Citofono Si tratta di una scommessa insolita per una società di software legacy: costruire il proprio modello di intelligenza artificiale.
Un’enorme piattaforma di assistenza clienti nata 15 anni fa con sede a Dublino, Irlanda Annunciato l’Apex 1.0 finlandese Giovedì è stato annunciato un piccolo modello di intelligenza artificiale appositamente creato che, secondo la società, supera i modelli principali di OpenAI e Anthropic in termini di parametri che contano di più per l’assistenza clienti.
Il modello dà forza L’attuale rappresentante finlandese dell’AI di IntercomGestisce già oltre un milione di chiamate settimanali da parte dei clienti.
Secondo i benchmark condivisi con VentureBeat, Fin Apex 1.0 raggiunge un tasso di risoluzione (percentuale di problemi dei clienti completamente risolti senza intervento umano) del 73,1%, rispetto al 71,1% sia per GPT-5.4 che per Claude Opus 4.5, e al 69,6% per Claude Sonnet 4.6. Questo margine di circa il 2% può sembrare modesto, ma è più ampio del tipico divario tra le successive generazioni di modelli di punta.
"Se gestisci operazioni di servizi di grandi dimensioni su larga scala e hai 10 milioni di clienti o un miliardo di dollari di entrate, un delta del 2% o 3% significa una quantità davvero elevata di clienti, coinvolgimento e entrate." Il CEO di Intercom Eoghan McCabe ha detto a VentureBeat in un’intervista in videochiamata all’inizio di questa settimana.
Il modello mostra anche miglioramenti significativi in termini di velocità e precisione. Fin Apex fornisce risposte in 3,7 secondi (0,6 secondi più velocemente del concorrente più veloce) e mostra una riduzione del 65% delle allucinazioni rispetto a Claude Sonnet 4.6.
Forse la cosa più notevole per gli acquirenti aziendali: costa circa un quinto del costo dell’utilizzo dei modelli Border a titolo definitivo ed è incluso nella linea di prodotti esistente di Intercom. "per risultato"Struttura dei prezzi basata sui piani dei clienti esistenti.
Qual è il modello base? Ha importanza?
Ma c’è un problema. Quando è stato chiesto di specificare il modello sottostante su cui è costruito Apex e la dimensione dei suoi parametri, Intercom ha rifiutato.
"Non condividiamo il modello base utilizzato per Apex 1.0 per motivi competitivi e anche perché prevediamo di modificare i modelli base nel tempo." ha detto un portavoce dell’azienda a VentureBeat. Solo l’azienda "nella dimensione di centinaia di milioni di parametri."
Questo è un modello piuttosto piccolo. In confronto, Meta’s Llama 3.1 ha un intervallo di parametri compreso tra 8 e 405 miliardi; Anche modelli efficienti a peso aperto come il Mistral 7B sminuiscono la scala inferiore al miliardo definita da Intercom.
Resta una questione aperta se le prestazioni dichiarate da Apex siano appropriate in questo contesto, o se i benchmark riflettano ottimizzazioni possibili solo in applicazioni ristrette e specifiche del dominio.
Intercom afferma di aver imparato dal contraccolpo che la startup di codifica AI Cursor ha dovuto affrontare quando i critici hanno accusato l’assistente di codifica di nascondere il fatto che il suo modello Composer 2 era costruito su modelli di peso espliciti ottimizzati piuttosto che su tecnologia proprietaria. Ma la lezione di Intercom potrebbe non soddisfare gli scettici: l’azienda è trasparente sull’utilizzo di una base a peso aperto, ma Quale Uno.
"Siamo molto trasparenti" Il portavoce ha detto che utilizza un modello a peso aperto. Ma rivendicare trasparenza rifiutandosi di nominare il modello è una contraddizione che probabilmente verrà esaminata attentamente, soprattutto perché sempre più aziende affermano di pubblicizzarlo. "registrato" Intelligenza artificiale che significa fondamenti dell’open source dopo la formazione.
La post-educazione come nuova frontiera
L’affermazione di Intercom è che il modello base non ha più molta importanza.
"La pre-formazione è ormai una sorta di merce," disse McCabe. "Il limite, per così dire, è effettivamente il post-allenamento. Dopo l’allenamento è la parte difficile. Hai bisogno di dati privati. Hai bisogno di fonti di verità registrate."
L’azienda ha successivamente formato l’organizzazione selezionata utilizzando anni di dati proprietari sul servizio clienti accumulati tramite Fin, che attualmente risolve 2 milioni di domande dei clienti a settimana. Questo processo ha comportato qualcosa di più che inserire le trascrizioni in un modello. Intercom ha creato sistemi di apprendimento di rinforzo basati su risultati di risoluzione reale, insegnando al modello come si presenta realmente un servizio clienti di successo: tono appropriato, chiamate decisionali, struttura della conversazione e, soprattutto, come riconoscere quando un problema è stato effettivamente risolto e il cliente è ancora frustrato.
"I modelli generici vengono addestrati su dati pubblici provenienti da Internet. Modelli specifici vengono addestrati su dati di dominio iperspecifici," McCabe ha spiegato. "Quindi è logico che l’intelligenza dei modelli generici sia generale e l’intelligenza dei modelli specifici sia specifica del dominio e quindi funzioni in modo di gran lunga superiore per questo caso d’uso."
Se McCabe ha ragione nel dire che la magia avviene dopo l’allenamento, diventa difficile giustificare la riluttanza a citare le basi. Se le fondamenta possono davvero essere cambiate, quale vantaggio competitivo preserva la privacy?
La scommessa di 100 milioni di dollari è stata ripagata
L’annuncio arriva quando il primo perno AI di Intercom sembra funzionare. Fin si avvicina ai 100 milioni di dollari di entrate annuali ricorrenti e cresce di 3,5 volte, diventando così il segmento in più rapida crescita del business ARR da 400 milioni di dollari dell’azienda. Si prevede che Fin rappresenterà la metà dei ricavi totali di Intercom entro l’inizio del prossimo anno.
Questa tendenza rappresenta una trasformazione notevole. Quando è stato rilasciato Fin, il tasso di risoluzione era solo del 23%. Oggi, la media tra i clienti è del 67% e in alcune implementazioni aziendali di grandi dimensioni i tassi raggiungono il 75%.
Per raggiungere questo obiettivo, Intercom ha ampliato il proprio team di intelligenza artificiale da circa 6 ricercatori a 60 negli ultimi tre anni; Si è trattato di un investimento significativo per un’azienda che McCabe ha riconosciuto: "in un posto davvero brutto" Prima del pivot dell’IA. Il tasso di crescita medio delle società pubbliche di software è intorno all’11%; Intercom prevede di raggiungere una crescita del 37% quest’anno.
"Siamo di gran lunga i primi nella categoria ad addestrare il nostro modello." disse McCabe. "Non c’è nessuno che possa sostenerlo per un anno o più."
Diversificazione e specializzazione dell’intelligenza artificiale
La tesi di McCabe si integra con una tendenza più ampia che Andrej Karpathy, ex responsabile dell’intelligenza artificiale presso Tesla e OpenAI, ha recentemente descritto come segue: "speciazione" La proliferazione di modelli di intelligenza artificiale: la proliferazione di sistemi specializzati ottimizzati per compiti ristretti piuttosto che per l’intelligenza generale.
McCabe sostiene che il servizio clienti si presta bene a questo approccio. Questo è uno dei soli due o tre casi d’uso dell’IA aziendale, insieme agli assistenti di codifica e all’intelligenza artificiale potenzialmente legale, ad aver ottenuto finora una reale trazione economica. Ciò ha generato più di un miliardo di dollari in finanziamenti di rischio per concorrenti come Decagon e Sierra e, secondo le parole di McCabe, ha creato spazio: "spietatamente competitivo."
La domanda è se i modelli specifici del dominio rappresentino un vantaggio permanente o un arbitraggio temporaneo che i laboratori di frontiera alla fine chiuderanno. McCabe ritiene che i laboratori debbano affrontare limitazioni strutturali.
"Forse il futuro per Anthropic è avere una vasta offerta di molti modelli personalizzati diversi. Forse assomiglia a questo" ha detto. "Ma la verità è che non credo che i modelli generali possano tenere il passo con i modelli specifici del settore in questo momento."
L’esperienza oltre l’efficienza
L’adozione iniziale dell’IA aziendale si è concentrata fortemente sulla riduzione dei costi; I costosi agenti umani sono stati sostituiti con agenti automatizzati più economici. Ma McCabe vede la conversazione spostarsi verso la qualità dell’esperienza.
"All’inizio era come, ‘Accidenti, potremmo davvero farlo molto più economico.’ E ora pensano: “Aspetta, no, possiamo offrire ai clienti un’esperienza molto migliore”." ha detto.
La visione va oltre la semplice analisi delle query. McCabe immagina che i rappresentanti dell’IA agiscano come consulenti; il bot di un rivenditore di scarpe che non solo risponde alle domande sulla spedizione, ma offre anche consigli di stile e mostra ai clienti come potrebbero apparire le diverse opzioni su di loro.
"Il servizio clienti è sempre stato terribile," McCabe lo ha detto chiaramente. "Anche nelle migliori marche sei costretto ad aspettare una chiamata e a girovagare tra i diversi reparti. Ora c’è l’opportunità di offrire al cliente un’esperienza davvero eccezionale."
Prezzi e disponibilità
Per i clienti finlandesi esistenti, l’aggiornamento ad Apex non comporta costi aggiuntivi. Intercom ha confermato che i prezzi per i clienti rimangono invariati; gli utenti continueranno a pagare $ 0,99 per risultato, per interazione risolta, come prima, e trarranno automaticamente vantaggio dal nuovo modello.
Apex non è disponibile come modello autonomo o tramite un’API esterna. Accessibile solo tramite finlandese; Ciò significa che le aziende non possono concedere in licenza il modello in modo indipendente o integrarlo nei propri prodotti. Questa restrizione potrebbe limitare la capacità di Intercom di monetizzare il modello oltre la sua base di clienti esistente; ma allo stesso tempo preserva la proprietà della tecnologia in senso pratico, indipendentemente da quale si riveli essere il modello sottostante.
cosa c’è dopo
Intercom prevede di espandere Fin oltre il servizio clienti nelle vendite e nel marketing, posizionandolo come un concorrente diretto della visione Agentforce di Salesforce, che mira a fornire agenti di intelligenza artificiale durante tutto il ciclo di vita del cliente.
Per il settore SaaS in generale, la mossa di Intercom solleva domande preoccupanti. Se una società di assistenza clienti nata 15 anni fa riesce a costruire un modello che surclassa OpenAI e Anthropic nel suo ambito, cosa significa questo per i fornitori che fanno ancora affidamento sulle chiamate API pubbliche? E se "La post-istruzione è la nuova frontiera," Le aziende che affermano di fare passi avanti dovranno affrontare pressioni per mostrare il proprio lavoro, come insiste McCabe, o continueranno a nascondersi dietro il segreto competitivo pubblicizzando la trasparenza?
La risposta di McCabe alla prima domanda: rivelato in un recente post su LinkedInmolto chiaro: "Se non puoi diventare un’azienda rappresentativa, il futuro della tua attività di applicazione CRUD è in diminuzione."
La risposta alla seconda non è ancora nota.
