【深度揭秘】Intercom 如何用 1 亿美元和 GPT-4 在 4 个月内打造出爆款 AI 客服 Fin？- 优阅达大数据生态

【深度揭秘】Intercom 如何用 1 亿美元和 GPT-4 在 4 个月内打造出爆款 AI 客服 Fin？

想知道 Intercom 如何靠架构灵活性抢占长期优势？这里有一份为企业 AI 转型提供高效实战指南！

2022 年 GPT-4 刚刚面世时，大多数企业还在热议新闻，Intercom 却已经悄然进入实战状态。仅仅几个小时，这家客户服务软件公司就开始动手测试；短短四个月，便推出了 AI Agent Fin——如今，它每月能处理数百万条复杂客户咨询。

这样的先发优势并非偶然。面对大型语言模型 (LLM) 的飞速进化，Intercom 高层断然决定：押注 AI。他们火速组建跨职能团队，砍掉所有非 AI 项目，豪掷 1 亿美元重构业务架构，全面迁移到 AI 平台。

这一决定，掀起了公司自上而下的变革：重塑产品团队，确立“AI 优先”的客户服务战略，并打造出足以支撑 Fin 高速运转的技术平台。

接下来，就是他们在这场 AI 转型之旅中，总结出的三大关键经验——任何团队，无论现在身处哪个阶段，都能马上借鉴。

“AI 必须从一开始就融入到产品设计中，而不是后期才硬塞进去。——Paul Adams，Intercom 首席产品官”

经验一：尽早动手、持续试验，才能提升模型流畅度

Intercom 很早就开始频繁试验生成式模型，并在实战中积累了宝贵经验——既识别出模型的局限，也找到了优化的机会。当 2023 年初 GPT-4 发布时，他们已做好充足准备，仅用 4 个月就推出了 AI 客服 Fin，并迅速扩大应用范围。

“我们曾用 GPT-3.5 试出流畅的对话效果，甚至有些‘魔力’，但它的可靠性还不足以直接用于客户服务。正因为提前布局，当 GPT-4 推出时，我们知道时机成熟，于是果断上线了 Fin。——Jordan Neill，Intercom 工程副总裁”

这种对模型流畅度的把握，让 Intercom 设计出 Fin Tasks——一个可自动处理退款、技术支持等复杂流程的系统。虽然团队最初计划采用基于检索的架构，但评估显示 GPT-4.1 已能独立高效完成任务，且可靠性更高、延迟更低。

如今，GPT-4.1 依然是 Intercom AI 系统的核心动力，包括 Fin Tasks 的关键逻辑。团队还发现，在非推理类查询中加入“链式思维提示”就能提升性能，而无需构建完整的 RAG 管道。

结论很清晰：越早、越深入地理解模型，就能在技术演进中越快抓住机会。

根据评估，GPT-4.1 在任务执行上表现出最高的可靠性，并且相比 GPT-4o 成本降低了 20%。

经验二：用严谨评估驱动快速迭代，让升级在几天内完成

要加快技术升级的步伐，必须精准衡量哪些方法有效，并理解背后的原因。

Intercom 能够在短时间内切换到全新模型、模式和架构，核心在于结构化且严格的评估流程。无论是 Fin Voice（基于 Realtime API）还是 Fin Tasks（基于 GPT-4.1），每一次部署前都会经历离线测试和实时 A/B 试验，重点验证三方面能力：

例如，团队会用真实客服记录作为参考，测试模型的任务执行表现，并将评估结果作为 A/B 测试的依据，比较不同版本模型（如 GPT-4 与 GPT-4.1）在解决率和客户满意度上的差异。

得益于这套方法，Intercom 仅用几天就完成了从 GPT-4 到 GPT-4.1 的迁移。在确认 GPT-4.1 在指令处理、功能执行上的明显提升后，他们立即将其部署到 Fin Tasks，性能和用户满意度随之显著提升。

“GPT-4.1 发布 48 小时内，我们就拿到了评估结果，并立刻制定部署计划，它在智能与延迟之间找到了完美平衡。——Jordan Neill，Intercom 工程高级副总裁”

经验三：用灵活架构赢得长期竞争力

自成立以来，Intercom 就在产品架构中预留了应对变化的空间，确保系统能与所依赖的 AI 模型同步演进。

Fin 系统采用模块化设计，支持聊天、邮件、语音等多模态交互——不同模态在延迟和复杂性上各有权衡。这种架构让 Intercom 能够将每个客户请求路由到最合适的模型，并且在不推翻底层系统的前提下，更换或升级模型。

这种灵活性是有意为之，并且不断优化。Fin 架构目前已进入第三次重大迭代，下一版本的开发也在进行中。团队会根据模型能力的变化动态调整：在需要时增加架构复杂度以解锁新功能，在可能时精简以降低维护成本。

灵活架构的优势，在 Fin Tasks 的开发中体现得尤为明显。最初，团队计划构建基于检索的定制架构，以支持多步骤任务（如退款、账户变更、技术故障排查）。但测试结果显示，GPT-4.1 的指令遵循能力超出预期，在更低延迟、更低成本的情况下，依然能保持同等可靠性。

“老实说，我认为 GPT-4.1 还没被讨论够，它在延迟和成本上的表现让我们非常惊讶，这让我们有机会调整架构并去掉大量不必要的复杂性。——Pratik Bothra，Intercom 首席机器学习工程师”

体验统一数据与工作流，打造互联客户

这仅仅是个开始。Intercom 正利用其先进的 AI 模型和灵活的模块化架构，将 AI 的应用范围从客户支持扩展到整个企业，以加速问题解决，并全面提升客户体验。

支持团队： Fin AI Agnet 能够处理绝大部分来自聊天、邮件和语音渠道的客户咨询。
运维团队： Fin Tasks 自动完成复杂的工单流程，例如处理退款、账户变更和订阅更新。
产品团队：通过 Intercom 的 MCP 服务器，像 ChatGPT 这样的 AI 工具可以获取客户对话、工单和用户数据，帮助团队更快发现问题、制定产品路线图、优化沟通策略，并高效准备季度业务回顾。

Intercom 凭借其严格的评估标准、以性能为基础的设计和灵活的架构，构建了一个高度可扩展的 AI 平台。这不仅重新定义了客户支持，也为其他希望利用 AI 驱动业务增长的公司提供了宝贵的经验。

推荐阅读：

Intercom 微课堂 | 第1课：如何与客户建立联系