Zwei Kunden schreiben am selben Morgen. „Kann ich dafür mein Geld zurückbekommen?“ Ist eine Erstattungsfrage, die dein Team längst geklärt hat. „Kann ich für diese Geschenkkarte mein Geld zurückbekommen?“ Liest sich fast gleich und braucht eine andere Antwort, denn für Geschenkkarten gibt es Guthaben, kein Bargeld.
Alles, was nach Ähnlichkeit antwortet, behandelt die beiden als eins. Der zweite Kunde bekommt die Erstattungsrichtlinie, mit derselben Selbstsicherheit geliefert wie dem ersten, und nichts schlägt Alarm, weil nichts falsch aussah. Eine langsame richtige Antwort kostet dich eine Minute. Eine selbstsichere falsche geht mit deinem Namen darauf hinaus, und du erfährst davon durch die Beschwerde, oder du erfährst nie davon.
Duplex weiß, was es weiß. Es beantwortet, was es gelernt hat, wie auch immer die Anfrage formuliert ist, und es erkennt, wenn eine Anfrage nur vertraut aussieht. Die geht an deine KI, gebrieft mit dem, was Duplex über den Fall weiß. Auf der Grenze zwischen beiden liegt das Risiko, und Duplex zieht sie weit schärfer als ein Cache.
Eine gelernte Anfrage beantwortet Duplex sofort.
Doppelgänger sind der schwierige Fall.
Anfragen gibt es in mehr Sorten als vertraut und neu. Manche wiederholen einen Fall, den dein Team geklärt hat, Wort für Wort. Manche sind derselbe Fall in neuen Worten: „Ich hätte dafür gern eine Erstattung, bitte.“ Manche sehen nur vertraut aus, wie die Geschenkkarte: dasselbe Thema, fast dieselben Worte und ein Unterschied, der die Antwort ändert. Weiter draußen liegen Anfragen, die eindeutig neu sind, etwa eine Erstattung für eine zweigeteilte Bestellung, und manche aus einem ganz anderen Bereich.
Die beiden Enden sind einfach. Eine exakte Wiederholung lässt sich so beantworten, wie sie schon einmal entschieden wurde, und eine Anfrage aus einem anderen Bereich lässt sich leicht beiseitelegen. Das Risiko sitzt in der Mitte, wo eine Anfrage nah genug ist, um als vertraut durchzugehen, und anders genug, dass die alte Antwort falsch ist. Diese Mitte zählt jedes Jahr mehr, weil heute mehr Antworten direkt zu Aktionen werden: Handelt ein Agent auf einen Doppelgänger hin, wird aus der falschen Antwort eine falsche Erstattung, und niemand liest sie vorher.
Die üblichen Werkzeuge erledigen jeweils einen Teil der Aufgabe gut. Eine handgeschriebene Regel ist präzise bei dem, was sie benennt: Sie erkennt „Geschenkkarte“ und übersieht „Gutschein“. Ein Cache beantwortet eine exakte Wiederholung sofort, fast umsonst. Retrieval geht weiter und findet, was ähnlich aussieht, und gibt deiner KI so nützlichen Kontext. Alle drei gehen nach der Oberfläche einer Anfrage, also bekommt der Doppelgänger die alte Antwort, mit derselben Selbstsicherheit serviert wie die echte Wiederholung.
Duplex lernt, wovon eine Entscheidung abhängt, und nicht nur die Worte, in denen sie ankam. So beantwortet es dieselbe Anfrage in neuen Worten, und es bemerkt, wenn sich eine vertraut aussehende Anfrage genau in dem Punkt unterscheidet, auf den es ankommt. „Ich hätte dafür gern eine Erstattung, bitte“ wird sofort beantwortet, und die Geschenkkarte geht an deine KI. Auf einer Skala bis 1 für die Unterscheidung von vertraut und neu erreichte Duplex 0.996 und ein Cache 0.930, ein Abstand, der klein aussieht, bis man sieht, wo er liegt: bei den Doppelgängern.
Bekannte Anfragen auf der einen Seite, neue auf der anderen: Wer antwortet, muss sie unterscheiden.
Weniger falsche Antworten, weil es das Neue übergibt.
Das Gehirn arbeitet mit zwei Systemen: einem langsamen für allgemeines Wissen und einem schnellen für jede neue Erfahrung. Deine KI ist das langsame, und Duplex ist das schnelle. Das Zusammenspiel funktioniert nur, wenn das schnelle weiß, wo sein Wissen endet. Eine Anfrage, die Duplex gelernt hat, wird sofort beantwortet, ohne Modellaufruf. Eine Anfrage, die neu ist oder nur vertraut aussieht, geht an deine KI, gebrieft mit dem, was Duplex über den Fall weiß, sodass das Modell mit dem Kontext deines Teams beginnt statt bei null.
Über zehn Läufe lag Duplex bei 7.5% der irreführenden Doppelgänger falsch. Ein Cache lag bei denselben Anfragen in 45.3% der Fälle falsch, etwa sechsmal so oft. Und Duplex hat diese Sicherheit nicht damit erkauft, Arbeit abzuweisen: Es beantwortete 95.78% der bekannten Anfragen selbst, und bei jeder Konfidenzeinstellung bewältigte es mehr der bekannten Arbeit und machte bei neuer Arbeit weniger unsichere Vermutungen.
Zähl eine korrekte Übergabe an deine KI als das, was sie ist, die richtige Entscheidung, und Duplex behandelte 98.98% aller Anfragen korrekt. Im Produktivbetrieb ist das die Zahl, die du im Blick behalten solltest: wie oft jede Anfrage bei dem landet, der sie beantworten sollte, nicht wie oft ein System bereit ist zu antworten. Ein System, das alles beantwortet, punktet bei der Bereitschaft und versagt beim Vertrauen.
Das ändert, wie weit du es laufen lassen kannst. Ein System, das rät, muss bei allem beobachtet werden, weil jede Antwort die falsche sein könnte. Einem System, das seine Grenzen kennt, kannst du die vertraute Arbeit ganz überlassen, während deine KI das Neue übernimmt. Es ist der Unterschied zwischen einer neuen Kraft, deren jede Antwort du prüfst, und einem Kollegen, dem du die Routine anvertraust und der bei dir nachfragt, wenn ein Fall ungewohnt ist.
Und die Grenze verschiebt sich. Jedes Ergebnis, das dein Team bei einem neuen Fall bestätigt, bringt Duplex diesen Fall bei, also wird die nächste ähnliche Anfrage diesseits der Grenze beantwortet, in Millisekunden. Deine KI behält die Arbeit, die sie am besten kann, das Neue und das Schwierige, und weniger selbstsichere falsche Antworten gehen mit deinem Namen darauf hinaus. Einem System, das weiß, was es weiß, kannst du jede Woche ein wenig mehr anvertrauen.
Bei irreführenden Doppelgängern lieferte ein Cache die gespeicherte Antwort und lag in 45.3% der Fälle falsch.