Un entorno de ejecución con aprendizaje persistente para agentes de IA.
Duplex está definiendo una nueva categoría.
No es otra base de datos de memoria para tu modelo. Duplex convierte un asistente temporal, atado a un solo modelo, en un sistema que aprende del trabajo, conserva su contexto, hace cumplir tus reglas, mejora con tus herramientas, comparte lo que aprende, siempre con permiso, y pasa de un proveedor de modelos a otro sin perder lo que ha aprendido.
La cuarta capa que faltaba.
La IA de hoy reparte la inteligencia en tres capas. El modelo razona, la recuperación aporta documentos y recuerdos, y el código de aplicación gestiona los flujos de trabajo, los permisos y las herramientas. Ninguna de ellas aprende del trabajo. Duplex añade la cuarta: aprender de todo lo que hacen tus agentes, y conservarlo mientras funcione.
El modelo razona sobre la tarea, y la olvida cuando la tarea termina.
Lo que la recuperación nunca se diseñó para guardar.
La recuperación devuelve documentos y recuerdos que parecen relevantes. Duplex conserva lo que ha enseñado el trabajo, y actúa en consecuencia:
- 01Lo que salió bien, y lo que falló
- 02Qué acciones llevaron a qué resultados
- 03Qué herramienta funciona en qué situación
- 04Qué formas de trabajar mejoraron los resultados
- 05Las preferencias y reglas que siguen vigentes
- 06Lo que cambia cada acción
- 07Las habilidades que le ha enseñado el trabajo repetido
- 08Lo que hay que olvidar, revertir o retirar
- 09Cuándo puede responder por sí solo, y cuándo recurrir a tu modelo
Tu IA es el modelo, más lo que ha aprendido Duplex.
El modelo puede cambiar. Lo que aprendió Duplex se queda.
Tu IA
Con lo que trabajan tu gente y tus agentes
El modelo fundacional
Puede cambiar: una versión nueva, un proveedor nuevo
Lo aprendido por Duplex
Se queda: es tuyo, y sigue creciendo
Esa separación cambia lo que posee una organización. Lo que ha aprendido ya no tiene que vivir dentro de los pesos de un proveedor, de una transcripción de chat o del formato de memoria propio de una app.
Llega un modelo nuevo. Por sí solo, empieza de cero; con Duplex, conserva todo lo aprendido hasta ahora.
Para las empresas: una IA que se multiplica.
Duplex cambia la economía de la IA en el trabajo. Cada resultado confirmado puede mejorar la siguiente tarea, y lo que se acumula es tuyo y se queda contigo.
Un valor que se multiplica.
La mayoría de los despliegues de IA empiezan prácticamente de cero en cada tarea. Los prompts, la recuperación y los flujos de trabajo fijos aportan contexto, pero el sistema no mejora con cada resultado confirmado. Con Duplex, cada tarea terminada puede dejar algo tras de sí:
- Una mejor elección de herramienta
- Una lección sobre lo que cambia una acción
- Una habilidad reutilizable
- Una decisión corregida
- Una regla que respetar
- Un ejemplo resuelto
- Una señal clara de lo que funcionó
- Una forma más rápida de retomar el trabajo
- Una capacidad nueva, probada antes de usarse
Así, el sistema se vuelve más útil cuanto más lo usa tu organización.
Inteligencia que va contigo.
Claude, Codex, Cursor y Hermes pueden apoyarse todos en el mismo Duplex, y también tus propios agentes, a través de MCP + hooks. Cambia de modelo, de cliente de agentes, de proveedor de modelos o de proveedor de herramientas, y conserva los procesos, las reglas, el historial y las habilidades que ha aprendido tu organización.
Se acaba la dependencia de un solo proveedor, y lo que aprende tu organización se convierte en un activo duradero.
Personal, de equipo y de empresa, en capas.
Duplex conserva lo que aprende en cada nivel que importa:
- Una persona
- Un equipo
- La organización
- Una tarea
- Un área de trabajo
- Un agente
- Un hilo compartido
Una persona conserva sus preferencias y sus formas de trabajar. Un equipo construye prácticas compartidas y conocimiento sobre las herramientas. La organización fija las reglas dentro de las cuales trabaja todo el mundo, mientras las personas y los equipos siguen aprendiendo por debajo de ellas. Eso vale mucho más que una sola memoria global.
Reglas sobre lo que hacen los agentes, no solo sobre lo que se les dice.
Las reglas de Duplex rigen lo que un agente ejecuta realmente, no solo lo que un prompt le pide al modelo. A través de MCP + hooks, Duplex interviene antes de cada petición, antes de cada llamada a una herramienta y después de cada resultado, y cada vez que se comparte o se olvida conocimiento.
Las empresas necesitan control sobre el comportamiento, no una redacción mejor.
Ajuste fino, para muchas menos cosas.
El ajuste fino sigue siendo importante cuando un modelo necesita una capacidad general nueva o un comportamiento nuevo. Pero muchas necesidades de negocio no requieren cambiar los pesos en absoluto:
- «Recuerda nuestro procedimiento de lanzamiento.»
- «Aprende qué herramienta de diagnóstico resuelve este fallo.»
- «Deja de recomendar lo que sigue fallando.»
- «Mantén la restricción de este cliente.»
- «Sigue con la tarea cuando cambiemos de modelo.»
- «Comparte este proceso probado con el equipo.»
- «Retira lo que ya no es cierto.»
Duplex resuelve todo esto fuera del modelo: más rápido, de forma reversible, con trazabilidad hasta su origen y, normalmente, con menos coste que repetir el ajuste fino una y otra vez.
Una nueva ventaja competitiva.
El activo valioso ya no es solo el modelo. La ventaja duradera pasa a ser esta:
La inteligencia operativa de tu organización, acumulada de forma continua, gobernada y portable.
Dos empresas pueden usar el mismo modelo y rendir de forma muy distinta, porque una tiene en Duplex años de lecciones confirmadas, habilidades, reglas, correcciones, resultados e historial de tareas.
Para la investigación: el aprendizaje continuo, como sistema.
Duplex trata el aprendizaje continuo como un problema de sistemas, no solo como una cuestión de cómo actualizar los pesos de una red.
Aprendizaje que no toca los pesos.
Gran parte de la investigación sobre aprendizaje continuo actualiza los pesos de una red mientras intenta evitar el olvido catastrófico. Duplex sigue otro camino, y se adapta fuera de los pesos del modelo. Sigue siendo aprendizaje continuo de verdad: lo que hace a continuación cambia con su experiencia. Y ofrece lo que a las actualizaciones de pesos les cuesta ofrecer:
- Atribución exacta
- Aprendizaje que se puede revertir
- Aislamiento entre clientes
- Olvido selectivo
- Un registro de auditoría completo
- Adaptación al instante
- Mucho menos cómputo
- Sin interrupciones por reentrenamiento
Muchas formas de aprender, que funcionan como una sola.
Duplex reúne varios tipos de aprendizaje: adaptarse rápido, reconocer lo nuevo, saber cuánta certeza tiene, predecir lo que cambiará una acción, planificar, aprender de los resultados y convertir las evidencias en habilidades que prueba antes de usarlas.
El valor para la investigación no está en ningún algoritmo concreto. Está en hacerlos funcionar como un solo sistema de aprendizaje persistente y gobernado, detrás de agentes reales.
Desaprendizaje que llega a todo.
Olvidar es más que borrar un registro. Cuando se quitan las evidencias que hay detrás de algo, todo lo que Duplex aprendió de ellas se puede retirar con ellas. Eso importa para la privacidad, las correcciones, la seguridad, la regulación y la validez científica.
Un sistema que aprende pero no puede desaprender con precisión está incompleto para cualquier cosa pensada para funcionar durante años.
Trabajo largo, sin la transcripción completa.
Duplex lleva adelante lo que necesita una tarea larga: su objetivo, sus decisiones, sus restricciones y el trabajo aún pendiente.
La continuidad no tiene por qué significar volver a darle al modelo todo el historial, y eso importa para los agentes que trabajan durante horas o días.
Aprender de algo más que palabras.
Duplex aprende de imágenes, audio, vídeo y documentos, además de texto, con la misma gobernanza sobre lo que se puede aprender. Capturas de pantalla, diseños, conversaciones grabadas, documentos y salidas de herramientas: todo puede enseñarle.
Lo importante no es encontrar contenido multimedia. Es conectar esas evidencias con los resultados, las tareas, las habilidades y el olvido.
Para el campo de la IA: dónde vive la inteligencia.
Su mayor implicación: la inteligencia ya no tiene que vivir por completo dentro del modelo fundacional.
Una nueva unidad de inteligencia.
La visión habitual, y la que hace posible Duplex:
El modelo es el producto inteligente.
El producto inteligente es el modelo, más un entorno de ejecución que sigue aprendiendo.
Así, las mejoras pueden acumularse entre llamadas al modelo, entre sesiones e incluso entre proveedores de modelos.
Los modelos se vuelven más fáciles de cambiar.
Cuando la memoria, la personalización, las reglas, el uso aprendido de las herramientas, la continuidad de las tareas y las habilidades propias de una organización viven en Duplex, el modelo que hay debajo se vuelve más fácil de sustituir. Los modelos siguen compitiendo en razonamiento, velocidad, modalidad y precio.
Pero lo que ha acumulado un cliente ya no desaparece cuando cambia el modelo, y el poder se desplaza hacia quien tiene lo aprendido.
Agentes que siguen siendo ellos mismos.
Un agente conectado a Duplex sigue siendo él mismo cuando:
- Termina una conversación
- Se llena la ventana de contexto
- Se reinicia el cliente
- Una tarea se retoma días después
- Cambia el modelo
- El trabajo pasa de Claude Code a Codex
- Se suma otra persona autorizada
Eso se parece más a un trabajador digital persistente que a una sucesión de chats sin relación entre sí.
Una línea clara entre modelo y sistema.
ACI es la inteligencia que se adapta. Duplex es el producto que la rodea: las decisiones, la gobernanza, las formas de entrar y el ciclo de vida de todo lo que aprende. Los agentes trabajan con unas pocas operaciones sencillas y estables, el modelo nunca necesita saber qué se ejecuta por debajo de ellas, y los hooks vinculan cada decisión a una acción real.
Esa línea es lo que convierte un motor en una infraestructura que cualquier agente puede usar.
Otra forma de escalar.
En este campo se suele dar por hecho que una IA más capaz necesita, sobre todo, modelos más grandes, más datos de entrenamiento, ventanas de contexto más largas o más cómputo en la inferencia. Duplex añade otra dimensión:
Un modelo capaz que no deja de acumular experiencia confirmada fuera de sus pesos.
Eso puede lograr más, por menos, que hacer crecer una y otra vez el modelo o su prompt.
En qué se está convirtiendo Duplex.
Duplex hace que los agentes de IA recuerden, aprendan, mejoren, cumplan y continúen, entre sesiones y modelos.
No es solo:
- Una base de datos vectorial
- Un plugin de memoria
- Un gestor de prompts
- Un servidor MCP
- Un motor de flujos de trabajo
- Un gateway de políticas
- Un sistema de ajuste fino
Combina partes de todos ellos en un solo entorno de ejecución que aprende.
Duplex junto a memoria, habilidades, ajuste fino y gateways de IA →En resumen.
Para las empresas
Una IA que mejora con el uso, y conserva lo que aprendió entre agentes y proveedores de modelos.
Para la investigación
Adaptación continua, incertidumbre, memoria, planificación, aprendizaje reversible y evidencias en cualquier formato, en un solo sistema que trabaja detrás de agentes reales.
Para el campo de la IA
La inteligencia ya no tiene que vivir por completo dentro del modelo. Lo aprendido puede convertirse en una capa aparte: gobernada, portable y tuya.
Infraestructura, no una función.
La mayor oportunidad es hacer que el aprendizaje continuo funcione en la práctica: inmediato, persistente, reversible, gobernado y disponible para los agentes que ya usas a través de MCP + hooks, con tu modelo tal como está. Duplex está diseñado para ser la capa en la que las personas y las organizaciones van acumulando su inteligencia de IA, mientras los modelos pasan a ser motores de razonamiento sustituibles por debajo de ella.
Quédate con la inteligencia que sobrevive a todos los modelos.
Un piloto pone Duplex en tu propio trabajo, y antes de empezar se acuerda qué cuenta como éxito.