Interfon preuzima neobičnu kocku za naslijeđenu softversku tvrtku: gradi vlastiti model umjetne inteligencije.
15 godina stara velika platforma za korisničku podršku najavio Fin Apex 1.0 u četvrtak, mali, namjenski izgrađeni AI model za koji tvrtka tvrdi da nadmašuje vodeće granične modele iz OpenAI-ja i Anthropica na metrikama koje su najvažnije za korisničku podršku.
Model ovlasti Intercomov postojeći Fin AI agentkoji već obrađuje više od dva milijuna razgovora s klijentima tjedno.
Prema mjerilima koja se dijele s VentureBeatom, Fin Apex 1.0 postiže stopu razrješenja od 73,1%—postotak korisničkih problema potpuno riješenih bez ljudske intervencije—u usporedbi sa 71,1% za GPT-5.4 i Claude Opus 4.5 te 69,6% za Claude Sonnet 4.6. Ta marža od otprilike 2 postotna boda može zvučati skromno, ali je veća od tipične razlike između uzastopnih generacija graničnih modela.
"Ako vodite velike uslužne operacije i imate 10 milijuna kupaca ili milijardu dolara prihoda, delta od 2% ili 3% je stvarno velika količina kupaca i interakcija i prihoda," Izvršni direktor Intercoma Eoghan McCabe rekao je VentureBeatu u intervjuu video pozivom ranije ovog tjedna.
Model također pokazuje značajna poboljšanja u brzini i točnosti. Fin Apex daje odgovore za 3,7 sekundi—0,6 sekundi brže od sljedećeg najbržeg konkurenta—i pokazuje smanjenje halucinacija od 65% u usporedbi s Claude Sonnetom 4.6.
Možda najupečatljiviji za poslovne kupce: košta otprilike jednu petinu cijene izravnog korištenja graničnih modela i uključen je u postojeći Intercom "po ishodu"-temeljena struktura cijena za svoje postojeće korisničke planove.
Sadržaj objave
Koji je osnovni model? Je li uopće važno?
Ali postoji caka. Na upit da navede na kojem je osnovnom modelu izgrađen Apex—i njegovu veličinu parametra—Intercom je odbio.
"Ne dijelimo osnovni model koji smo koristili za Apex 1.0—iz konkurentskih razloga i zato što planiramo s vremenom promijeniti osnovne modele," rekao je glasnogovornik tvrtke za VentureBeat. Tvrtka bi samo potvrdila da model jest "u veličini stotina milijardi parametara."
Fili za usporedbu, Meta’s Llama 3.1 ima raspon od 8 milijardi do 405 milijardi parametara, a sumnja se da su veći granični modeli poput GPT-5.4 u trilijunima.
Ostaje otvoreno pitanje jesu li Apexove tvrdnje o izvedbi u skladu s tim kontekstom – ili referentne vrijednosti odražavaju optimizacije moguće samo u uskim aplikacijama specifičnim za domenu.
Intercom kaže da je naučio iz reakcije pokretanja AI kodiranja s kojim se Cursor suočio kada su kritičari optužili pomoćnika za kodiranje da je pokopao činjenicu da je njegov model Composer 2 izgrađen na fino podešenim otvorenim modelima, a ne na vlastitoj tehnologiji. No lekcija koju je Intercom izvukao možda neće zadovoljiti skeptike: tvrtka je transparentna da je koristila otvorenu bazu, ali ne koji jedan.
"Vrlo smo transparentni što imamo" koristio model otvorenih utega, rekao je glasnogovornik. Ipak, odbijanje imenovanja modela uz tvrdnju o transparentnosti je kontradikcija koja će vjerojatno izazvati pozornost—posebice jer sve više tvrtki hvali "vlasnički" AI koja je jednaka temeljima otvorenog koda nakon obuke.
Post-trening kao nova granica
Intercomov argument je da osnovni model jednostavno više nije bitan.
"Predosposobljavanje je sada neka vrsta robe," rekao je McCabe. "Granica je, ako hoćete, zapravo u post-treningu. Poslije treninga je teži dio. Potrebni su vam zaštićeni podaci. Potrebni su vam vlasnički izvori istine."
Tvrtka je naknadno obučila svoju odabranu osnovu koristeći godine vlasničkih podataka o korisničkoj službi prikupljenih putem Fina, koji sada rješava 2 milijuna upita korisnika tjedno. Taj je proces uključivao više od pukog unosa transkripata u model. Intercom je izgradio sustave učenja za pojačanje koji se temelje na stvarnim ishodima rješavanja, podučavajući model kako zapravo izgleda uspješna korisnička usluga – odgovarajući ton, pozivi za prosuđivanje, struktura razgovora i kritično, kako prepoznati kada je problem doista riješen, a ne kada je korisnik još uvijek frustriran.
"Generički modeli treniraju se na generičkim podacima na internetu. Specifični modeli treniraju se na podacima hiper-specifične domene," objasnio je McCabe. "Stoga je razumljivo da je inteligencija generičkih modela generička, a inteligencija specifičnih modela specifična za domenu i stoga djeluje na daleko bolji način za taj slučaj upotrebe."
Ako je McCabe u pravu da je magija u potpunosti u post-treningu, nevoljkost da se imenuje baza postaje teže opravdati. Ako je temelj uistinu zamjenjiv, koju konkurentsku prednost štiti tajnost?
Isplatila se oklada od 100 milijuna dolara
Ova najava dolazi u trenutku kada se čini da Intercomov prvi AI-pivot radi. Fin se približava 100 milijuna dolara godišnjeg redovnog prihoda i raste 3,5 puta, što ga čini najbrže rastućim segmentom tvrtke vrijednog 400 milijuna dolara ARR poslovanja. Predviđa se da će Fin predstavljati polovicu ukupnog prihoda Intercoma početkom sljedeće godine.
Ta putanja predstavlja izvanredan preokret. Kad je Fin lansiran, njegova je stopa rezolucije bila samo 23%. Danas u prosjeku iznosi 67% za klijente, a neke velike tvrtke imaju stope čak do 75%.
Kako bi se to dogodilo, Intercom je povećao svoj tim za umjetnu inteligenciju s otprilike 6 istraživača na 60 tijekom posljednje tri godine – što je značajno ulaganje za tvrtku za koje McCabe priznaje da je "na jako lošem mjestu" prije svog AI stožera. Prosječna stopa rasta javnih softverskih tvrtki iznosi oko 11%; Intercom ove godine očekuje rast od 37%.
"Daleko smo prvi u kategoriji koji smo obučili vlastiti model," rekao je McCabe. "Ne postoji nitko drugi tko će ovo imati godinu ili više."
Specijalizacija i specijalizacija umjetne inteligencije
McCabeova teza u skladu je sa širim trendom koji je Andrej Karpathy, bivši voditelj AI-a u Tesli i OpenAI-ju, nedavno opisao kao "specijacija" AI modela—proliferacija specijaliziranih sustava optimiziranih za uske zadatke, a ne za opću inteligenciju.
Služba za korisnike, tvrdi McCabe, jedinstveno je prikladna za ovaj pristup. To je jedan od samo dva ili tri slučaja korištenja umjetne inteligencije u poduzećima koji su do sada pronašli istinsku ekonomsku privlačnost, uz pomoćnike kodiranja i potencijalno legalnu umjetnu inteligenciju. To je privuklo više od milijardu dolara rizičnog financiranja konkurentima kao što su Decagon i Sierra—i učinilo prostor, McCabeovim riječima, "nemilosrdno natjecateljski."
Pitanje je predstavljaju li modeli specifični za domenu trajnu prednost ili privremenu arbitražu koju će granični laboratoriji na kraju zatvoriti. McCabe vjeruje da se laboratoriji suočavaju sa strukturnim ograničenjima.
"Možda je budućnost u tome što Anthropic ima veliku ponudu mnogo različitih specijaliziranih modela. Možda tako izgleda," rekao je. "Ali stvarnost je takva da ne mislim da će generički modeli trenutno moći držati korak s modelima specifičnim za domenu."
Izvan učinkovitosti za iskustvo
Rano usvajanje umjetne inteligencije u poduzećima uvelike se usredotočilo na smanjenje troškova—zamjenu skupih ljudskih agenata jeftinijim automatiziranim. Ali McCabe vidi kako se razgovor pomiče prema kvaliteti iskustva.
"Izvorno je bilo kao, ‘Sranje, mi to zapravo možemo učiniti mnogo jeftinije.’ A sada misle: ‘Čekaj, ne, možemo kupcima pružiti puno bolje iskustvo,’" rekao je.
Vizija seže dalje od jednostavnog rješavanja upita. McCabe zamišlja AI agente koji funkcioniraju kao konzultanti — bot trgovca cipelama koji ne odgovara samo na pitanja o otpremi, već nudi savjete o stajlingu i pokazuje kupcima kako različite opcije mogu izgledati na njima.
"Služba za korisnike uvijek je bila prilično sranje," rekao je McCabe otvoreno. "Čak i kod najboljih marki, ostajete čekati na poziv, skaču vas po različitim odjelima. Sada postoji prilika za pružanje doista savršenog korisničkog iskustva."
Cijene i dostupnost
Za postojeće korisnike Fina, nadogradnja na Apex dolazi bez dodatnih troškova. Intercom je potvrdio da cijene za korisnike ostaju nepromijenjene—korisnici nastavljaju plaćati po ishodu kao i prije, po 0,99 USD po razriješenoj interakciji, i automatski imaju koristi od novog modela.
Apex nije dostupan kao samostalni model ili putem vanjskog API-ja. Dostupan je samo putem Fina, što znači da tvrtke ne mogu samostalno licencirati model niti ga integrirati u vlastite proizvode. To ograničenje može ograničiti sposobnost Intercoma da unovči model izvan svoje postojeće korisničke baze—ali također zadržava vlasništvo nad tehnologijom u praktičnom smislu, bez obzira na to što se pokazalo da je temeljni osnovni model.
Što je sljedeće
Intercom planira proširiti Fin izvan korisničke službe na prodaju i marketing—postavljajući ga kao izravnu konkurenciju Salesforceovoj viziji Agentforce, koja ima za cilj pružiti AI agente tijekom životnog ciklusa korisnika.
Za širu SaaS industriju, Intercomov potez postavlja neugodna pitanja. Ako 15 godina stara tvrtka za korisničku podršku može izgraditi model koji nadmašuje OpenAI i Anthropic u svojoj domeni, što to znači za dobavljače koji se još uvijek oslanjaju na generičke API pozive? I ako "nakon treninga je nova granica," kao što McCabe inzistira, hoće li se tvrtke koje tvrde da su otkrile biti suočene s pritiskom da pokažu svoj rad—ili će se nastaviti skrivati iza konkurentske tajne dok hvale transparentnost?
McCabeov odgovor na prvo pitanje, izloženo u nedavnoj objavi na LinkedInuoštro je: "Ako ne možete postati tvrtka agent, vaše poslovanje s CRUD aplikacijama ima sve manju budućnost."
Odgovor na drugo pitanje ostaje za vidjeti.
