du försöker mycket snabbt fixa det.

Min ingenjörs- och designbakgrund informerade båda de val jag gjorde medan jag byggde Fathom. Jag har alltid närmat mig problem genom att ta koncept som redan existerar och göra dem radikalt mer användarvänliga för en mycket större publik. Med Fathom hade jag denna insikt att transkriptionsteknologi blev allmänt tillgänglig – det fanns en spridning av färdiga lösningar som inte fanns för fem år sedan. Så transkription var en del av lösningen, men det var inte lösningen i sig.

Från ett produktutvecklingsperspektiv insåg jag att transkriptioner kan vara värdefulla för de personer som var på samtalet. Men de är verkligen inte hjälpsamma för de som inte var där. Vad vi fann vara mycket mer betydelsefullt var att visa dig den 30-sekunders videoklipp av kunden som invänder mot priset eller ställer den tekniska frågan. Vi använder transkriptionen nästan som en innehållsförteckning för att hitta den faktiska audio-videoklippet. Den produktutvecklingen – att förstå de jobb som ska utföras, inte bara teknologin – kom direkt från min designbakgrund.

Fathom skapades 2020, långt innan de flesta företag började tänka allvarligt på AI-nativa arbetsflöden. Vilka fördelar gav byggandet med AI i kärnan – snarare än att retrofitta det – er tidigt?

Fördelen var arkitektonisk frihet. Vi kunde designa varje system, från datapipeliner till användarupplevelse, med antagandet att AI skulle vara ett grundläggande lager och inte en påbyggnadsfunktion. De flesta konkurrenter 2020 och 2021 anställde lingvistexperter och ML-specialister för att bygga sina egna modeller. Vi tog den motsatta vägen eftersom vi trodde att vinnarna i utrymmet skulle vara de som kunde tillämpa AI effektivt för att lösa riktiga problem, inte de som byggde modellerna själva. Den contrarian åsikten lät oss stanna smidiga med ett mindre team och fokusera våra ingenjörsresurser på de hårda infrastrukturproblemen – tillförlitlig inspelning över plattformar, virala distributionsmekanismer, realtidsbearbetning i stor skala.

Här är det viktiga med att starta 2020: AI var inte tillräckligt bra än. Vi visste det. Men vi visste också att om vi väntade på att AI skulle mogna innan vi byggde företaget, skulle vi vara två till tre år för sent. Dörren skulle vara vidöppen, och alla skulle strömma in. Så vi byggde allt annat först – infrastrukturen, distributionskanalerna, användarupplevelsen – med det uttryckliga förväntningen att när AI blev tillräckligt bra, kunde vi lägga till det som en ny motor i en bil. Det beslutet betalade sig massivt. När GPT-4 och Claude anlände 2022-2023 kunde vi omedelbart integrera dem. Konkurrenter som hade tillbringat år med att bygga anpassade NLP-pipeliner var tvungna att ompröva hela sin stack. Vi uppgraderade bara våra modeller och fortsatte att leverera.

Att bygga AI-nativt förändrade också grundläggande vår produktutvecklingsprocess. Traditionell programvara har en ganska linjär roadmap: Du bestämmer vad du vill bygga, du bygger det och du skickar det. Med AI använder vi vad jag kallar en “Jenga-modell”. Varje block representerar en potentiell AI-funktion. Om vi trycker på ett block och möter motstånd eftersom modellerna inte är tillräckligt bra än, försöker vi ett annat. Vi vet att om sex månader kommer teknologin att förbättras och vi kan komma tillbaka till det. Detta hindrar oss från att tvinga funktioner innan de är klara, samtidigt som vi säkerställer att vi alltid levererar värde.

En annan fördel var trovärdighet. Ja, investerare sa till mig att inte lägga till “AI” i vårt namn 2020, men att vara tidigt gav oss autenticitet. Vi hoppade inte på en trend; vi satsade på en tes före det blev uppenbart. Det positionerade oss som byggare, inte snabba följare.

Du har beskrivit möteskonversationer som en av de mest försummade datakällorna inom organisationer. Vad övertygade dig om att detta var den nästa stora gränsen för AI?

Jag insåg att jag aldrig hade mött en säljare som hade åtta timmar om dagen att lyssna på alla teamets möten, än mindre fatta beslut och coacha sitt team baserat på vad de hade hört. Möten genererar otroligt värdefulla data, men det är helt otillgängligt i stor skala. Med traditionella möten slänger vi bort 99% av innehållet, medan de sista 1% av anteckningarna hamnar i CRM. Sedan försöker vi omvänd extrahera från där vad som kommer att hända med vår verksamhet. Det är en absurd process. Informationen som faktiskt betyder något – kundens röstens ton, den specifika invändningen de framförde, den konkurrensmention som kom upp – allt detta filtreras genom någons hastigt skrivna anteckningar och förlorar all kontext.

Vad som övertygade mig om att detta var den nästa gränsen var att erkänna att denna “konversationsmörka data” faktiskt är den rikaste signalen för vad som händer i en organisation. Du får realtidsinsikt i kundsmärtor, produktluckor, konkurrensHot och utbildningsbehov – allt i människors egna ord. När en kund förklarar varför de behöver en funktion, är det mycket mer värdefullt än en säljares parafras i ett CRM-fält.

Genombrottet med AI är att vi kan utnyttja denna data i stor skala. När vi först lanserade Ask Fathom kunde den svara på frågor om enskilda möten. Sedan utvidgade vi den till att hantera små grupper av möten. Nu är den tillräckligt smart för att förstå hela företagets uppsättning av möten. Säljledare kan fråga, “Vilka konkurrenter är mest aktiva nyligen? Visa mig några klipp.” Utvecklingsteam kan fråga, “Berätta för oss om transkriptionsmotorernas historia på Fathom” och få en sexsidig syntetiserad dokument som hämtar från fyra års möten.

Det börjar bli en mycket större hjärna som verkligen förstår vad din verksamhet gör och de samtal den har. Du kan föreställa dig en värld där en AI kan berätta för dig vilka funktioner du ska bygga härnäst baserat på vad som skulle hjälpa till att stänga de flesta affärer, eller vilka konkurrenter som kommer, eller vilka utbildningsluckor som finns i ditt team. Det finns en otrolig datakälla som AI gräver för att ge dig insikter i din nästa strategimöte eller vägkartsprocess.

Många användare citerar Fathom som transformerande för att vara närvarande under möten. Hur balanserar du automatisering med att bevara den naturliga flödet av mänskliga samtal?

Detta har varit kärnan i vår designfilosofi från början. Målet är inte att ha AI som berättar för dig vad du ska göra i ett möte, utan snarare att ge dig insikter som hjälper dig att vara mer närvarande och effektiv i dina samtal.

Vi är försiktiga med vad vi automatiserar och vad vi inte gör. Vi lanserar inte funktioner förrän vi vet att vi kan göra dem riktigt bra. Detta innebär ibland att vi inte är först på marknaden med vissa funktioner, men när vi lanserar något, fungerar det och levererar äkta värde. Vi har varit försiktiga med att förfölja saker som telefonsamtalsinspelning eller vissa mötesinspelningar trots frekventa förfrågningar. Vi föredrar att excellera i vad vi gör snarare än att rulla ut en medioker upplevelse som stör det naturliga flödet av samtal.

Till slut berättar våra användare för oss att vi slår rätt balans: De säger att de sparar 6+ timmar per vecka och flyttar 3× snabbare från insikt till nästa steg; 95% rapporterar att Fathom håller dem närvarande i möten. Det bekräftar att vi förstärker mänsklig förmåga, inte ersätter den.

Fathom lockade mer än 1 300 användar-investerare i sin serie A – ett sällsynt tecken på produkt-nivå tillit. Vad tror du att det var som resonerade så starkt med vardagliga användare?

För det första ger vi bort en genuint robust gratisprodukt: obegränsade möten, fem AI-sammanfattningar per månad. Två tredjedelar av våra användare betalar oss aldrig en krona, och vi är helt okej med det. Det är inte ett typiskt SaaS-spel. Våra användare ser att vi inte försöker utvinna värde från dem vid varje vändning. Vi fokuserar på att göra enskilda bidragsgivares liv bättre gratis, och vi monetiserar genom att sälja hanteringsverktyg till deras chefer – coachningsinstrumentpaneler, mötesövergripande intelligens och konkurrensinsikter. Produkten fungerar, och den fortsätter att fungera oavsett om du betalar eller inte. Det skapar äkta tillit.

Vår tillväxt är nästan uteslutande mun-till-mun – vi har växt mer som en social medieplattform än traditionell B2B-programvara. Våra användare är våra förespråkare och distributionskanal. Att låta dem bli investerare erkänner bara vad som redan är sant: De är partners i denna mission.

Jag tror också att det finns en djupare resonans kring problemet vi löser. Alla har upplevt smärtan av att vara i ett möte, försöka vara närvarande och se någon frantically skriva istället för att engagera sig. Alla har behövt information från ett möte de inte var i och fått en värdelös tvåradig sammanfattning. Problemet är universellt, och lösningen känns nästan magisk när den fungerar bra. Användare investerar eftersom de vill att denna framtid ska existera – inte bara för sig själva, utan för alla de arbetar med.

Din bakgrund inkluderar att bygga UserVoice, som hjälpte till att definiera hur företag hanterar kundfeedback. Hur påverkade den erfarenheten din tankegång om organisatoriskt minne och AI-stödd kunskapsflöde?

UserVoice lärde mig att den mest värdefulla informationen i företag ofta är den mest spridda. Kundfeedback fanns överallt. Den var begravd i supportärenden, vidarebefordrade e-postmeddelanden och slumpmässiga säljsamtal. Företag kunde ha tusentals datapunkter om vad kunder ville ha, men inget sätt att syntetisera det till strategiska beslut. Vi byggde infrastruktur för att samla in den feedbacken i stor skala och göra den tillgänglig för de personer som fattade produktbeslut.

Parallelerna med Fathom är tydliga, men problemutrymmet är mer djupgående. Möten är exponentiellt mer spridda än kundfeedback. Varje organisation har hundratals eller tusentals timmar av samtal som sker varje vecka. Vad jag lärde mig från UserVoice är att insamling är nödvändig, men det räcker inte. Du kan inte bara samla information; du måste bygga intelligens om vad som betyder något och dirigera det till rätt personer. Med UserVoice byggde vi omröstningssystem, trender och adminpaneler så att produktteam kunde skilja signal från brus. Med Fathom bygger vi AI som förstår sammanhang över samtal och kan proaktivt yta insikter: “Fem kunder nämnde detta användningsfall den här månaden”, eller “Ditt team fastnar för det här invändningsvärdet.”

En annan lärdom var om demokratisering. UserVoice gjorde det möjligt för alla kunder att ge feedback, inte bara de högstaliga som kunde få chefer på telefonen. Med Fathom demokratiserar vi tillgång till mötesintelligens. I vårt fallstudie med Netgain tillbringade deras driftschef 7,5 timmar om dagen med att bara svara på grundläggande frågor om vad som hände i försäljningssamtal. Det är vansinne. Informationen fanns, men den var instängd i människors huvuden och spridda anteckningar.

Framtiden för organisatoriskt minne är att flytta från dessa isolerade kunskaps-silor – CRM, dokument, feedbacksystem – till anslutna, konversationsintelligens. Det är den logiska utvecklingen av vad vi började bygga med UserVoice, men AI gör det möjligt att göra det med fullständig trohet till mänskliga samtal, inte bara strukturerad data.

Zoom-baserade AI-verktyg exploderade efter 2020. Vad skiljer enligt din mening en riktigt hjälpsam AI-assistent från en som bara lägger till brus?

Jag säger alltid till människor att det bara finns två saker som verkligen kan sänka en AI-mötesassistent: om produkten inte är tillförlitlig, eller om AI-utdata är skräp. Jag tror att det fanns mycket marknadsförings- AI i den tidigare generationen där det var lätt att lova magiska saker, men sedan kom verkligheten ut som nonsens. Vi har alltid försökt se till att vi har en högkvalitativ, tillförlitlig produkt som gör vad den lovar. Våra nyckeldifferentieringar är:

• Transkriptionsnoggrannhet. Fathom anses vara den mest precisa transkriptionen där ute idag. De flesta verktyg använder en tredjeparts transkriptionstjänst, medan vi byggde vår egen proprietära transkriptionsteknologi på plats. Om din transkription är dålig, är allt från en AI-komponent totalt förstört eftersom allt kommer från transkriptionen.
• Tillförlitlighet och infrastruktur. När du går med i ett möte är du ofta i en brådska eller stressad. Många av dessa andra verktyg skulle ha botar som gick med i möten men sedan inte spelade in, eller inspelningen misslyckades. Vi existerar nästan på ett realtids-systemnivå – du arbetar med något som är ett steg bakom avionik. Om det inte fungerar två gånger, är användaren borta. Det är inte som traditionell SaaS där du kan vara nere ibland.
• AI som förstår nyans och sammanhang. Affärsspråk kan vara mycket subtilt. Jag minns när jag ledde säljteamet på UserVoice och läste människors anteckningar, tänkande, “Jag behöver höra hur de faktiskt sa det.” AI behöver fånga inte bara vad som sades, utan tonen, tvekan och entusiasmen (eller bristen på den). Det är därför vi länkar varje sammanfattningspunkt tillbaka till det faktiska ögonblicket i inspelningen.
• Anpassning utan komplexitet. AI bör anpassa sig till din verksamhet, inte tvärtom. Säljteam bör kunna modifiera mallar för att matcha sina specifika metoder – MEDDIC, Challenger, SPICED, vad de än använder. Men det kan inte kräva en datavetenskaplig examen. Det behöver bara fungera.

Fathom omvandlar mötesinnehåll till agerbar kunskap. Hur nära är vi AI-system som fungerar som riktiga arbetsflödesmotorer – anslutande samtal, beslut och nedströmsuppgifter automatiskt?

Jag tror att vi är närmare än de flesta människor förstår, men det finns fortfarande viktiga steg att ta. Just nu rör vi oss mot en värld där Fathom gör mer och mer av arbetet åt dig. Det första steget är bara att få informationen dit du vill att den ska gå. Nästa steg, som inte är långt borta, är att ha AI som faktiskt gör arbetet åt dig.

Vi ser redan tidiga versioner av detta. Vår Asana-integration tar action items från möten och skapar automatiskt spårbara uppgifter. Fathom vill inte komma med en uppgiftshantering – det finns många bra där ute, som Asana. Så vi bygger integrationer som trycker mötesresultat direkt in i de verktyg människor redan använder för att få jobbet gjort.

På CRM-sidan trycker vi automatiskt in strukturerade fält – smärtor, tidsplaner, nyckelbeslutsfattare – i Salesforce och HubSpot. I en fallstudie sparade detta 20 till 30 minuter per uppdatering av affärsstatus och ledde till nästan perfekt månadsvis prognosnoggrannhet. Det är en arbetsflödesmotor i aktion: Samtal sker, AI extraherar nyckelaffärsdata och sedan flödar den automatiskt in i ditt system för registrering utan att någon skriver något.

Men jag tror att det riktiga genombrottet kommer med vad jag kallar semantiska varningar och intelligent dirigering. Föreställ dig att vara en chef eller säljledare och få en daglig höjdpunktsfilm där AI har hittat varje prissamtal som gick snett, eller varje produktblockerare som kom upp i en förnyelse-samtal. Om du är en utvecklingschef skulle du se varje het debatt bland dina utvecklare. AI kan förstå ton och nyans nu, inte bara nyckelord, så den vet vilka ögonblick du faktiskt bryr dig om.

När företag växer kämpar de med distribuerad kunskap och informationsförlust. Hur ser du att AI åtgärdar gapet mellan vad team diskuterar och vad som faktiskt blir genomfört?

Detta är ett av de mest kritiska problemen vi löser. Det finns två grupper vi kan hjälpa: människor i mötet som försöker ta anteckningar och vara närvarande, och chefer, ledare och grundare som inte är i mötet men som driver team och försöker förstå vad som händer. Den senare gruppen är där problemet med distribuerad kunskap verkligen slår till.

Huvudproblemet är synlighet. När någon i ett företag vill veta statusen för en affär eller vad som händer med en kund, finns det traditionellt sett ingen lätt plats att hitta den informationen. De ringer säljteamet, tvingar representanter att tillbringa 20-30 minuter med att gräva i anteckningar. Under toppar kan vissa driftschefar få 15 förfrågningar dagligen – det är 7,5 timmar som tillbringas på informationsåtervinning istället för värdeskapande aktiviteter.

AI kan börja ansluta punkter över samtal som ingen människa kunde spåra. Sådan mönsterigenkänning över distribuerade samtal är hur du förhindrar kunskapsförlust och faktiskt omvandlar samtal till strategisk intelligens.

Om fem år, hur ser du att mötesintelligensen utvecklas – och vilken roll tror du att AI kommer att spela i framtiden för organisatoriskt minne, beslutsfattande och samarbete?

Om fem år tror jag att vi kommer att se tillbaka på dagens mötesintelligensverktyg på samma sätt som vi nu ser på de tidiga smartphones: imponerande för sin tid, men primitiva jämfört med vad som blev möjligt.

Den första stora utvecklingen är att gå från anteckningar till riktiga arbetsflödesautomatiseringar. Vi ser en framtid där att bara säga något i ett möte kan göra det till verklighet, utan det efterföljande arbetet. Just nu, om du säger i ett möte, “Låt oss skapa en specifikation för den här funktionen och schemalägga en uppföljning med utvecklingsteamet nästa vecka”, måste du fortfarande manuellt skapa den dokumentationen och skicka den kalenderinbjudan. Om fem år kommer AI att göra allt det automatiskt. Du talar om det, och det händer. Med AI som skapar uppgifter, specifikationer och dokument kan människor fokusera på arbetet som faktiskt kräver mänsklig kreativitet och bedömning.

Den andra utvecklingen är att expandera från kundorienterade till alla möten. Just nu fokuserar vi på externa möten: försäljning, kundframgång, byråer som möter kunder. Men vårt mål under de kommande 12 till 18 månaderna är att göra Fathom till plattformen du kan använda över hela din organisation, inte bara kundorienterade team. Vi bygger bot-lös inspelning som kan fånga vilket samtal som helst, inklusive Slack-samlingar och personliga möten. Det utvecklas till att kunna fånga vilket samtal du än har i ditt företag, oavsett medium.

De företag som stiger till toppen kommer att vara de som behandlar konversationsdata som en första klassens medborgare – lika viktig som deras CRM-data, analyser och dokument. Eftersom det viktigaste kunskapen i någon organisation inte är i systemen; det är i samtalen. AI gör det möjligt att utnyttja det.

Tack för den underbara intervjun, läsare som vill lära sig mer om den här anteckningsappen bör besöka Fathom.