Als deine KI das letzte Mal besser wurde, hatte dein Team nichts damit zu tun. Ein Labor trainierte nach eigenem Zeitplan eine neue Version, und alle, die dieses Modell nutzen, bekamen am selben Tag dasselbe Upgrade.
Währenddessen versuchen die Leute, die deine Arbeit am besten kennen, deiner KI jeden Tag etwas beizubringen: die Buchhalterin, die weiß, welcher Lieferant seine Rechnungen immer zu spät schickt, der Ingenieur, der weiß, welchen Alarm man ignorieren kann, die Supportleitung, die weiß, was deine Kunden meinen, wenn sie schreiben. Das ist die Intelligenz, die für dein Unternehmen am meisten zählt, und bisher führte der einzige Weg, einer KI etwas davon beizubringen, über einen Trainingslauf.
ACI, Adaptive Continual Intelligence, ändert, wer KI lernen lassen kann. Die Buchhalterin, der Ingenieur und die Supportleitung werden bei der Arbeit zu seinen Lehrern, und was es lernt, gehört dir. Das Lernen verlässt die wenigen Labore und zieht in den Arbeitstag aller ein.
Bisher lernte KI im Labor, in langen Trainingsläufen, und alle bekamen dasselbe Modell.
KI lernen zu lassen war Sache der Labore.
Um ein Modell lernen zu lassen, brauchtest du eine Trainingspipeline, einen Cluster aus Beschleunigern und ein Team, das sie betreibt. Also fand das Lernen in den Laboren statt, und jeder Kunde bekam dasselbe Modell, das dieselben Dinge wusste und nichts über die Arbeit eines einzelnen Unternehmens.
Unternehmen, die mehr wollten, griffen zum Fine-Tuning und fanden dieselbe Fabrik im Kleinformat. Jemand bereitet die Daten vor, bucht die Beschleuniger, lässt das Training laufen und testet das Ergebnis, und heraus kommt wieder ein festes Modell, veraltet, sobald sich zum ersten Mal eine Regel ändert. Also beginnt der Kreislauf von vorn.
ACI macht Lernen zum Teil der alltäglichen Arbeit. Es lernt aus deinen Ergebnissen, während die Arbeit läuft, ohne Trainingslauf und ohne GPU, also braucht das Lernen kein Labor um sich herum. Eine einzelne Person in ihrem eigenen Assistenten hat dasselbe ACI wie ein ganzes Unternehmen.
Die Intelligenz zieht dorthin, wo die Arbeit ist.
Einem Modell deine Arbeit beizubringen hieß bisher immer, deine Arbeit zum Training zu bringen: Gespräche und Dokumente an den Fine-Tuning-Dienst eines Labors zu schicken oder an einen eigenen Cluster. Gelernt wurde dort, wo die Beschleuniger standen.
ACI dreht das um. Es lernt dort, wo deine Arbeit passiert, am Betriebsort deiner Wahl: Vareon Cloud, deine eigene Cloud oder ganz ohne Cloud. Ein kleines Team kann in Vareon Cloud starten. Ein Unternehmen mit eigener Cloud betreibt ACI in seinem eigenen Konto, und ein Großunternehmen, das nichts aus seinem Netz lassen will, betreibt es dort.
Wo immer es läuft, müssen deine Daten nicht hinaus, um deine KI klüger zu machen. Was ACI dort lernt, spiegelt deine Arbeit wider und die von niemandem sonst, und es bleibt getrennt von dem, was anderen Kunden gehört.
Es wächst immer weiter.
Lernen, das jeden Tag passiert, summiert sich. Jedes Ergebnis, das dein Team bestätigt, macht die nächste ähnliche Anfrage schneller, günstiger und genauer. Je länger ACI läuft, desto mehr deiner Arbeit kann es übernehmen, und desto mehr Zeit deines Modells fließt in das Neue.
Das lässt sich in einem einzigen Lauf beobachten. Über einen Strom von 3,000 Entscheidungen, in dem sich die Regeln fünfmal änderten, steigerte sich Duplex, das auf ACI gebaut ist, mit der Zeit von 85.0% auf 94.6% Genauigkeit, während die Kosten jeder Entscheidung um rund zwei Drittel sanken.
Das macht KI von einem Kostenfaktor zu einem Vermögenswert. Jeder kann morgen dasselbe Modell mieten wie du, zum selben Preis. Niemand kann mieten, was deine Arbeit ACI beigebracht hat, und mit jedem Monat, den es läuft, wächst der Abstand zwischen deiner KI und der KI der anderen.
Das Modell wählst du, jedes Mal.
Modelle werden immer besser, und das beste für deine Arbeit wechselt ständig: eine neue Version, ein besserer Preis, ein Modell, das zu einem Team besser passt als zu einem anderen. Wenn das, was deine KI gelernt hat, in einem einzigen Modell steckt, bedeutet jeder Wechsel, von vorn anzufangen.
ACI lernt neben dem Modell statt in ihm, also bleibt bei einem Modellwechsel unberührt, was es gelernt hat. Wechsle wegen des Preises, der Qualität oder der Bedürfnisse eines Teams, und die Intelligenz, die deine Arbeit aufgebaut hat, kommt mit. In Tests mit zwei Modellfamilien wechselte Duplex ganz ohne Neutraining von der einen zur anderen.
Das verschiebt das Kräfteverhältnis. Die Labore wetteifern um das beste Modell, und du kannst jedes nehmen, sobald es erscheint. Der bleibende Wert deiner KI wandert von dem Modell, das du mietest, zu der Intelligenz, die dir gehört.
Wohin es führt.
Ein Modell wird besser, wenn sein Hersteller das nächste trainiert. Ein Agent mit ACI wird an jedem Tag besser, an dem er arbeitet, aus seinen eigenen Ergebnissen: Er handelt, das Ergebnis kommt zurück, ACI lernt daraus, und die nächste Aktion setzt dort an.
Wir glauben, Agenten werden mit einer zweiten Intelligenz neben sich besser werden, in einer rekursiven Schleife, zur Laufzeit. ACI ist diese zweite Intelligenz. Jedes Ergebnis macht die nächste Aktion besser, und jede bessere Aktion bringt ein besseres Ergebnis zurück, aus dem sich lernen lässt. Die Schleife läuft in deiner Arbeit, im Tempo deiner Arbeit, statt in einem Labor zwischen zwei Veröffentlichungen.
Multipliziere diese Schleife mit jeder Person, jedem Team und jedem Unternehmen. Alle bauen eine eigene Intelligenz auf, aus ihrer eigenen Arbeit, am Betriebsort ihrer Wahl, und besitzen sie, während sie wächst. Die Modelle werden sich weiter ändern, und was ACI lernt, wächst weiter, neben jedem Modell, das als Nächstes kommt.
Die leistungsfähigsten Modelle werden weiter in Laboren trainiert werden. Die Intelligenz, die für dich am meisten zählt, wird dort gelernt, wo die Arbeit ist, jeden Tag, von den Menschen, die sie machen.