【深度揭秘】Intercom 如何用 1 億美元和 GPT-4 在 4 個月內打造出爆款 AI 客服 Fin？

發布時間：2025年08月13日 | 作者：DKM-小優

想知道 Intercom 如何靠架構靈活性搶佔長期優勢？這裡有一份為企業 AI 轉型提供高效實戰指南！

2022 年 GPT-4 剛剛面世時，大多數企業還在熱議新聞，Intercom 卻已經悄然進入實戰狀態。僅僅幾個小時，這家客戶服務軟體公司就開始動手測試；短短四個月，便推出了 AI Agent Fin——如今，它每月能處理數百萬條複雜客戶諮詢。

這樣的先發優勢並非偶然。面對大型語言模型 (LLM) 的飛速進化，Intercom 高層斷然決定：押注 AI。他們火速組建跨職能團隊，砍掉所有非 AI 專案，豪擲 1 億美元重構業務架構，全面遷移到 AI 平臺。

這一決定，掀起了公司自上而下的變革：重塑產品團隊，確立“AI 優先”的客戶服務戰略，並打造出足以支撐 Fin 高速運轉的技術平臺。

接下來，就是他們在這場 AI 轉型之旅中，總結出的三大關鍵經驗——任何團隊，無論現在身處哪個階段，都能馬上借鑑。

“AI 必須從一開始就融入到產品設計中，而不是後期才硬塞進去。——Paul Adams，Intercom 首席產品官”

經驗一：儘早動手、持續試驗，才能提升模型流暢度

Intercom 很早就開始頻繁試驗生成式模型，並在實戰中積累了寶貴經驗——既識別出模型的侷限，也找到了最佳化的機會。當 2023 年初 GPT-4 釋出時，他們已做好充足準備，僅用 4 個月就推出了 AI 客服 Fin，並迅速擴大應用範圍。

“我們曾用 GPT-3.5 試出流暢的對話效果，甚至有些‘魔力’，但它的可靠性還不足以直接用於客戶服務。正因為提前佈局，當 GPT-4 推出時，我們知道時機成熟，於是果斷上線了 Fin。——Jordan Neill，Intercom 工程副總裁”

這種對模型流暢度的把握，讓 Intercom 設計出 Fin Tasks——一個可自動處理退款、技術支援等複雜流程的系統。雖然團隊最初計劃採用基於檢索的架構，但評估顯示 GPT-4.1 已能獨立高效完成任務，且可靠性更高、延遲更低。

如今，GPT-4.1 依然是 Intercom AI 系統的核心動力，包括 Fin Tasks 的關鍵邏輯。團隊還發現，在非推理類查詢中加入“鏈式思維提示”就能提升效能，而無需構建完整的 RAG 管道。

結論很清晰：越早、越深入地理解模型，就能在技術演進中越快抓住機會。

根據評估，GPT-4.1 在任務執行上表現出最高的可靠性，並且相比 GPT-4o 成本降低了 20%。

經驗二：用嚴謹評估驅動快速迭代，讓升級在幾天內完成

要加快技術升級的步伐，必須精準衡量哪些方法有效，並理解背後的原因。

Intercom 能夠在短時間內切換到全新模型、模式和架構，核心在於結構化且嚴格的評估流程。無論是 Fin Voice（基於 Realtime API）還是 Fin Tasks（基於 GPT-4.1），每一次部署前都會經歷離線測試和實時 A/B 試驗，重點驗證三方面能力：

例如，團隊會用真實客服記錄作為參考，測試模型的任務執行表現，並將評估結果作為 A/B 測試的依據，比較不同版本模型（如 GPT-4 與 GPT-4.1）在解決率和客戶滿意度上的差異。

得益於這套方法，Intercom 僅用幾天就完成了從 GPT-4 到 GPT-4.1 的遷移。在確認 GPT-4.1 在指令處理、功能執行上的明顯提升後，他們立即將其部署到 Fin Tasks，效能和使用者滿意度隨之顯著提升。

“GPT-4.1 釋出 48 小時內，我們就拿到了評估結果，並立刻制定部署計劃，它在智慧與延遲之間找到了完美平衡。——Jordan Neill，Intercom 工程高階副總裁”

經驗三：用靈活架構贏得長期競爭力

自成立以來，Intercom 就在產品架構中預留了應對變化的空間，確保系統能與所依賴的 AI 模型同步演進。

Fin 系統採用模組化設計，支援聊天、郵件、語音等多模態互動——不同模態在延遲和複雜性上各有權衡。這種架構讓 Intercom 能夠將每個客戶請求路由到最合適的模型，並且在不推翻底層系統的前提下，更換或升級模型。

這種靈活性是有意為之，並且不斷最佳化。Fin 架構目前已進入第三次重大迭代，下一版本的開發也在進行中。團隊會根據模型能力的變化動態調整：在需要時增加架構複雜度以解鎖新功能，在可能時精簡以降低維護成本。

靈活架構的優勢，在 Fin Tasks 的開發中體現得尤為明顯。最初，團隊計劃構建基於檢索的定製架構，以支援多步驟任務（如退款、賬戶變更、技術故障排查）。但測試結果顯示，GPT-4.1 的指令遵循能力超出預期，在更低延遲、更低成本的情況下，依然能保持同等可靠性。

“老實說，我認為 GPT-4.1 還沒被討論夠，它在延遲和成本上的表現讓我們非常驚訝，這讓我們有機會調整架構並去掉大量不必要的複雜性。——Pratik Bothra，Intercom 首席機器學習工程師”

體驗統一資料與工作流，打造互聯客戶

這僅僅是個開始。Intercom 正利用其先進的 AI 模型和靈活的模組化架構，將 AI 的應用範圍從客戶支援擴充套件到整個企業，以加速問題解決，並全面提升客戶體驗。

支援團隊： Fin AI Agnet 能夠處理絕大部分來自聊天、郵件和語音渠道的客戶諮詢。
運維團隊： Fin Tasks 自動完成複雜的工單流程，例如處理退款、賬戶變更和訂閱更新。
產品團隊：透過 Intercom 的 MCP 伺服器，像 ChatGPT 這樣的 AI 工具可以獲取客戶對話、工單和使用者資料，幫助團隊更快發現問題、制定產品路線圖、最佳化溝通策略，並高效準備季度業務回顧。

Intercom 憑藉其嚴格的評估標準、以效能為基礎的設計和靈活的架構，構建了一個高度可擴充套件的 AI 平臺。這不僅重新定義了客戶支援，也為其他希望利用 AI 驅動業務增長的公司提供了寶貴的經驗。

推薦閱讀：

Intercom 微課堂 | 第1課：如何與客戶建立聯絡