Fyxer AI asistanı neyi çözmeye çalışıyor?
E-posta asistanı fikri ilk bakışta yalnızca mesaj yazdırmak gibi görünebilir. Ancak Fyxer’ın OpenAI tarafından yayımlanan örneğinde anlatılan çalışma, e-posta işini birden fazla karar noktasından oluşan bir süreç olarak ele alıyor. Sistem, gelen bir e-postanın yanıt gerektirip gerektirmediğini, planlama için bir eylem doğurup doğurmadığını ya da sadece bilgi amaçlı olup olmadığını ayırmayı hedefliyor.
Yanıt verilmesi gereken mesajlarda iş daha da ayrıntılanıyor. Fyxer’ın yaklaşımında niyet, etkileşimin olası sonucu ve ilgili geçmiş bağlam değerlendirilmesi gereken unsurlar arasında yer alıyor. Böylece taslak üretimi, yalnızca gelen e-postaya doğrudan cevap yazmaktan ibaret görülmüyor; mesajın ne istediği ve önceki bağlamla nasıl ilişkili olduğu da sürece dahil ediliyor.
OpenAI’nin vaka metnine göre Fyxer, kullanıcıların kendi üslubunda e-posta taslakları oluşturmak için OpenAI modellerinden yararlanıyor. Şirket bunu 500.000 saati aşan yönetici asistanı iş akışı ve gerçek kullanıcı geri bildirimiyle birleştiriyor. Buradaki temel fikir, genel amaçlı tek bir e-posta işlemi yerine, uzmanlaşmış görevlerin birlikte çalıştığı bir yapı kurmak.
E-posta neden daha küçük görevlere ayrılıyor?
Kaynakta önerilen ilk uygulama adımı, e-postayı daha küçük işlere bölmek. Bu ayrım, sistemin her mesaj için aynı çıktıyı üretmeye çalışması yerine önce hangi tür kararın gerektiğini belirlemesine dayanıyor. Örneğin bir e-posta yalnızca bilgilendirme niteliğindeyse yanıt taslağı oluşturma ihtiyacı ile yanıt veya planlama gerektiren bir e-postadaki ihtiyaç aynı olmayabilir.
Fyxer’ın örneğinde sınıflandırma, niyet değerlendirmesi, olası etkileşim sonucunu inceleme ve geçmiş bağlamı ele alma gibi aşamalar bulunuyor. Taslak üretimi de bu işlerden biri olarak konumlanıyor. Bu çerçeve, e-posta yönetimindeki farklı görevleri birbirinden ayırarak değerlendirmeyi mümkün kılıyor.
Bu ayrım aynı zamanda model değerlendirmesinin nasıl yapılacağını da etkiliyor. Kaynak, taslak oluşturma, sınıflandırma ve önceliklendirme görevleri için modellerin dağıtımdan önce doğrulama kümeleriyle değerlendirilmesini öneriyor. Değerlendirmede sadece doğruluk değil, yanıt süresi ve maliyet de birlikte ele alınıyor. Dolayısıyla bir değişikliğin başarılı sayılması için tek bir ölçüte bakılmıyor.
Fyxer AI asistanı eğitim verisini nereden alıyor?
Fyxer’ın yaklaşımındaki ikinci unsur, büyük asistanların gerçek çalışma biçimlerinden elde edilen örnekler. OpenAI’nin metni, gerçek yönetici asistanı iş akışlarından gelen verilerin eğitimde kullanılmasını işaret ediyor. Bu iş akışları; taslak hazırlama, e-postaları sınıflandırma ve önceliklendirme gibi görevlerle ilişkilendiriliyor.
Kaynak, bu örneklerin doğrudan bir yayın kararı anlamına gelmediğini de ortaya koyuyor. Modellerin, dağıtıma alınmadan önce doğrulama kümeleri üzerinde sınanması gerektiği belirtiliyor. Taslak, sınıflandırma ve önceliklendirme için ayrı değerlendirme yapılması; e-posta işinin tek parça bir problem olarak görülmediği yaklaşımıyla uyumlu.
Bu anlatımda dikkat çeken nokta, model geliştirme sürecinin hem iş akışı örneklerine hem de ölçümlere dayanması. Doğruluk, yanıt süresi ve maliyetin birlikte değerlendirilmesi, bir görevin yalnızca doğru sonuç üretmesinin yeterli kabul edilmediğini gösteriyor. Bununla birlikte kaynak, bu ölçütler için belirli eşikler veya Fyxer’ın sonuçlarına ilişkin sayısal performans verileri paylaşmıyor.
Kullanıcı düzenlemeleri nasıl geri bildirim döngüsüne dönüşüyor?
Fyxer’ın üçüncü adımı, kullanıcının gönderimden önce taslak üzerinde yaptığı değişiklikleri tercih verisi olarak kullanmak. Kaynakta anlatıldığı biçimiyle özgün taslak ile kullanıcının düzenlediği sürüm eşleştiriliyor. Bu eşler, Direct Preference Optimization ile eğitim verisi oluşturmak için kullanılıyor.
Buradaki süreç, kullanıcının taslağı olduğu gibi kabul etmesi ya da değiştirmesi arasındaki farkı geliştirme döngüsüne taşıyor. Fyxer’ın amacı, kullanıcı düzenlemelerini yalnızca anlık bir düzeltme olarak bırakmak yerine modelin sonraki iyileştirmeleri için veri haline getirmek. OpenAI’nin vaka metni bu yaklaşımı kendi kendini eğiten bir döngü olarak tanımlıyor.
Ancak kullanıcıdan gelen her değişiklik otomatik olarak ürün güncellemesine dönüşmüyor. Kaynağa göre her değişiklik A/B testiyle değerlendiriliyor ve yalnızca istatistiksel olarak anlamlı iyileşme sağladığında yayımlanıyor. Bu koşul, geri bildirim verisinin doğrudan kabul edilmesi yerine test edilen bir değişim sürecine bağlandığını gösteriyor.
Bu yaklaşımın özeti ne?
Fyxer örneği, e-posta asistanı geliştirmeyi üç bağlantılı başlıkta topluyor: işi sınıflandırma ve bağlam gibi küçük görevlere ayırmak, gerçek yönetici asistanı iş akışlarıyla eğitim yapmak ve kullanıcıların taslak düzenlemelerini ölçümlü bir iyileştirme döngüsüne katmak. OpenAI modelleri, bu yapıda kullanıcı üslubunda taslaklar üretmek için kullanılıyor.
Açıklanan yöntem, özellikle güvenin tek seferde elde edilen bir özellik değil, değerlendirme ve geri bildirim süreçleriyle ele alınan bir hedef olduğunu gösteriyor. Yine de yayımlanan metin, Fyxer’ın hangi model sürümlerini kullandığı, kullanıcı düzenlemelerinin kapsamı veya sistemin performans sonuçları hakkında ayrıntı vermiyor. Bu nedenle örnek, daha çok ürün geliştirme akışını açıklayan bir vaka olarak okunmalı.
Bir içerik, dört format.
Okumaya vaktin yoksa özetle; paylaşacaksan platforma göre yeniden düzenle.
Fyxer, e-posta yönetimini tek bir işlem olarak ele almak yerine sınıflandırma, bağlam değerlendirmesi ve taslak üretimi gibi görevlere ayırıyor. Şirketin yaklaşımı, yönetici asistanı iş akışları ile kullanıcıların yaptığı düzenlemeleri model geliştirme sürecine bağlıyor. • Fyxer AI asistanı neyi çözmeye çalışıyor? • E-posta neden daha küçük görevlere ayrılıyor? • Fyxer AI asistanı eğitim verisini nereden alıyor?
Bu önizleme yalnızca sayfadaki editoryal veriyi yeniden biçimlendirir. Gerçek yapay zekâ üretimi Core tarafında güvenli bir sunucu endpoint’iyle bağlanacak.
