Cómo Typewise llegó a YC después de pasar a la productividad B2B - TechCrunch


La startup suiza Typewise está demostrando el poder de mantenerse en sintonía: el equipo detrás de la tecnología patentada de predicción de texto, cuya fascinación por la productividad de escritura comenzó hace más de cinco años como un negocio del lado del consumidor centrado en el teclado, recibió el apoyo de Y Combinator y estará en la cohorte Presentando a los inversores durante el día de demostración del Acelerador de verano de 2022 a principios del próximo mes.

Typewise ganó un lugar en YC (y su compromiso predeterminado de $ 500,000) después de enfocarse completamente en el mercado B2B, con el objetivo de satisfacer la demanda de ganancias de productividad mediante la escritura en áreas como servicio al cliente y ventas, según el cofundador David Eberle.

"El año pasado vimos dónde tenía más sentido esto", le dice a TechCrunch. “Los consumidores escriben algunas frases aquí y allá en WhatsApp y realmente no les importa ser un 20 % o un 30 % más rápidos o cometer un error tipográfico o dos menos. Pero en las empresas, especialmente donde se escribe mucho, como servicio al cliente y ventas, incluso los porcentajes de un solo dígito son muy importantes, y los porcentajes de dos dígitos son aún más importantes”.

"Debido a que se trata de una comunicación centrada en el cliente, la calidad también es muy importante, porque también puede afectar la reputación de una marca", agrega. "Eso es lo que nos trajo a YC al final".

En 2020, Typewise recaudó lo que facturaba como semilla en ese momento (1 millón de dólares), pero Eberle confirma que ahora lo clasifica como una semilla previa e intentará generar una nueva semilla cuando la presente a los inversores en septiembre.

A pesar de cambiar el enfoque completo a B2B, la aplicación para el consumidor de Typewise, que ha obtenido más de 2 millones de descargas, no ha sido un esfuerzo en vano para el equipo. Según Eberle, les ayudó a "afinar" sus modelos de IA, lo que a su vez les permitió presentar una segunda patente a principios de este año para una tecnología que puede predecir oraciones completas, no solo las siguientes palabras.

Este último es ahora un punto de venta clave, que sustenta las eficiencias que, en el caso de uno de los primeros clientes de Typewise, una empresa de logística/entrega de paquetes con la que ha trabajado durante más tiempo, unas semanas más tarde (en promedio), el 35 % de las empresas comenzaron a adoptar La tecnología.

Otros de los primeros clientes provienen de una variedad de industrias, incluido el comercio electrónico, el comercio minorista y los seguros.

Typewise pone su tecnología a disposición de los clientes como una extensión del navegador, que según Eberle funciona con una API del lado del servidor donde reside la IA, pero todo el paquete está diseñado para ejecutarse en los sistemas CRM del cliente como Salesforce o Zendesk y el texto de Typewise. integra predicciones en sistemas de clientes relevantes, como correo electrónico o chat en vivo, es decir, lugares donde los representantes comerciales hablan (a través de mensajes de texto) con sus propios clientes.

En promedio, los 10 o más primeros usuarios del MVP, que se lanzó esta primavera, ven ganancias promedio de entre 10% y 20% al incorporar la tecnología de predicción de texto en su flujo de trabajo, dijo Eberle. Pero confía en que el número más alto (35 %) será el punto de referencia, no el atípico, ya que Typewise ajusta los parámetros de sus modelos o los afina de otra manera en función de los datos y las necesidades del cliente (y a medida que el personal del cliente se adapta y se acostumbra a usar la IA). -herramienta de predicción de texto compatible).

Cuando se le preguntó en qué se diferencia de otras tecnologías de predicción de texto, Eberle señala que Typewise ofrece un modelo de idioma base (cubre 40 idiomas; aunque los primeros clientes se enfocan en inglés y alemán), pero también vuelve a entrenar y refina su modelo usando datos de clientes reales. Esto significa que puede ofrecer predicciones personalizadas que cree que son aproximadamente 2,5 veces más precisas que una IA genérica de predicción de la siguiente palabra (es decir, como la que podría haber integrado en su sistema operativo móvil o correo electrónico). no capacitado en datos específicos del cliente.

"Por ejemplo, analizamos y tomamos todos los tickets de servicio al cliente durante el último año o dos, y existe un proceso de filtrado complicado (porque es posible que deba eliminar el lenguaje de mala calidad que no desea incluir). en tus sets de entrenamiento)", dice. "Y después de eso, la IA se refina en función de los datos del cliente y... si compara nuestra predicción con una predicción de Gmail, donde las oraciones están muy estandarizadas, estamos obteniendo contenido real".

Typewise también puede segmentar sus modelos de IA en función del contexto lingüístico, ya que, por ejemplo, el idioma utilizado en la comunicación por correo electrónico entre una empresa y sus clientes puede ser bastante diferente al del chat de texto en vivo (que probablemente sea más fluido e informal, etc.). .). Muchas entradas de datos de clientes y conjuntos de datos se estructuran detrás de escena para generar predicciones de texto más contextuales (y, por lo tanto, más productivas), lo que implica el uso de tecnología de aprendizaje automático para automatizar la estructuración de datos requerida.

"Es contenido real porque estamos reduciendo el alcance a un caso de uso muy específico", reitera Eberle, y señala que este enfoque le brinda una ventaja particular sobre las nuevas empresas que se basan en un modelo de lenguaje generativo como GPT-2 o GPT-3. para mejorar la predicción de texto para su propio juego B2B.

También destaca que el producto fue diseñado para que el proceso de capacitación de IA se lleve a cabo en los sistemas del cliente, en lugar de requerir que carguen toneladas de datos del cliente. (Nota: el análisis del rendimiento del modelo aún puede generar que los datos se envíen de vuelta a Typewise, pero Eberle dice que ofrece algunas capas, por lo que es posible que este proceso no requiera cargar contenido real del cliente si el cliente no lo desea).

“Por supuesto, ahora todas las nuevas empresas están trabajando en soporte de idiomas, herramientas de paráfrasis, tratando de optimizar el idioma y brindándole sugerencias. [etc], y muchos de ellos utilizan GPT-3 como tecnología. No tienen tecnología propia... y lo malo es por ejemplo un [large telco] o una compañía de seguros no le entregará todas las comunicaciones con sus clientes para entrenar la IA. Entonces, lo que hacemos es que casi podemos implementar una instancia de la IA en la infraestructura de TI del cliente, y de esa manera todos los datos del cliente se quedan con la empresa, pero nuestra IA se vuelve parte de su estructura de datos de alguna manera”, dijo. dice. y agrega: "Y así evitamos todos los problemas de seguridad y privacidad de TI que, de otro modo, probablemente harían esto casi imposible".

La latencia es uno de los mayores desafíos de Typewise, ya que sus predicciones de texto deben actualizarse en tiempo real durante los chats de texto en vivo para que sean útiles (y no frustrantes) para los agentes humanos a los que la tecnología otorga poderes de escritura sobrehumanos. Eberle dice que se enfoca en optimizar la latencia, y eso también le da una ventaja sobre las herramientas de generación de texto que no han priorizado realmente la reducción del tiempo de procesamiento.

"En este momento, nuestro caso de uso es cuando interactuamos con un ser humano, y eso es muy diferente tecnológicamente a la generación de texto", señala. "Porque el nuestro tiene que tener una latencia extremadamente baja, no podemos esperar 300 o 500 milisegundos, lo que también parece muy bajo. Pero después de cada pulsación de tecla necesitamos actualizar la predicción inmediatamente. De lo contrario, se vuelve inútil para un humano. Entonces, la latencia debe ser de alrededor de 50 milisegundos o incluso menos.

"Entonces, en el fondo, esa es una de las grandes limitaciones y uno de los desafíos de la construcción".

De ser capaz de predecir oraciones completas como tipos humanos, Typewise podría verse evolucionando su tecnología para poder automatizar completamente las comunicaciones orientadas al cliente para sus clientes, al menos en ciertos segmentos, como correos electrónicos de servicio al cliente para un repartidor de paquetes o chat en vivo para ventas de seguros, etc.?

Eberle responde a esta pregunta diciendo que una de las próximas características en su hoja de ruta es "algo hacia las respuestas automáticas", más allá del tipo de respuestas "preestablecidas" basadas en plantillas que ya proporcionan un correo electrónico automatizado con cierto grado de contexto que puede desencadenar la relevancia. , pero "la respuesta que recibe siempre se basa en una plantilla preparada".

“Lo que escuchamos de muchas empresas [is] Eso es lo que sus clientes no aprecian”, dice. "Vemos el futuro como algo más maduro... para cierto tipo de ticket... eventualmente veremos que para ciertas solicitudes las responderemos con una precisión del 99 % o incluso mayor, y luego puede automatizar y diga está bien." , por encima de un cierto número ya no necesita un ser humano.

“Pero la diferencia es cómo generaríamos estos correos electrónicos que no se basan en un cuerpo de texto preempaquetado: lo creamos de abajo hacia arriba. Lo construimos palabra por palabra. Como si un humano fuera a construirlo. Así es como funciona la IA, así es como la construimos”.

"En este momento, hemos logrado un 35 % de automatización con ese cliente que mencioné, por lo que, en promedio, Typewise escribió automáticamente el 35 % de los correos electrónicos y, con suerte, ese porcentaje aumentará. Estamos trabajando en eso”, continúa. "Entonces, en este momento no podría completar un correo electrónico completo con cinco mensajes de contenido diferentes sin intervención humana, pero obviamente lo hará con el tiempo a medida que ese 35% crezca más, y creo que ese es el objetivo eventualmente".

Por supuesto, en el frente competitivo, los gigantes tecnológicos como Microsoft y Google están haciendo cosas tecnológicamente similares en torno a la predicción de texto, pero generalmente para sus propios productos. Incluso si eso pudiera cambiar. "Estamos vigilando de cerca eso", señala Eberle.

También predice (¡ja!) que Grammerly puede expandirse para ofrecer predicciones de texto. "Actualmente no tienen predicción de texto, pero estoy bastante seguro de que lo más probable es que también pasen a ese espacio como la herramienta lingüística más valiosa", dice. "Y realmente veo nuestra diferenciación como personalización y una oportunidad de hacerlo con todas las preocupaciones de privacidad que conlleva".

Otro producto de la competencia que revisa por su nombre es el bien presentado Wordtune (hecho por AI21 Labs), junto con una startup holandesa, Deep Desk.

También señala las funciones de "valor agregado" en la canalización de Typewise, como la asignación de puntajes de satisfacción del cliente a las opciones/estilos de idioma para tratar de identificar los mejores enfoques lingüísticos para entregar clientes satisfechos.

Si quieres conocer otros artículos parecidos a Cómo Typewise llegó a YC después de pasar a la productividad B2B - TechCrunch puedes visitar la categoría Noticias.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir