Nová kolegyně ve vašem týmu podpory nezačíná první den od nuly. Dostane zásady vrácení zboží, složku tiketů, které tým vyřídil dobře, výjimky, které všichni znají jako své boty, a kolegu, který jí řekne, které případy jdou k vedoucímu. Už první týden je užitečná, protože tým jí předá, co už ví.
Většina AI takové přivítání nedostane. Nový asistent nemá na začátku nic z toho, takže váš tým znovu vysvětluje stejné věci, jednu opravu za druhou, a opravy relaci jen zřídka přežijí. Znalosti tu byly celou dobu, ve zkontrolovaných tiketech, vláknech se schvalováním, dokumentech se zásadami a provozních příručkách, a AI je vidí, jen když je někdo vloží nebo je náhodou najde vyhledávání.
Duplex může začít tak, jako začíná dobrý nováček. Ještě než začne pracovat, naučí se to, čemu váš tým už věří, takže je užitečný od prvního požadavku, a dál se učí z každého výsledku, který váš tým potvrdí.
Začněte tím, co váš tým už ví.
Začněte tím, co už víte.
Většina týmů ten materiál už má, roztroušený po nástrojích, které používají. Jsou tu zkontrolované příklady a rozhodnutí, za kterými stojí, zásady a příručky, běhy nástrojů, které fungovaly, a metody, kterým věří: způsob, jak se schvaluje refundace, cesta, kterou se ubírá spor o vyúčtování, kontroly před odesláním smlouvy.
Dnes se ten materiál k AI dostává několika známými způsoby a každý má své využití. Prompt je rychlý, ale musí putovat s každým požadavkem a roste, až se ho nikdo neodváží upravit. Vyhledávání v dokumentech najde pasáž, která se otázce nejvíc podobá, což pomůže, když někdo ví, na co se zeptat. Doladění mění samotný model, za cenu trénovacího projektu, který ustrne v den, kdy skončí.
Předtrénování Duplexu je jiné. Z materiálu se učí ještě před prvním požadavkem, stejně jako se učí z živé práce: chápe rozhodnutí za každým příkladem, kde platí a kde ne. Váš tým zařadí každý kousek do pracovního prostoru, kam patří, takže příručka podpory řídí odpovědi podpory a nikdy schvalování finančního týmu.
A Duplex ví, odkud který kousek pochází. Odpověď, kterou dá první den, přichází s příklady, které za ní stojí, a každý příklad vede zpět k rozhodnutí nebo dokumentu, o který se opírá, takže váš tým může odpověď zkontrolovat dřív, než jí uvěří.
Užitečný od prvního požadavku, aktuální od té chvíle dál.
První den převezme Duplex práci, na které byl předtrénován, hned od prvního požadavku: dotaz na vrácení zboží, který přichází každé ráno, refundaci, která potřebuje schválení vedoucího, spor, který patří k vyúčtování. Ty vyřídí během milisekund, bez volání modelu, a všechno ostatní jde k vaší AI spolu s tím, co Duplex o případu ví. Váš tým přestane vysvětlovat základy a vaše AI tráví čas tím, co je nové.
Předtrénování je náskok a Duplex je užitečný i bez něj. Když začne prázdný, učí se jen z živé práce, jeden potvrzený výsledek za druhým, což vyhovuje týmu, který na začátek nemá moc materiálu. Předtrénovaný začíná tím, co váš tým už věděl, místo aby to objevoval výsledek po výsledku.
Náskok je jen začátek. Zásady se mění, nástroje se mění a lidé nacházejí lepší metody, takže snímek toho, co váš tým věděl první den, zastará s první změnou zásad. Pro model AI je předtrénování místem, kde učení končí: naučí se svět, vyjde a zůstane takový, jaký je. Pro Duplex je předtrénování místem, kde učení začíná.
Když se zásady změní, Duplex se od dalšího požadavku řídí těmi novými a všechno ostatní, co se naučil, předtrénované i živé, zůstává, jak bylo. Náskok zůstává náskokem, místo aby se stal něčím, co musí váš tým obcházet.
Bez předtrénování se Duplex učí jen z živé práce, jeden potvrzený výsledek po druhém.
Jasnost vítězí nad objemem.
Láká to nasypat dovnitř všechno: každý tiket, každé vlákno, každou verzi všech zásad. Víc působí bezpečněji a archivy se snadno exportují.
Jenže velký archiv míchá jasné příklady se zastaralými, protichůdnými a pochybnými: zásady o dvě verze starší, dva vedoucí, kteří stejný případ rozhodli dvěma způsoby, odpověď, která se odeslala a nikdy nezkontrolovala. Když se učí ze všeho, přijdou s vědomostmi i pochybnosti.
Malá sada jasných, aktuálních příkladů naučí víc než velký archiv nejistých. Jasný příklad je takový, který by váš tým dal i dnes, z důvodu, který by dokázal vysvětlit. Váš tým zkontroluje, co jde dovnitř, a vybere rozhodnutí, za kterými stojí. Zahrňte i případy, které by měly jít k člověku, a Duplex se naučí je předávat, místo aby hádal.
Ani první den není konečný. Pokud se příklad ukáže jako chybný nebo se změní zásady, které za ním stojí, váš tým může tu jedinou lekci opravit nebo odstranit a všechno ostatní, co se Duplex naučil, zůstane, jak bylo.
Dobrý nováček je užitečný první týden díky tomu, co mu tým předal, a dobrý první rok díky všemu, co se naučil při práci. Duplex funguje stejně. Předtrénování je předání a každý výsledek, který váš tým potvrdí potom, je učení při práci.
Velký archiv míchá jasné příklady se zastaralými, protichůdnými a pochybnými.