Intercom, давній лідер у сфері обслуговування клієнтів, представив свою внутрішньо розроблену AI-модель Fin Apex 1.0, яка, за твердженням компанії, перевершує за продуктивністю провідні моделі від OpenAI та Anthropic у вирішенні проблем клієнтів. Цей крок є незвичайним для традиційної програмної компанії: розробка власного ІІ замість використання зовнішніх API. Суть цієї стратегії проста: спеціалізація перемагає узагальнення.
Перевага у Продуктивності
Згідно з тестами Intercom, Fin Apex 1.0 досягає 73,1% відсотка вирішення проблем – частка питань, вирішених без участі людини – перевищуючи GPT-5.4 (71,1%) та Claude Sonnet 4.6 (69,6%). Хоча різниця в 2% може здатися незначною, у великомасштабних операціях з мільйонами клієнтів це призводить до значних доходів та підвищення ефективності.
Модель також демонструє швидкість, видаючи відповіді за 3,7 секунди – швидше, ніж у конкурентів, – і знижує кількість галюцинацій на 65% порівняно з Claude Sonnet 4.6. Що критично, Intercom стверджує, що Apex працює приблизно вп’ятеро дешевше, ніж пряме використання передових моделей, інтегрованих у існуючу модель ціноутворення, що базується на результатах.
Перевага Після Навчання: Чому Базова Модель Має Менше Значення
Intercom навмисно ухилився щодо базової моделі, що використовується для Apex 1.0, заявляючи лише, що вона «становить сотні мільярдів параметрів». Це рішення відображає зростаючу впевненість у галузі в тому, що “реальна конкурентна перевага полягає в донавченні, а не в попередньому навчанні”.
Генеральний директор Eoghan McCabe стверджує, що попереднє навчання стає дедалі доступнішим; що справді має значення, то це власні дані та навчання з підкріпленням. Модель Intercom була донавчена на даних обслуговування клієнтів за роки, навчаючи її не тільки що говорити, а й як ефективно вирішувати проблеми, включаючи розпізнавання реального дозволу і невдоволення, що зберігається.
Ця стратегія не є новою. Інші компанії вже почали використовувати ту саму концепцію: зосередьтеся на ніші та домінуйте в ній за допомогою спеціалізованого ІІ.
Перехід на $100 Мільйонів, Який Окупається
AI-орієнтований поворот Intercom вже дає результати. Fin зростає в 3,5 рази, з річним регулярним доходом, що наближається до 100 мільйонів доларів, і, за прогнозами, становитиме половину загального доходу Intercom до початку наступного року. Компанія збільшила свою AI-команду з 6 до 60 дослідників за три роки, що є значною інвестицією, яка, мабуть, працює.
Цей успіх помітний на ринку SaaS, де середнє зростання становить близько 11%; Intercom очікує зростання на 37% цього року. Їх успіх показує, що спеціалізований ІІ може дати суттєві переваги у конкретних сценаріях використання.
Майбутнє ІІ: Специфікація та Спеціалізація
Підхід Intercom відповідає ширшій тенденції до «специфікації» ІІ, як описав колишній лідер OpenAI та Tesla AI Андрій Карпаті. Ідея полягає в тому, що замість прагнення загальному штучному інтелекту майбутнє буде сформовано високоспеціалізованими моделями, оптимізованими для вузьких завдань.
Обслуговування клієнтів, поряд з допомогою у програмуванні та юридичним ІІ, є однією з небагатьох корпоративних сфер застосування, де ІІ вже продемонстрував реальну економічну вигоду. Intercom вважає, що передові лабораторії щосили намагатимуться не відставати від моделей, специфічних для конкретної області, у довгостроковій перспективі.
Висновок
Успіх Intercom з Fin Apex 1.0 демонструє, що власні дані та стратегічне донавчання можуть перевершити більші, універсальні моделі у конкретних додатках. Небажання компанії розкривати свою базову модель підкреслює зростаючу напруженість між прозорістю та конкурентною перевагою у ландшафті ІІ. Цей крок сигналізує про перехід до нішевих AI-рішень, де спеціалізація та галузевий досвід мають більше значення, ніж чиста обчислювальна потужність.
