På sin første dag starter en nyansat på dit supportteam ikke fra ingenting. Hun får returpolitikken, en mappe med sager, teamet håndterede godt, de undtagelser, alle kan udenad, og en kollega, der fortæller hende, hvilke sager der går til en leder. Hun er nyttig i sin første uge, fordi teamet giver videre, hvad det allerede ved.
De fleste AI’er får ingen sådan velkomst. En ny assistent starter uden noget af det, så dit team forklarer de samme ting igen, én rettelse ad gangen, og rettelserne overlever sjældent sessionen. Den viden var der hele tiden, i gennemgåede sager, godkendelsestråde, politikdokumenter og driftshåndbøger, og AI’en ser den kun, når nogen indsætter den, eller en søgning tilfældigvis finder den.
Duplex kan starte, sådan som en god nyansat gør. Den lærer det, dit team allerede stoler på, før den sættes i drift, så den er nyttig fra første forespørgsel, og den bliver ved med at lære af hvert resultat, dit team bekræfter.
Start med det, dit team allerede ved.
Start med det, du allerede ved.
De fleste teams har allerede materialet, spredt ud over de værktøjer, de bruger. Der er gennemgåede eksempler og beslutninger, de står inde for, politikker og drejebøger, værktøjskørsler, der virkede, og metoder, de stoler på: den måde, en refusion godkendes på, den vej, en faktureringstvist tager, kontrollerne, før en kontrakt sendes ud.
I dag når det materiale frem til AI på nogle få velkendte måder, og hver har sin nytte. En prompt er hurtig, men den skal følge med hver forespørgsel, og den vokser, indtil ingen tør redigere i den. En dokumentsøgning finder den passage, der ligner spørgsmålet mest, hvilket hjælper, når man ved, hvad man skal spørge om. En finjustering ændrer selve modellen, men prisen er et træningsprojekt, der ligger fast den dag, det slutter.
At fortræne Duplex er noget andet. Den lærer af materialet før sin første forespørgsel, på samme måde som den lærer af det løbende arbejde: den forstår beslutningen bag hvert eksempel, hvor den gælder, og hvor den ikke gør. Dit team placerer hver del i det arbejdsområde, den hører til, så supportdrejebogen styrer supportsvar og aldrig økonomiteamets godkendelser.
Og Duplex ved, hvor hver del kom fra. Et svar, den giver på første dag, kommer med eksemplerne bag det, og hvert eksempel fører tilbage til den beslutning eller det dokument, det hviler på, så dit team kan tjekke svaret, før det stoler på det.
Nyttig fra den første forespørgsel, opdateret fra da af.
På første dag tager Duplex sig af det arbejde, den blev fortrænet på, fra første forespørgsel: returspørgsmålet, der kommer ind hver morgen, refusionen, der kræver en leders godkendelse, tvisten, der hører hjemme hos fakturering. Den afgør dem på millisekunder, uden modelkald, og alt andet går til din AI med det, Duplex ved om sagen, vedhæftet. Dit team holder op med at forklare det grundlæggende, og din AI bruger sin tid på det nye.
Fortræning er et forspring, og Duplex er nyttig uden det. Starter den tom, lærer den alene af det løbende arbejde, ét bekræftet resultat ad gangen, hvilket passer til et team med lidt materiale at begynde med. Er den fortrænet, begynder den med det, dit team allerede vidste, i stedet for at opdage det resultat for resultat.
Et forspring er kun starten. Politikker ændrer sig, værktøjer ændrer sig, og folk finder bedre metoder, så et øjebliksbillede af det, dit team vidste på første dag, bliver forældet ved den første politikændring. For en AI-model er fortræning der, hvor læringen slutter: den lærer om verden, bliver udgivet og forbliver, som den er. For Duplex er fortræning der, hvor læringen begynder.
Når en politik ændres, følger Duplex den nye fra næste forespørgsel, og alt andet, den har lært, fortrænet eller løbende, forbliver, som det var. Forspringet forbliver et forspring i stedet for at blive noget, dit team skal arbejde uden om.
Startet tom lærer Duplex kun af det løbende arbejde, ét bekræftet resultat ad gangen.
Klart slår stort.
Fristelsen er at hælde det hele ind: hver sag, hver tråd, hver version af hver politik. Mere føles sikrere, og arkiver er lette at eksportere.
Men et stort arkiv blander klare eksempler med forældede, modstridende og tvivlsomme: politikken fra to versioner siden, to ledere, der afgjorde den samme sag på to måder, svaret, der blev sendt og aldrig tjekket. Lær af det hele, og tvivlen følger med sammen med viden.
Et lille sæt klare, aktuelle eksempler lærer mere fra sig end et stort arkiv af usikre. Et klart eksempel er et, dit team ville give igen i dag, af en grund, det kunne forklare. Dit team gennemgår, hvad der kommer ind, og vælger de beslutninger, det står inde for. Tag de sager med, der bør gå til et menneske, og Duplex lærer at overdrage dem i stedet for at gætte.
Første dag er heller ikke endelig. Hvis et eksempel viser sig at være forkert, eller politikken bag det ændres, kan dit team rette eller fjerne netop den ene lektie, og alt andet, Duplex har lært, forbliver, som det var.
En god nyansat er nyttig i den første uge på grund af det, teamet gav videre, og god i det første år på grund af alt det, der blev lært på jobbet. Duplex fungerer på samme måde. Fortræning er overdragelsen, og hvert resultat, dit team bekræfter derefter, er læring på jobbet.
Et stort arkiv blander klare eksempler med forældede, modstridende og tvivlsomme.