OpenAI が How Fyxer built an AI executive assistant people trust を公開 ── 50万時間のデータで「信頼」を獲得
AIアシスタントって、結局「使える？」と疑われがちですよね。FyxerはOpenAIのモデルを核にしつつ、50万時間以上のEA（エグゼクティブアシスタント）業務データを投入して、その壁を跳ね除けてきました。90日経っても90%が使い続けるという数字は、単なる玩具ではない証拠です。
▸何が変わったのか
FyxerはOpenAIのフロンティアモデルと、500,000時間以上のEAワークフローを組み合わせることで、ユーザー固有の文脈を理解できるAIアシスタントを実現しました。メール返信では、AI生成ドラフトの53%がそのまま採用されるという高水準の精度を誇ります。さらに、90日間のユーザーリテンション率が90%に達しており、継続的な信頼を獲得している点が大きな変化です。
◈前モデル / 競合との比較
提供テキストには競合他社との直接的な性能比較は記載されていませんが、Fyxer側が「OpenAIが内部ベンチマークで最良の結果を出し、トーンや意図といった主観的なタスクに対するファインチューニング能力が強く、さらにホワイトボーディングセッションなど手厚いエンジニアリングサポートを受けた」と述べています。
◈技術背景と意義
Fyxerの面白いところは、メール処理を単一のモデルに投げない点です。30〜50個の専用モデルでタスクを分割し、返信の必要性判定やトーン調整などを分担させています。これにより、OpenAIモデルの微調整（ファインチューニング）が最も効率的に働く設計になっており、ユーザーの癖や関係性をより深く学習できるようになっています。
▸こんな人・用途に
・複数のチャネル（メール、会議、メッセージ）を横断して対応が必要な経営層・管理職
・自社のトーンや過去のやり取りに基づいた、自然な返信ドラフトを自動生成したいユーザー
・AIの出力に対して「そのまま使える」精度を求める、生産性重視のプロフェッショナル
▸Hacker Newsの反応
正直、Fyxerそのものの議論よりも、背景にあるLLMのファインチューニング効率化やローカル環境でのメモリ課題の方が熱を帯びている印象。技術的な可能性に期待しつつ、既存の仕組みとの比較で冷静な疑念も見える空気感だ。
「コードは実行していないが、MLP層の行列積で実行時間が支配される以上、これが可能なのは謎。PyTorchのプロファイリング経験からすると、どう実現したのか興味深い。」
「M2 Max 96GBでWhisperの推論だけでメモリが逼迫する。ファインチューニングだとどうなるのか想像もつかない。64GBと96GBでは、実際の運用で差が出るのだろうか。」
「いいね。ローカルでの音声ファインチューニングを試したかった。音楽のボーカルにも対応してくれると嬉しいんだけど、期待してみたい。」
「50年経った今、ベクトルやグラフよりSQLの方が優れているなんて、誰が想像したか。現実をSELECT * FROMで叩く方が最新のエモーション魔法より強いとはね。」
「こうした対応をありがとう。興味深く見えるので、近々チェックしてみようと思う。」
SOURCE: OpenAI (2026-09-14)
