Dos clientes escriben la misma mañana. «¿Me podéis devolver el dinero de esto?» Es una pregunta sobre reembolsos que tu equipo resolvió hace tiempo. «¿Me podéis devolver el dinero de esta tarjeta regalo?» Se lee casi igual, y necesita otra respuesta, porque las tarjetas regalo se devuelven como saldo en tienda, no en efectivo.
Cualquier sistema que responda por parecido trata las dos como si fueran una. El segundo cliente recibe la política de reembolsos, con la misma seguridad que el primero, y nada da la alarma, porque nada parecía estar mal. Una respuesta correcta y lenta te cuesta un minuto. Una equivocada pero segura sale con tu nombre, y te enteras por la queja, o no te enteras nunca.
Duplex sabe lo que sabe. Responde lo que ha aprendido, se formule como se formule la petición, y distingue cuándo una petición solo parece conocida. Esa va a tu IA, con el contexto de lo que Duplex sabe del caso. El riesgo está en la línea que separa las dos, y Duplex la traza con mucha más nitidez que una caché.
Una petición que Duplex ha aprendido se responde al instante.
Los casos parecidos son lo difícil.
Las peticiones no son solo conocidas o nuevas. Algunas repiten, palabra por palabra, un caso que tu equipo ya ha resuelto. Otras son el mismo caso con otras palabras: «Quisiera un reembolso de esto, por favor». Otras solo parecen conocidas, como la de la tarjeta regalo: el mismo tema, casi las mismas palabras y una diferencia que cambia la respuesta. Más allá están las peticiones claramente nuevas, como el reembolso de un pedido dividido en dos, y algunas de un campo completamente distinto.
Los dos extremos son fáciles. Una repetición exacta se puede responder como se decidió la otra vez, y una petición de otro campo es fácil de apartar. El riesgo está en el medio, donde una petición se parece lo bastante para pasar por conocida y es lo bastante distinta para que la respuesta antigua sea errónea. Ese terreno intermedio importa más cada año, porque cada vez más respuestas se convierten directamente en acciones: cuando un agente actúa sobre un caso parecido, la respuesta errónea se convierte en un reembolso erróneo, y nadie lo revisa antes.
Cada una de las herramientas habituales hace bien parte del trabajo. Una regla escrita a mano es precisa con lo que nombra: atrapa «tarjeta regalo» y se le escapa «vale regalo». Una caché responde al instante una repetición exacta, por casi nada. La recuperación va más allá y encuentra lo que parece similar, lo que le da a tu IA un contexto útil. Las tres se guían por la superficie de la petición, así que el caso parecido recibe la respuesta antigua, con la misma seguridad que la repetición real.
Duplex aprende de qué depende una decisión, además de las palabras con las que llegó. Así responde la misma petición dicha con otras palabras, y se da cuenta cuando una petición de aspecto conocido es distinta en lo que importa. «Quisiera un reembolso de esto, por favor» se responde al momento, y la de la tarjeta regalo va a tu IA. Puntuando sobre 1 la capacidad de distinguir lo conocido de lo nuevo, Duplex obtuvo 0.996 y una caché 0.930, una diferencia que parece pequeña hasta que ves dónde cae: en los casos parecidos.
A un lado las peticiones conocidas, al otro las nuevas: quien responda debe distinguirlas.
Menos respuestas erróneas, porque lo nuevo se lo pasa a tu IA.
El cerebro trabaja con dos sistemas: uno lento para el conocimiento general y uno rápido para cada experiencia nueva. Tu IA es el lento, y Duplex es el rápido. La pareja solo funciona si el rápido sabe dónde termina su conocimiento. Una petición que Duplex ha aprendido se responde al momento, sin llamar al modelo. Una petición nueva, o que solo parece conocida, va a tu IA con lo que Duplex sabe del caso, así que el modelo parte del contexto de tu equipo y no de cero.
A lo largo de diez ejecuciones, Duplex falló en el 7.5% de los casos parecidos engañosos. Una caché, con las mismas peticiones, falló el 45.3% de las veces, unas seis veces más a menudo. Y Duplex no consiguió esa seguridad rechazando trabajo: respondió él mismo el 95.78% de las peticiones conocidas, y con cualquier umbral de confianza asumió más trabajo conocido e hizo menos conjeturas arriesgadas con el trabajo nuevo.
Si cuentas un traspaso correcto a tu IA como lo que es, la decisión acertada, Duplex gestionó correctamente el 98.98% de todas las peticiones. En producción, esa es la cifra en la que fijarse: con qué frecuencia cada petición acaba en manos de quien debe responderla, y no con qué frecuencia un sistema está dispuesto a responder. Un sistema que lo responde todo puntúa bien en disposición y mal en confianza.
Eso cambia hasta dónde puedes dejarlo funcionar por su cuenta. A un sistema que adivina hay que vigilarlo en todo, porque cualquier respuesta podría ser la equivocada. A un sistema que conoce sus límites se le puede confiar directamente el trabajo conocido, y tu IA se encarga de lo nuevo. Es la diferencia entre alguien recién incorporado al que le revisas cada respuesta y un compañero al que le confías la rutina, que te consulta cuando un caso no le resulta conocido.
Y el límite se mueve. Cada resultado que confirma tu equipo en un caso nuevo le enseña ese caso a Duplex, así que la siguiente petición parecida se responde en el lado conocido, en milisegundos. Tu IA se queda con el trabajo que mejor hace, lo nuevo y lo difícil, y salen con tu nombre menos respuestas equivocadas pero seguras. A un sistema que sabe lo que sabe se le puede confiar un poco más cada semana.
En casos parecidos engañosos, una caché dio la respuesta guardada y falló el 45.3% de las veces.