Річард Вайт, Засновник та CEO Fathom – Серія Інтерв’ю

Річард Вайт, Засновник та CEO Fathom, є повторним засновником і підприємцем, орієнтованим на продукт, який найкраще відомий тим, що перетворює особисті розчарування в програмне забезпечення, що визначає категорію. До Fathom він заснував і очолював UserVoice майже 13 років, перетворивши його на прибуткову платформу управління відгуками, яку використовують тисячі компаній, від стартапів до підприємств, таких як Microsoft, а також прославився створенням тепер універсальної вкладки “Відгук” на сайті. Раніше в своїй кар’єрі він самостійно створив і керував SlimTimer понад десять років, очолював впливові відкриті проекти, такі як AjaxScaffold в екосистемі Ruby on Rails, і працював керівником дизайну продукту в Kiko (YC S05), досвід, який колективно сформував його філософію щодо зручності використання, емпатії клієнтів і створення інструментів, які тихо, але суттєво покращують роботу команд.

Заснована в 2020 році, Fathom відображає той же етос, займаючись універсальною болісною точкою: когнітивною перевантаженістю під час проведення зустрічей і спробами вести справжні розмови. Платформа автоматично записує, транскрибує та підсумовує зустрічі – найвидатніше на Zoom – дозволяючи користувачам виділяти моменти в режимі реального часу, ділитися короткими кліпами замість сирих нотаток і зберігати нюанси, які часто втрачаються в написаних підсумках. Коли Fathom дозрів, вона еволюціонувала від простої транскрипції в легку систему реєстрації розмов, призначену для допомоги командам у збереженні контексту, навчанні на клієнтських викликах і асинхронному співробітництві без додавання тертя до самої зустрічі.

Ви провели останні 15 років, будуючи компанії, які змінюють спосіб спілкування людей – від UserVoice до Fathom. Що було моментом, який спонукав вас заснувати Fathom, і як ваші інженерні та продукто-орієнтовані корені сформували компанію з дня її заснування?

Моя інспірація для заснування Fathom виникла на початку 2020 року. Це було до пандемії, але я проводив широке дослідження користувачів для певного продукту і раптом сидів на 15 або 20 послідовних зустрічах на Zoom щодня. Шість тижнів цього зробили мене гостро усвідомленим про те, наскільки болісним був цей досвід. Я не можу говорити і друкувати одночасно – я дивився на свої нотатки через два тижні і не пам’ятав, яка розмова була якою. Найбільша проблема полягала в тому, що я проводив все це дослідження, а потім ділився кількома пунктами з моєю командою, і все втрачалося в перекладі. Це був момент, коли я спотикнувся: щось, що відбувається раз на місяць, ви ігноруєте. Ви спотикаєтесь про щось щодня, кілька разів на день, ви дуже швидко намагаєтесь виправити це.

Мій інженерний і дизайнерський досвід обидва сформували вибір, який я зробив під час будівництва Fathom. Я завжди підходив до проблем, беручи концепції, які вже існують, і роблячи їх радикально більш зручними для набагато ширшої аудиторії. З Fathom у мене виникло таке розуміння, що технологія транскрипції стає комодитизованою – існувало розширення готових рішень, яких не існувало п’ять років тому. Тому транскрипція була частиною рішення, але не самим рішенням.

З точки зору дизайну продукту я зрозумів, що транскрипти можуть бути цінними для людей, які були на дзвінку. Але вони зовсім не корисні для людей, які там не були. Що ми знайшли набагато більш впливаючим, було показати вам 30-секундний відеокліп клієнта, який заперечував проти ціни або запитував технічне питання. Ми використовуємо транскрипт майже як зміст, щоб знайти фактичний аудіо-кліп. Таке продукто-орієнтоване мислення – розуміння завдань, які потрібно виконати, а не тільки технології – прийшло безпосередньо з моїх дизайнерських коренів.

Fathom була створена в 2020 році, ще до того, як більшість компаній серйозно думали про AI-родові робочі потоки. Які переваги мали будівництво з AI в ядрі – а не ретрофітінг?

Ключовою перевагою була архітектурна свобода. Ми могли спроєктувати кожну систему, від даних до досвіду користувача, припускаючи, що AI буде фундаментальним шаром, а не прикріпленим функцією. Більшість конкурентів у 2020 і 2021 роках наймали лінгвістичних експертів і фахівців з ML, щоб побудувати свої власні моделі. Ми пішли іншим шляхом, оскільки ми вважали, що переможці в цій сфері будуть тими, хто зможе застосовувати AI ефективно для вирішення реальних проблем, а не тими, хто будує моделі самостійно. Така контрарна точка зору дозволила нам залишатися гнучкими з меншою командою і зосередити наші інженерні ресурси на важких інфраструктурних проблемах – надійному запису через платформи, вірусних механізмах розподілу, обробці в режимі реального часу в масштабі.

Ось річ про те, що ми почали в 2020 році: AI ще не був достатньо хорошим. Ми знали це. Але ми також знали, що якщо ми почнемо будувати компанію, коли AI дозріє, ми будемо на два-три роки запізніли. Двері будуть широко відкриті, і всі повинні будуть повеніти туди. Тому ми побудували все інше спочатку – інфраструктуру, канали розподілу, досвід користувача – з явним очікуванням, що коли AI дійде туди, ми зможемо просто вставити його, як новий двигун в автомобілі. Це рішення масово виправдалося. Коли GPT-4 і Claude приїхали в 2022-2023 роках, ми могли негайно інтегрувати їх. Конкуренти, які провели роки, будуючи настрашені NLP-пайплайни, раптом мали переосмислити весь свій стек. Ми просто оновили свої моделі і продовжили відправляти.

Будівництво AI-родових також фундаментально змінило наш процес розробки продукту. Традиційне програмне забезпечення має досить лінійну дорожню карту: Ви вирішуєте, що побудувати, побудуєте це і відправите. З AI ми використовуємо те, що я називаю “моделлю Дженги”. Кожна блок представляє потенційну AI-здатність. Якщо ми тиснемо на блок і зустрічаємо опір, тому що моделі ще не достатньо хороші, ми пробуємо інший. Ми знаємо, що за шість місяців технологія покращиться, і ми зможемо повернутися до цього. Це не дозволяє нам примушувати функції до того, як вони готові, а одночасно забезпечує, що ми завжди відправляємо цінність.

Інша перевага полягала в авторитетності. Так, інвестори сказали мені не ставити “AI” в нашу назву в 2020 році, але бути раннім дало нам автентичність. Ми не стрибали на тренд; ми робили ставку на тезу до того, як вона стала очевидною. Це позиціонувало нас як будівельників, а не швидких послідовників.

Ви описали розмови на зустрічах як одну з найбільш недооцінених джерел даних всередині організацій. Що переконало вас, що це наступний великий рубіж для AI?

Я зрозумів, що ніколи не зустрічав продавця, який має вісім годин на день, щоб слухати всі зустрічі своєї команди, не кажучи вже про те, щоб приймати рішення і тренувати свою команду на основі того, що вони чули. Зустрічі генерують надзвичайно цінні дані, але вони повністю недоступні в масштабі. З традиційними зустрічами ми викидаємо 99% вмісту, а останні 1% нотаток потрапляють до CRM. Потім ми намагаємось обернути все це назад з цього місця, щоб зрозуміти, що станеться з нашим бізнесом. Це абсурдний процес. Інформація, яка насправді має значення – тон клієнтового голосу, конкретна заперечення, яку він підняв, конкурентна згадка, яка виникла – все фільтрується через когось поспішно набраних нотаток і втрачає весь контекст.

Що переконало мене, що це наступний рубіж, було визнання того, що ці “розмовчі темні дані” насправді є найбагатшим сигналом того, що відбувається в організації. Ви отримуєте інформацію в режимі реального часу про болі клієнтів, прогалини в продукті, конкурентні загрози та потреби в тренуванні – все в словах людей. Коли клієнт пояснює, чому йому потрібна функція, це набагато цінніше, ніж парафраз продажного представника в полі CRM.

Прорив з AI полягає в тому, що ми нарешті можемо використовувати ці дані в масштабі. Коли ми вперше запустили Ask Fathom, він міг відповідати на питання про окремі зустрічі. Потім ми покращили його, щоб він міг обробляти невеликі групи зустрічей. Тепер він достатньо розумний, щоб зрозуміти весь набір зустрічей вашої компанії. Лідери продажів можуть запитати: “Які конкуренти найбільш часто згадуються останнім часом? Покажіть мені деякі кліпи”. Інженерні команди можуть запитати: “Розкажіть нам історію транскрипційних двигунів в Fathom” і отримати шестисторінковий синтезований документ, який тягне з чотирьох років інженерних зустрічей.

Це починає бути набагато більшим мозком, який справді розуміє, що ваш бізнес робить і які розмови він веде. Ви можете уявити світ, де AI може сказати вам, які функції вам слід побудувати далі на основі того, що допоможе закрити найбільш угод, або які конкуренти приходять, або які пробіли в тренуванні існують у вашій команді. Там є ця чудова джерела даних, яку AI добуває, щоб дати вам вхід до вашого наступного стратегічного засідання або процесу дорожньої карти.

Багато користувачів називають Fathom трансформаційним для збереження присутності під час зустрічей. Як ви балансуєте автоматизацію з збереженням природного потоку людської розмови?

Це було центральним у нашій філософії дизайну з самого початку. Метою не є те, щоб AI сказав вам, що робити на зустрічі, а радше надати вам інформацію, яка допоможе вам бути більш присутнім і ефективним у ваших розмовах.

Ми обережні щодо того, що ми автоматизуємо, а що ні. Ми не запускаємо функції, доки не знаємо, що можемо зробити їх справді добре. Це іноді означає, що ми не перші на ринку з певними можливостями, але коли ми їх запускаємо, вони працюють і доставляють справжню цінність. Ми були обережні щодо переслідування таких речей, як запис телефонних дзвінків або певних зустрічей в кімнаті, незважаючи на часті прохання. Ми радше excelled на тому, що ми робимо, ніж розгортаємо посередній досвід, який порушує природний потік розмови.

У кінцевому підсумку наші користувачі кажуть нам, що ми знаходимо правильний баланс: Вони кажуть, що вони економлять 6+ годин на тиждень і рухаються в 3 рази швидше від розуміння до наступних кроків; 95% повідомляють, що Fathom тримає їх присутнім на зустрічах. Це підтверджує, що ми посилюємо людську здатність, а не замінюємо її.

Fathom привернув понад 1300 користувачів-інвесторів у своєму Серії А – рідкий знак довіри на рівні продукту. Що, на вашу думку, резонувало так сильно з повсякденними користувачами?

По-перше, ми даруємо справжньо потужний безкоштовний продукт: необмежені зустрічі, п’ять AI-підсумків на місяць. Дві третини наших користувачів ніколи не платять нам ні копійки, і ми з цим повністю згодні. Це не типова гра SaaS. Наші користувачі бачать, що ми не намагаємось витягнути з них цінність на кожному етапі. Ми зосереджені на тому, щоб зробити життя індивідуальних учасників краще безкоштовно, і ми монетизуємо, продаючи інструменти управління їхнім босам – панелі тренерів, міжзустрічні розвідки і конкурентні ідеї. Продукт просто працює, і він продовжує працювати, незалежно від того, платите ви чи ні. Це створює справжню довіру.

Наш ріст майже повністю за рахунок слова з вуст у вуста – ми виросли більше, як соціальна медіа-платформа, ніж традиційне програмне забезпечення B2B. Наші користувачі є нашими адвокатами і каналом розподілу. Дозволити їм стати інвесторами просто визнає те, що вже правда: Вони є партнерами в цій місії.

Я також вважаю, що є глибша резонанс навколо проблеми, яку ми вирішуємо. Кожен пережив біль зустрічі, намагаючись бути присутнім і спостерігаючи, як хтось поспішно друкує, замість того, щоб займатися цим. Кожен потребував інформацію з зустрічі, якої він не був, і отримав бездіяльний дволінійний підсумок. Проблема універсальна, а рішення здається майже магічним, коли воно працює добре. Користувачі інвестують, тому що вони хочуть, щоб це майбутнє існувало – не тільки для себе, а для всіх, з ким вони працюють.

Ваш досвід включає будівництво UserVoice, яке допомогло визначити, як компанії керують клієнтським відгуком. Як цей досвід вплинув на вашу думку про організаційну пам’ять і потоки знань, підтриманих AI?

UserVoice навчив мене, що найбільш цінна інформація в компаніях часто розсіяна. Клієнтський відгук був скрізь. Він був похований в підтримці квитків, пересланих електронних листах і випадкових продажах розмов. Компанії мали тисячі даних про те, чого хочуть клієнти, але не мали способу синтезувати це в стратегічні рішення. Ми побудували інфраструктуру для агрегації цього відгуку в масштабі і зробити його доступним для людей, які приймають продуктові рішення.

Паралель з Fathom очевидна, але простір проблеми більш глибокий. Зустрічі експоненціально більш розсіяні, ніж клієнтський відгук. Кожна організація має сотні або тисячі годин розмов, які відбуваються щотижня. Що я вивчив з UserVoice, це те, що захоплення необхідне, але це не достатньо. Ви не можете просто агрегувати інформацію; вам потрібно побудувати розуміння про те, що має значення, і маршрутизувати її до правильних людей. З UserVoice ми побудували системи голосування, алгоритми тренду і панелі адміністратора, щоб продукційні команди могли розділити сигнал від шуму. З Fathom ми будуємо AI, яке розуміє контекст через розмови і може проактивно поверхувати ідеї: “П’ять клієнтів згадали цей випадок цього місяця” або “Ваша команда постійно застрягає на цьому запереченні”.

Інший урок полягав у демократизації. UserVoice зробив це можливим для будь-якого клієнта надати відгук, не тільки для тих, хто найголосніше міг отримати виконавців на телефон. З Fathom ми демократизуємо доступ до зустрічної інформації. У нашому дослідженні з Netgain їхній операційний менеджер проводив 7,5 годин на день, просто відповідаючи на базові питання про те, що відбувалося на дзвінках з продажу. Це безглуздо. Інформація існувала, але вона була в’язана в людських головах і розсіяних нотатках.

Майбутнє організаційної пам’яті рухається від цих ізольованих сховищ знань – CRM, документів, систем відгуку – до з’єднаних, розмовних інтелектів. Це логічна еволюція того, що ми почали будувати з UserVoice, але AI робить це можливим зробити з повною вірністю людської розмови, а не тільки структурованих даних.

Інструменти AI на основі Zoom вибухнули після 2020 року. На вашу думку, що відрізняє真正ньо корисного AI-помічника від того, який просто додає шум?

Я завжди кажу людям, що є тільки дві речі, які можуть справді потопити AI-помічника зустрічі: якщо продукт не є надійним, або якщо AI-випуск є сміттям. Я думаю, що було багато маркетингового AI в попередньому поколінні, де було легко обіцяти магічні речі, але потім реальність вийшла як нісенітниця. Ми завжди намагалися зробити так, щоб у нас був високоякісний, надійний продукт, який робить те, що обіцяє. Наші ключові відрізнення:

• Точність транскрипції. Fathom вважається найбільш точним транскриптом сьогодні. Більшість інструментів використовують сторонню транскрипційну службу, тоді як ми побудували свою власну пропрієтарну транскрипційну технологію в будинку. Якщо ваш транскрипт поганий, все з AI-компонентом абсолютно знищено, тому що все це виходить з транскрипту.
• Надійність і інфраструктура. Коли ви приєднуєтеся до зустрічі, ви часто поспішаєте або стресовані. Багато з цих інших інструментів мали ботів, які приєднуються до зустрічей, але потім не записували, або запис не вдавався. Ми існують майже на рівні системи в режимі реального часу – ви працюєте над чимось, що знаходиться на одному рівні з авіонікою. Якщо це не працює двічі, користувач пішов. Це не так, як традиційне програмне забезпечення, де ви можете бути внизу час від часу.
• AI, який розуміє нюанси і контекст. Бізнес-мову можна бути дуже тонкою. Я пам’ятаю, як керував командою продажів в UserVoice і читав людям нотатки, думаючи: “Мені потрібно почути, як вони насправді сказали це”. AI потрібно захопити не тільки те, що було сказано, але і тон, коливання і збудження (або його відсутність). Це чому ми пов’язуємо кожну підсумкову точку з фактичним моментом у записі.
• Настройка без складності. AI повинен адаптуватися до вашого бізнесу, а не навпаки. Команди продажів повинні бути в змозі змінити шаблони, щоб вони відповідали їхнім конкретним методологіям – MEDDIC, Challenger, SPICED, що б вони не використовували. Але це не повинно вимагати ступеня з науки про дані. Це просто повинно працювати.

Fathom перетворює вміст зустрічей на діючу інформацію. Як близькі ми до систем AI, які функціонують як справжні робочі двигуни – підключаючи розмову, рішення і нижні завдання автоматично?

Я думаю, що ми ближче, ніж більшість людей розуміють. Але все ще є важливі кроки, які потрібно зробити. За п’ять років я думаю, що ми оглянемося на сьогодні на сучасні інструменти розуміння зустрічей так само, як ми зараз дивимося на ранні смартфони: вражаючі для свого часу, але примітивні порівняно з тим, що стало можливим.

Перша велика еволюція полягає в переході від ведення нотаток до справжньої автоматизації робочого потоку. Ми бачимо майбутнє, де просто сказавши щось на зустрічі, ви можете зробити його реальним, без післязустрічної роботи. Зараз, якщо ви скажете на зустрічі: “Давайте створимо специфікацію для цієї функції і заплануємо повторну зустріч з інженерією на наступний тиждень”, ви все ще повинні вручну створити цей документ і відправити цей календарний запрошення. За п’ять років AI зробить все це автоматично. Ви кажете це, і воно відбувається. З AI, яка створює завдання, специфікації і документи, люди можуть зосередитися на роботі, яка насправді вимагає людської креативності і судження.

Друга еволюція полягає в розширенні від клієнто-орієнтованих до всіх зустрічей. Зараз ми фокусуємося на зовнішніх зустрічах: продажах, клієнтському успіху, агентствах, які зустрічаються з клієнтами. Але нашою метою за наступні 12-18 місяців є зробити Fathom платформою, яку ви можете використовувати по всій вашій організації, а не тільки клієнто-орієнтовані команди. Ми будуємо безботовий запис, який може захопити будь-яку розмову, включаючи збори Slack і особисті зустрічі. Це еволюціонує в здатність захопити будь-яку розмову, яку ви ведете в вашій компанії, незалежно від того, якою є середовище.

Компанії, які піднімуться на вершину, будуть тими, які будуть ставити розмовні дані як громадянського першого класу – так само важливі, як і ваші дані CRM, аналітика і документи. Бо в кінцевому підсумку найбільш важлива інформація в будь-якій організації не знаходиться в системах; це в розмовах. AI нарешті робить це можливим.