AI秘書ツール「Fyxer」、メール下書きの53%が無修正送信に——50万時間の秘書データとOpenAIモデルの活用法を公開

要点

• 英Fyxerは、OpenAIモデルと50万時間超の秘書業務データを組み合わせたAIアシスタントの構築手法を公開した。

• 単一モデルに頼らず、返信要否の分類や文脈検索など役割を30〜50個の特化型モデルに細分化している。

• ユーザーによる下書き修正をDPOで学習データ化し、統計的に有意な改善のみを本番適用する自己学習ループを構築した。

• AI生成した下書きの53%が無修正で送信され、90日継続率は90%以上、2025年のARRは100万ドルから3,200万ドルへ急伸した。

• 米OpenAIは2026年9月14日、公式ブログにおいて、英スタートアップ企業Fyxer（フィクサー）によるAIエグゼクティブ・アシスタントの開発事例を公表した。Fyxerはメールなどの業務連絡を個人の文脈に合わせて代筆・管理するAIツールを開発しており、OpenAIのフロンティアモデルと長年の秘書サービスで培った業務ログを融合させている。AIが作成した返信下書きの53%が無修正で送信されているほか、ARR（Annual Recurring Revenue：年間経常収益）は2025年単年で100万ドルから3,200万ドルへ急成長を遂げたという。

50万時間の業務知見と高い継続率

Fyxerは元々、人間の秘書が実務を代行するエグゼクティブ・アシスタントサービスを展開していた企業だ。同社はその過程で蓄積した50万時間以上におよぶ注釈付き業務データをAIの学習に活用している。これには返信のタイミングや参照すべき過去の文脈、相手に応じたトーンの使い分けといった、人間のアシスタントが下す細かな判断が含まれている。

共同創業者アーチー・ホーリングスワース（Archie Hollingsworth）氏は、人間にとって容易な直感がAIには困難である「モラベックのパラドックス」（人間にとって簡単な直感が計算機には難しく、計算機に容易な計算が人間には難しいという逆説）に触れ、利用者の業務スタイルを学習して文脈を把握する仕組みを整えたと説明している。

同システムは技術層以外の一般ビジネスパーソンにも広く使われており、導入後90日時点での有料継続率は90%を超えるという。ホーリングスワース氏は「ARR以上に、90日後も90%以上のユーザーが課金を継続し毎日利用している点こそが強みだ」と述べている。

30〜50個の特化型モデルへ処理を分解

Fyxerの特徴は、メール対応を単一モデルに任せず、30〜50個の特化型モデルによる予測システムとして組み立てている点にある。

メール受信時、まず「返信判定モデル」が返信や日程調整が必要か、情報共有に過ぎないかを分類する。返信が必要な場合は別のモデルがメールの意図を分析し、会議の設定や依頼の解決など会話の着地点を予測する。

さらに記憶管理モデルが、過去のやり取りから保持すべき情報と破棄すべき情報を判断し、関連する文脈を抽出・再ランク付けする。同社のシャンチラ（Shantsila）氏は、メールの趣旨把握から文脈の抽出、下書き生成に至る各工程でOpenAIのモデルを活用していると明かしている。

LoRAとDPOによる自動改善ループ

モデルの運用では、教師ありファインチューニングとLoRA（Low-Rank Adaptation：パラメータの一部のみを追加学習させ効率的に微調整する手法）を併用し、コストを抑えつつタスク別の派生モデルを作成している。OpenAIのファインチューニング基盤や同社のマネージドチームとの連携により本番モデルを配備した。同社のAI/MLプロダクトエンジニアであるジョーイ・ドワンチック（Joey Dwonczyk）氏は、顧客に関する知見をモデルの動作へ反映させる上でOpenAIとの連携が不可欠だったと説明している。

運用開始後は、ユーザーが下書きを編集した際の修正前後の差分をDPO（Direct Preference Optimization：人間の好みを直接反映させてモデルを最適化する手法）の学習データとして活用している。手動ラベリングを介さず、好まれる出力をモデルに学習させる仕組みだ。すべての変更はA/Bテストにかけられ、統計的に有意な改善が確認されたものだけが本番環境へ投入される。

返信下書きから自律的な業務代行へ

Fyxerは今後、関係性や進行中の業務スレッドへの理解をさらに深める方針だ。単なる返信下書きの作成にとどまらず、PCを開かなくても業務連絡や日程調整を任せられる自律的なAIアシスタントへの進化を目指している。