Fyxer, OpenAI ile İnsanların Güvendiği Yapay Zeka Asistanını Nasıl İnşa Etti?

Fyxer Nedir?

Fyxer, profesyonellerin e-posta kutularını düzenlemelerine ve kendi ses tonlarında yanıt taslakları oluşturmalarına yardımcı olan bir yapay zeka yönetici asistanıdır. OpenAI modellerini, ince ayar (fine-tuning) tekniklerini, hafıza sistemlerini ve gerçek kullanıcı geri bildirimlerini bir araya getirerek çalışır. Amaç, iş hayatında sıkça karşılaşılan bir sorunu çözmek: farklı araçlar arasında dağılan konuşmaları ve taahhütleri takip etmek.

Fyxer'in temelinde, 500.000 saatten fazla yönetici asistanı iş akışı verisi bulunuyor. Bu veri, gerçek asistanların profesyonel iletişimi nasıl yönettiğini örnekliyor. Sistem, düzinelerce özelleşmiş modeli kullanarak e-posta iş akışını parçalara ayırıyor ve her bir parçayı ayrı ayrı ele alıyor. Böylece tek bir modelden mükemmel e-posta yazmasını beklemek yerine, daha küçük ve uzmanlaşmış modellerin bir arada çalışması sağlanıyor.

Uzmanlaşmış Modeller ve Hafıza Yönetimi

Fyxer, e-posta iş akışını 30-50 arasında özelleşmiş modele bölüyor. Her model, iş akışının belirli bir bölümünden sorumlu. Örneğin, yeni bir e-posta geldiğinde bir yanıt karar modeli devreye giriyor: Bu mesaj yanıt gerektiriyor mu, yoksa sadece bilgilendirme mi? Eğer yanıt gerekiyorsa, ek modeller e-postanın niyetini analiz ediyor ve etkileşimin olası sonucunu tahmin ediyor. Bu modeller, konuşmanın bir toplantı planlamaya mı, bir talebi çözmeye mi yoksa uzun süreli bir ilişkiyi sürdürmeye mi yöneldiğini belirliyor.

Hafıza, sistemin en önemli parçalarından biri. Fyxer, hangi ayrıntıların konuşmalar arasında kalıcı olması gerektiğine ve hangilerinin tek bir alışverişten sonra silineceğine karar veriyor. Yeni bir e-posta geldiğinde, erişim modelleri (retrieval models) bu e-postayı saklanan etkileşimlerle karşılaştırıyor ve o kişiyle ilgili en alakalı anıları öne çıkarıyor. OpenAI modelleri, e-postayı sindirmekten (içeriğini anlamak) bağlamı getirip yeniden sıralamaya ve nihai e-posta oluşturmaya kadar pek çok adımda kullanılıyor.

Eğitim Verisi ve İnce Ayar

Fyxer, yapay zeka ürününü piyasaya sürmeden önce yıllarca insan gücüyle çalışan bir yönetici asistanı hizmeti işletti. Bu süreçte, 500.000 saatten fazla açıklamalı yönetici iş akışından oluşan bir veri kümesi biriktirdi. Bu örnekler, gerçek asistanların profesyonel iletişimi nasıl yönettiğini yakalıyordu. İyi bir yanıtın arkasındaki küçük kararlar da bu veriye dahil: ne zaman hızlı yanıt vermeli, ne zaman beklemeli, hangi önceki konuşma önemli ve aynı talep neden bir kişi için farklı, diğeri için farklı bir yanıt gerektiriyor.

Fyxer, görev bazlı model varyantları oluşturmak için denetimli ince ayar (supervised fine-tuning) ve Düşük Dereceli Uyarlama (Low-Rank Adaptation - LoRA) kullanıyor. Bu sayede eğitim maliyetini kontrol altında tutuyor. Ürünün geliştirilmesinin erken aşamalarında ekip, yüksek doğruluk gerektiren görevler için OpenAI'nin ince ayar platformundan yararlandı. Daha yakın zamanda ise OpenAI'nin yönetilen ince ayar ekibiyle çalışarak yeni bir kontrol noktasını (checkpoint) üretime aldı. Fyxer kurucu ortağı Archie Hollingsworth, "OpenAI, müşterimiz hakkında öğrendiklerimizi modele aktarma ve bunu modelin çalışma şekline başarıyla dahil etme konusunda bizim için çok önemliydi" diyor.

Kullanıcı Geri Bildirimi ve Sürekli İyileştirme

Herhangi bir model devreye alınmadan önce Fyxer, kendi e-posta görevleri etrafında oluşturulmuş doğrulama setlerinde modeli değerlendiriyor. Bu görevler arasında taslak yazma, sınıflandırma ve önceliklendirme bulunuyor. Ekip, doğruluğun yanı sıra yanıt süresi ve maliyeti de tartıyor; çünkü en iyi seçim işe göre değişebiliyor.

Model devreye alındıktan sonra Fyxer sistemi gerçek kullanıcı geri bildirimleriyle iyileşmeye devam ediyor. Bir kullanıcı taslağı göndermeden önce düzenlediğinde, orijinal taslak ile son e-posta arasındaki fark, kullanıcının hangi çıktıyı tercih ettiğini gösteriyor. Fyxer bu karşılaştırmaları Doğrudan Tercih Optimizasyonu (Direct Preference Optimization - DPO) kullanarak eğitim verisine dönüştürüyor. Her örneği elle etiketlemek yerine model, çıktı çiftlerinden öğreniyor: orijinal taslak ve kullanıcı tarafından düzenlenmiş versiyon.

Her taslak değişikliği daha sonra bir A/B testinden geçiyor. Fyxer, yeni sürümü yalnızca istatistiksel olarak anlamlı bir iyileşme sağladığında kullanıma sunuyor. Kullanıcı hacmi sayesinde ekip bazen bu eşiğe bir gün içinde ulaşabiliyor. Bugün Fyxer'in yapay zeka tarafından oluşturulan taslaklarının %53'ü olduğu gibi kabul ediliyor. Bu, sistemin gerçek konuşmaların büyük bir kısmında niyeti ve tonu doğru tahmin ettiği anlamına geliyor. 2025 yılında Fyxer, yıllık yinelenen gelirini (annual recurring revenue - ARR) 1 milyon dolardan 32 milyon dolara çıkardı.

Neden Önemli?

Fyxer'in hikayesi, yapay zeka ürünleri geliştirenler için birkaç önemli ders sunuyor. Öncelikle, karmaşık bir görevi tek bir büyük modele yüklemek yerine, onu daha küçük ve uzmanlaşmış modellere bölmek çok daha etkili olabiliyor. İkincisi, gerçek kullanıcı etkileşimlerinden toplanan veriyle ince ayar yapmak, modelin bağlamı ve tonu daha iyi anlamasını sağlıyor. Üçüncüsü, sürekli geri bildirim döngüsü ve A/B testleri, ürünün zamanla iyileşmesini garanti ediyor.

Türkiye'deki yapay zeka girişimleri ve geliştiricileri için de bu yaklaşım ilham verici olabilir. Özellikle müşteri hizmetleri, e-posta yönetimi veya kişisel asistanlık gibi alanlarda, kullanıcıya özel bağlamı ve tercihleri öğrenen sistemler rekabet avantajı sağlayabilir. Fyxer'in %90'ın üzerindeki 90 günlük kullanıcı elde tutma oranı, kullanıcıların bu tür bir asistana gerçekten güvendiğini ve günlük iş akışlarının bir parçası haline geldiğini gösteriyor. Hollingsworth'ün de belirttiği gibi, "Herkes ARR'den bahsediyor ama bence asıl olay elde tutma." Bu, yapay zeka ürünlerinin başarısında kullanıcı sadakatinin ne kadar kritik olduğunu vurguluyor.

Fyxer'in vizyonu, müşterilerinin sevdikleri işlere daha fazla odaklanmasını sağlamak. Amaç, kullanıcıların bilgisayarlarını hiç açmadan tüm iletişim ve koordinasyon işlerini Fyxer'e güvenle bırakabilecekleri bir noktaya gelmek. Bu hedef, yapay zeka asistanlarının gelecekte iş hayatında nasıl bir rol oynayacağına dair önemli ipuçları veriyor.