Intercomunicador está haciendo una apuesta inusual para una empresa de software tradicional: construir su propio modelo de IA.
La enorme plataforma de servicio al cliente de 15 años con sede en Dublín, Irlanda Se anuncia Fin Apex 1.0 el jueves, un pequeño modelo de IA especialmente diseñado que, según la compañía, supera a los modelos de vanguardia líderes de OpenAI y Anthropic en las métricas más importantes para la atención al cliente.
Los poderes del modelo. Agente Fin AI existente de Intercomque ya maneja más de un millón de conversaciones con clientes semanalmente.
Según los puntos de referencia compartidos con VentureBeat, Fin Apex 1.0 logra una tasa de resolución del 73,1 % (el porcentaje de problemas de los clientes resueltos completamente sin intervención humana) en comparación con el 71,1 % de GPT-5.4 y Claude Opus 4.5 y el 69,6 % de Claude Sonnet 4.6. Este margen de alrededor de 2 puntos porcentuales puede parecer modesto, pero es mayor que la diferencia típica entre generaciones sucesivas de modelos de frontera.
“Si ejecuta grandes operaciones de servicios a escala y tiene 10 millones de clientes o mil millones de dólares en ingresos, un delta del 2% o 3% es una cantidad realmente grande de clientes, interacciones e ingresos”, dijo el director ejecutivo de Intercom, Eoghan McCabe, a VentureBeat en una entrevista por videollamada a principios de esta semana.
El modelo también muestra mejoras significativas en velocidad y precisión. El Fin Apex proporciona respuestas en 3,7 segundos (0,6 segundos más rápido que el competidor más rápido) y demuestra una reducción del 65 % en las alucinaciones en comparación con el Claude Sonnet 4.6.
Quizás lo más impresionante para los compradores empresariales: cuesta aproximadamente una quinta parte del costo de usar modelos de frontera directamente y está incluido en la estructura de precios “por resultado” existente de Intercom para sus planes de clientes existentes.
¿Cuál es el modelo básico? ¿Importa?
Pero hay un problema. Cuando se le pidió que especificara en qué modelo base se construyó Apex y el tamaño de su parámetro, Intercom se negó.
“No compartimos el modelo base que utilizamos para Apex 1.0, por razones competitivas y también porque planeamos cambiar los modelos base con el tiempo”, dijo un portavoz de la compañía a VentureBeat. La empresa se limitó a confirmar que el modelo tiene “el tamaño de cientos de millones de parámetros”.
Este es un modelo notablemente pequeño. A modo de comparación, Llama 3.1 de Meta oscila entre 8 mil millones y 405 mil millones de parámetros; Incluso los modelos eficientes de peso abierto como el Mistral 7B superan la escala de submillones que describe Intercom.
Sigue siendo una cuestión abierta si las afirmaciones de rendimiento de Apex se sostienen en este contexto, o si los puntos de referencia reflejan optimizaciones posibles sólo en aplicaciones limitadas y de dominio específico.
Intercom dice que aprendió de El cursor de inicio de codificación de IA de Backlash se enfrenta cuando los críticos acusaron al mago de la codificación de enterrar el hecho de que su modelo Composer 2 se construyó sobre modelos de peso abierto sintonizados en lugar de tecnología patentada. Pero la lección que aprendió Intercom puede no satisfacer a los escépticos: la compañía es transparente al decir que utilizó una base de peso abierto, pero no lo hace. cual uno.
“Somos muy transparentes en el sentido de que” utilizamos un modelo de pesos abiertos, dijo el portavoz. Sin embargo, negarse a nombrar el modelo y al mismo tiempo afirmar transparencia es una contradicción que probablemente generará escrutinio, especialmente a medida que más empresas promueven la IA “propietaria” que equivale a bases de código abierto post-capacitadas.
La postformación como nueva frontera
El argumento de Intercom es que el modelo básico simplemente ya no importa.
“La capacitación previa es una especie de mercancía ahora”, dijo McCabe. “La frontera, por así decirlo, es en realidad la post-capacitación. La post-capacitación es la parte difícil. Se necesitan datos patentados. Se necesitan fuentes de verdad patentadas”.
La empresa capacitó posteriormente a la base elegida utilizando años de datos patentados de servicio al cliente acumulados a través de Fin, que ahora resuelve 2 millones de consultas de clientes por semana. Este proceso implicó más que simplemente ingresar transcripciones en una plantilla. Intercom ha creado sistemas de aprendizaje por refuerzo basados en resultados de resolución reales, enseñando al modelo cómo es realmente un servicio al cliente exitoso: tono apropiado, criterios de juicio, estructura conversacional y, fundamentalmente, cómo reconocer cuándo un problema está realmente resuelto y cuándo un cliente todavía está frustrado.
“Los modelos genéricos se entrenan con datos genéricos de Internet. Los modelos específicos se entrenan con datos de dominios hiperespecíficos”, explicó McCabe. “Es lógico, por lo tanto, que la inteligencia de los modelos genéricos sea genérica y la inteligencia de los modelos específicos sea específica de un dominio y, por lo tanto, funcione de una manera muy superior para este caso de uso”.
Si McCabe tiene razón en que la magia reside enteramente en el post-entrenamiento, la renuencia a nombrar la base se vuelve más difícil de justificar. Si la base es verdaderamente intercambiable, ¿qué ventaja competitiva protege el secreto?
Una apuesta de 100 millones de dólares dio sus frutos
El anuncio se produce cuando el primer pivote de IA de Intercom parece estar funcionando. Fin se acerca a los 100 millones de dólares en ingresos recurrentes anuales y está creciendo 3,5 veces, lo que lo convierte en el segmento de más rápido crecimiento del negocio ARR de 400 millones de dólares de la compañía. Se prevé que Fin represente la mitad de los ingresos totales de Intercom a principios del próximo año.
Esta trayectoria representa un cambio notable. Cuando se lanzó Fin, su tasa de resolución era solo del 23%. Hoy en día, el promedio es del 67 % entre los clientes, y algunas implementaciones de grandes empresas reportan tasas de hasta el 75 %.
Para que esto suceda, Intercom aumentó su equipo de IA de aproximadamente 6 a 60 investigadores en los últimos tres años, una inversión significativa para una empresa que McCabe admite que estaba “en un lugar realmente malo” antes de su giro en IA. La tasa de crecimiento promedio de las empresas públicas de software ronda el 11%; Intercom espera lograr un crecimiento del 37% este año.
“Somos, con diferencia, los primeros en la categoría en entrenar nuestro propio modelo”, afirmó McCabe. “No hay nadie más que tenga esto durante un año o más”.
La especiación y especialización de la IA
La tesis de McCabe se alinea con una tendencia más amplia que Andrej Karpathy, exlíder de IA en Tesla y OpenAI, describió recientemente como la “especiación” de los modelos de IA: una proliferación de sistemas especializados optimizados para tareas específicas en lugar de inteligencia general.
McCabe sostiene que el servicio al cliente es especialmente adecuado para este enfoque. Es uno de los dos o tres casos de uso de IA empresarial que han encontrado una tracción económica genuina hasta ahora, junto con asistentes de codificación y una IA potencialmente interesante. Esto atrajo más de mil millones de dólares en financiación de riesgo para competidores como Decagon y Sierra, e hizo que el espacio, en palabras de McCabe, fuera “despiadadamente competitivo”.
La pregunta es si los modelos de dominio específico representan una ventaja duradera o un arbitraje temporal que los laboratorios fronterizos eventualmente cerrarán. McCabe cree que los laboratorios enfrentan limitaciones estructurales.
“Quizás el futuro sea que Anthropic tenga una gran oferta de muchos modelos especializados diferentes. Quizás eso es lo que parece”, dijo. “Pero la realidad es que no creo que los modelos genéricos puedan seguir el ritmo de los modelos de dominios específicos en este momento”.
Más allá de la eficiencia para probar
La adopción temprana de la IA por parte de las empresas se centró en gran medida en reducir costos, reemplazando costosos agentes humanos por agentes automatizados más baratos. Pero McCabe ve que la conversación gira hacia la calidad de la experiencia.
“Al principio era como, ‘Mierda, podemos hacer esto por mucho más barato’. Y ahora están pensando: ‘Espera, no, podemos brindarles a los clientes una experiencia mucho mejor'”, dijo.
La visión va más allá de simplemente resolver consultas. McCabe imagina agentes de IA que funcionen como consultores: un robot de minorista de calzado que no solo responda preguntas sobre envíos, sino que también ofrezca consejos de estilo y muestre a los clientes cómo se verían las diferentes opciones en ellos.
“El servicio al cliente siempre ha sido una mierda”, dijo McCabe sin rodeos. “Incluso en las mejores marcas, estás esperando una llamada y moviéndote entre diferentes departamentos. Ahora existe la oportunidad de brindar una experiencia al cliente verdaderamente perfecta”.
Precio y disponibilidad
Para los clientes existentes de Fin, la actualización a Apex no tiene costo adicional. Intercom ha confirmado que los precios para los clientes permanecen sin cambios: los usuarios continúan pagando por resultado como antes, a $0,99 por interacción resuelta, y se benefician automáticamente del nuevo modelo.
Apex no está disponible como modelo independiente ni a través de una API externa. Solo se puede acceder a él a través de Fin, lo que significa que las empresas no pueden licenciar el modelo de forma independiente ni integrarlo en sus propios productos. Esta restricción puede limitar la capacidad de Intercom para monetizar el modelo más allá de su base de clientes existente, pero también mantiene la tecnología patentada en un sentido práctico, independientemente de cuál sea el modelo base subyacente.
¿Qué sigue?
Intercom planea expandir Fin más allá del servicio al cliente hacia ventas y marketing, posicionándolo como un competidor directo de la visión Agentforce de Salesforce, que apunta a proporcionar agentes de IA a lo largo de todo el ciclo de vida del cliente.
Para la industria SaaS en general, la decisión de Intercom plantea preguntas incómodas. Si una empresa de servicio al cliente de 15 años puede construir un modelo que supera a OpenAI y Anthropic en su dominio, ¿qué significa eso para los proveedores que todavía dependen de llamadas API genéricas? Y si “la poscapacitación es la nueva frontera”, como insiste McCabe, ¿las empresas que afirman haber progresado se enfrentarán a presiones para exhibir su trabajo, o seguirán escondiéndose detrás del secreto competitivo mientras promueven la transparencia?
La respuesta de McCabe a la primera pregunta, Destacado en una publicación reciente de LinkedInes severo: “Si no puede convertirse en una empresa de agentes, su negocio de aplicaciones CRUD tendrá un futuro decreciente”.
La respuesta a la segunda aún está por verse.
