Cuanto más funciona, menos pregunta.
Paso 1 de 4: El inicio
Un 90% menos de llamadas al modelo, y más precisión.
3,000 decisiones de operaciones con clientes: reembolsos, desbloqueos de cuenta, límites de crédito, abonos. Cada una tiene una acción correcta entre unas diecinueve, o un rechazo, y por el camino la empresa cambió una regla cinco veces. Todos los enfoques usaron GPT-5.5; Duplex aprendió sobre la marcha.
- 94.6%Precisión, la más alta de la pruebaEl modelo solo 59.8% · con una caché 77.3%
- −90.3%Llamadas−84.8% de coste · −81.9% de latencia
- ~23×Más rápido tras aprender≈97 ms frente a ≈2,231 ms
3,000 decisiones, y adónde fue cada una.
Respondidas por el propio Duplex, pasadas a GPT-5.5 o rechazadas.
Paso 1 de 4: Llegan
Llegan 3,000 decisiones: reembolsos, desbloqueos, límites de crédito y pagos, en más de 2,000 formulaciones.
Tras un cambio de regla, quién dio la respuesta nueva.
De cada 100 decisiones afectadas por un cambio de regla.
Paso 1 de 3: Solo el modelo
GPT-5.5 no puede conocer el cambio de regla privado de una empresa: dio la respuesta antigua el 97% de las veces.
Cuanto más largo el flujo, mejores las cifras.
El mismo trabajo en un flujo de 300 decisiones y en uno de 3,000.
Paso 1 de 4: Precisión
Duplex tuvo un 85.0% de precisión en un flujo de 300 decisiones, y un 94.6% en uno de 3,000.
La factura, y la espera.
GPT-5.5 por sí solo frente a GPT-5.5 con Duplex, en las mismas 3,000 decisiones.
Paso 1 de 3: Por decisión
Cada 1,000 decisiones costaron $0.13 con Duplex, y $0.82 con GPT-5.5 solo.
Cómo se realizó.
- El trabajo
- Decisiones de operaciones con clientes: reembolsos, desbloqueos de cuenta, límites de crédito, abonos, accesos y escalado de fraude. Una acción correcta entre unas diecinueve, o un rechazo.
- El flujo
- 3,000 decisiones en más de 2,000 formulaciones, el 68% de ellas redactadas de una forma no vista antes, con tipos nuevos de petición que llegan a mitad de camino.
- Cambios de regla
- Cinco cambios de regla internos, cada uno de los cuales cambia la acción correcta para un tipo de petición; 1,073 decisiones llegaron después de un cambio.
- Retroalimentación
- La respuesta correcta se reveló en aproximadamente una de cada diez decisiones, las mismas para todos los enfoques.
- Modelos
- GPT-5.5, con llamadas reales a la API, para todos los enfoques.
- Comparado con
- GPT-5.5 por sí solo, y GPT-5.5 con una caché semántica en su mejor configuración; en el flujo de 300 decisiones, también una caché con recuperación y un grafo de conocimiento.
- Condiciones iguales
- El mismo modelo, la misma retroalimentación y las mismas reglas de rechazo para todos los enfoques.
Qué significa para tu trabajo.
Tu factura baja a medida que aprende.
Duplex respondió por sí mismo el 86% de las decisiones: un 90% menos de llamadas al modelo y un 85% menos de coste.
Un cambio de regla llega a todas las respuestas.
Tras los cambios de regla, Duplex dio la nueva respuesta el 92.5% de las veces; GPT-5.5 por sí solo, el 2.3%.
Mejora con el volumen.
De 300 decisiones a 3,000, la precisión subió del 85.0% al 94.6% y el coste por decisión bajó dos tercios.
Compruébalo con tu propio trabajo.
De tu propio asistente a cada agente que ejecuta tu empresa, un piloto pone Duplex en tu propio trabajo, con las métricas acordadas antes de empezar.