瑞士初创公司Typewise正在展示坚持下去的力量：专利文本预测技术背后的团队——五年多前对打字效率的迷恋始于以消费者键盘为中心的副业——已经获得了 Y Combinator 的支持，并将成为在下月初加速器的 2022 年夏季演示日期间向投资者推销。
根据联合创始人 David Eberle 的说法，在完全专注于 b2b 市场之后，Typewise 赢得了 YC 的一席之地（以及其标准的 50 万美元支持）——旨在满足客户服务和销售等领域对打字生产力提高的需求。
“去年我们意识到这在哪里最有意义，”他告诉 TechCrunch。 “消费者在 WhatsApp 中到处打几个句子，他们并不太在意要快 20% 或 30% 或减少一两个错别字。但是企业——尤其是在有大量写作发生的地方，比如在客户服务和销售领域——即使是个位数的百分比也很重要，而两位数的百分比甚至更重要。”
“因为它是面向客户的沟通，所以质量也很重要——因为它也会影响品牌的声誉，”他补充道。 “所以，最终，我们进入了 YC。”
早在 2020 年，Typewise 就筹集了当时标为种子的 100 万美元，但 Eberle 证实它现在将其归类为更多的预种子，并将在 9 月向投资者推销时寻求筹集新的种子。
尽管将全部重点转移到 b2b 上，Typewise 的消费者应用程序（下载量已超过 200 万次）并没有浪费团队的努力。根据 Eberle 的说法，它帮助他们“微调”了他们的 AI 模型——这反过来又使其能够在今年早些时候申请第二项专利，该技术可以预测整个句子而不仅仅是下一个单词。
句子预测现在是一个核心卖点，支持效率提升，对于一个早期的 Typewise 客户 – 一家与它合作时间最长的包裹递送/物流公司 – 在几周后达到 35%（平均）企业开始使用该技术。
其他早期客户跨越多个行业，包括电子商务、零售和保险。
Typewise 以浏览器扩展的形式向客户提供其技术——Eberle 称其可与 AI 所在的服务器端 API 配合使用——但整个软件包旨在在客户 CRM 系统（如 Salesforce 或 Zendesk）上运行，集成 Typewise 的文本对相关客户端系统的预测，例如电子邮件或实时聊天（即业务代理通过文本与他们自己的客户交谈的地方）。
根据 Eberle 的说法，平均而言，其 MVP（今年春天推出）的 10 名左右的早期用户通过将文本预测技术集成到他们的工作流程中看到了 10% 到 20% 的平均收益。但他表示，他相信更高的数字 (35%) 将成为基准，而不是异常值，因为 Typewise 会根据客户数据和需求调整其模型的参数或以其他方式进行调整（并且随着客户员工习惯于使用人工智能） -供电的文本预测工具）。
当被问及与其他文本预测技术的区别时，Eberle 指出，Typewise 不仅提供了一个基础语言模型（它涵盖 40 种语言；尽管早期的客户专注于英语和德语），而且还根据真实的客户数据重新训练和改进了它的模型。这意味着它能够提供定制的预测，他说这些预测比通用的下一个词预测 AI 准确度大约 2.5 倍，例如您可能会发现嵌入到您的移动操作系统或电子邮件客户端中，而后者并未针对客户特定数据进行培训。
“例如，我们会查看过去一两年的所有客户服务票，我们会接受这些，并且有一个复杂的过滤过程（因为也许你必须清除你不想纳入你的训练集），”他说。 “然后，人工智能会根据客户数据对自身进行优化……如果你将我们的预测与 Gmail 的预测进行比较，其中的句子非常标准——我们会得到实际的内容。”
Typewise 还可以根据语言环境对其 AI 模型进行细分——例如，因为与实时文本聊天（可能更流畅和非正式等）相比，企业与客户的电子邮件通信语言可能有很大不同。因此，它对客户数据输入和数据集进行了大量背景结构化，以便能够生成更适合上下文（因此也更高效）的文本预测——其中包括使用机器学习技术来帮助它自动化必要的数据结构化。
“这是实际内容，因为我们将范围缩小到一个非常具体的用例，”Eberle 重申，并暗示这种方法与依赖生成语言模型（如 GPT-2 或 GPT-3）的初创公司相比具有特殊优势，为他们自己的 b2b 游戏提供文本预测功能。
他还强调，该产品经过精心设计，因此 AI 培训过程发生在客户的系统内——而不是要求他们上传大量客户数据。 （注意：模型性能分析可能仍需要将数据发送回 Typewise，但 Eberle 表示它提供了几个级别，因此如果客户不喜欢，此过程可能不必涉及上传实际的客户内容。）
“显然，现在所有新公司都在致力于语言辅助、释义工具、尝试优化语言、为您提供建议 [等等]，其中许多公司都使用 GPT-3 作为他们的技术。他们没有自己的技术……缺点是，例如，[大型电信公司] 或保险公司不会仅仅将他们所有的客户通信交给你来训练人工智能。所以我们这样做的方式是，我们几乎可以将人工智能实例部署到客户的 IT 基础设施中，这样所有客户数据都保留在企业中，但我们的人工智能在某种程度上成为他们数据结构的一部分，”他说，补充说：“这就是我们规避任何 IT 安全和数据隐私问题的方式，否则这些问题可能会变得几乎不可能。”
延迟是 Typewise 面临的一个关键挑战，因为它的文本预测需要能够在实时文本聊天期间实时更新，以便对技术赋予超人打字速度能力的人类代理有用（而不是令人沮丧）。 Eberle 表示，它一直专注于优化延迟，这也给了它与没有优先考虑真正缩短处理时间的文本生成工具相比的优势。
“现在我们的用例是我们正在与人类交互，这在技术上与文本生成非常不同，”他指出。 “因为我们需要极低的延迟——我们不能等待 300 或 500 毫秒，这似乎也非常低。但是在每次击键之后，我们需要立即更新预测。否则它对人类来说变得无法使用。所以延迟需要在 50 毫秒左右甚至更低。
“所以在背景中，这是最大的限制之一，也是构建它的挑战之一。”
从能够预测人类打字时的整个句子，Typewise 是否可以设想进一步开发其技术，以便能够为其客户完全自动化面向客户的通信——至少在特定领域，例如包裹递送公司的客户服务电子邮件或在线聊天进行保险销售？
Eberle 对这个问题的回答是，其路线图上的下一个功能之一是“自动回复”——超越了基于模板的“预设”回复，这些回复已经可以触发具有一定程度上下文关联的自动电子邮件相关性，但“您得到的答案始终基于预先编写的模板”。
“我们从很多公司那里听到的 [is] 是他们的客户不欣赏的，”他说。 “我们对未来的看法是，随着更成熟……对于某种类型的票……最终我们会看到，对于某些查询，我们将看到 99% 甚至更高的准确度回复，然后你可以自动化并说好吧，你不要一旦确定性的阈值超过某个数字，就不再需要人类了。
“但不同之处在于，我们生成这些电子邮件的方式不是基于预先编写的文本——我们是自下而上构建的。我们逐字逐句地构建它。就像人类会建造它一样。这就是人工智能的工作方式——我们是如何构建它的。”
“现在有了我提到的这个客户，我们实现了 35% 的自动化——所以平均 35% 的电子邮件是由 Typewise 自动编写的，而且这个百分比有望上升。这就是我们正在努力的方向，”他继续说道。 “所以现在它还不能在没有人工输入的情况下单独完成包含五个不同内容消息的整个电子邮件，但随着时间的推移，随着这 35% 的增加，情况显然会越来越高——我认为这也是目标到底。”
在竞争方面，微软和谷歌等科技巨头当然也在围绕文本预测做类似的技术——但通常是针对他们自己的产品。虽然这可能会改变。 “所以这就是我们正在密切关注的，”Eberle 指出。
他还预测（哈！）Grammerly 可能会扩展到提供文本预测。 “他们目前还没有文本预测功能，但我很确定作为最有价值的语言工具，他们也很可能会进入该领域，”他建议道。 “而且我认为我们的差异化，真的，是定制和解决所有数据隐私问题的能力。”
他点名的另一个竞争产品是资源丰富的Wordtune （由 AI21 Labs 制造），以及一家荷兰初创公司Deep Desk 。
但他还指出，Typewise 管道中的“增值”功能将扩大其差异化——例如将客户满意度分数映射到语言选择/风格，以尝试确定能够让客户满意的最佳语言方法。