A Fyxer, startup baseada no Reino Unido, anunciou um novo assistente executivo de IA que combina modelos da OpenAI com mais de 500 mil horas de workflows reais de assistentes humanos. O objetivo é entregar respostas personalizadas e ações contextuais em tarefas de comunicação corporativa, especialmente via e-mail, aumentando retenção e aceitação dos usuários.
Segmentação de tarefas e especialização
O sistema da Fyxer não trata o e-mail como uma tarefa única de geração de texto. Em vez disso, utiliza entre 30 e 50 modelos especializados, cada um responsável por uma etapa distinta do workflow: desde decidir se uma mensagem exige resposta até prever o desdobramento provável da interação. O fluxo contempla classificação, análise de intenção e priorização, além de um componente robusto de memória, responsável por recuperar informações relevantes de interações passadas.
Segundo a própria Fyxer, dividir o problema em pequenos modelos especializados levou a resultados mais robustos do que confiar em um único modelo para gerar todo o conteúdo. A arquitetura permite que o sistema entenda nuances como tom, contexto pregresso e objetivos individuais de cada usuário.
Dados reais e aprendizado contínuo
Antes de lançar o produto, a Fyxer operou por anos como serviço de assistente executivo humano, construindo um dataset próprio com registros detalhados de workflows — mais de 500 mil horas anotadas. Esse material fundamenta o treinamento dos modelos, permitindo capturar julgamentos sutis típicos do trabalho de um assistente: quando responder rápido, quando aguardar, e como adaptar o tom conforme o interlocutor.
A startup emprega técnicas como fine-tuning supervisionado e LoRA para criar variantes específicas de modelos, equilibrando precisão e custo. Em etapas críticas, conta com o suporte direto da equipe de engenharia da OpenAI para ajustes finos e integração de checkpoints customizados.
Feedback do usuário como motor do produto
O ciclo de melhoria do Fyxer depende fortemente do feedback real dos usuários. Cada edição feita em um draft de e-mail é transformada em dado de treinamento via Direct Preference Optimization (DPO), comparando o texto original com a versão ajustada pelo usuário. O sistema implementa ainda testes A/B para validar melhorias antes de liberar atualizações para todos.
Retenção e aceitação
A abordagem resultou em 90% de retenção de usuários após 90 dias e 53% de aceitação dos drafts de IA exatamente como gerados, sem necessidade de edição, segundo métricas internas da empresa. Esses números sugerem avanço relevante na aceitação de assistentes de IA em fluxos executivos sensíveis, tradicionalmente resistentes à automação simples.
Contexto e impacto
A integração de workflows humanos e IA, com segmentação de tarefas e ciclo ativo de feedback, posiciona o Fyxer como um dos casos mais avançados de assistentes contextuais para ambientes corporativos. O modelo serve como referência para startups brasileiras que buscam atacar nichos de produtividade com IA, especialmente quando o diferencial está em adaptar o produto ao modo real de trabalho do usuário — e não apenas em gerar texto genérico.
Os detalhes técnicos completos, como número de parâmetros dos modelos, janela de contexto e preços, não foram divulgados no anúncio oficial fonte.