Lundi à neuf heures, une réponse demande à un client de payer les frais de retour d’une bouilloire défectueuse, et votre responsable support la corrige : le retour des produits défectueux est gratuit. À midi, les remboursements au-delà de £75 commencent à exiger l’approbation d’un manager. Dans l’après-midi, les questions du matin reviennent formulées autrement, et arrive quelque chose que personne n’a jamais vu. Vendredi, un modèle plus récent sort.
Avec un modèle seul, la semaine finit là où elle a commencé. Vendredi soir, votre IA sait exactement ce qu’elle savait lundi à neuf heures, et votre équipe a passé cinq jours à lui apprendre des choses qu’elle ne pouvait pas apprendre.
ACI, Adaptive Continual Intelligence, fait de chacun de ces moments une leçon. Elle apprend des résultats de votre travail pendant que le travail se fait et agit selon ce qu’elle apprend, si bien que vendredi, votre IA est meilleure dans votre travail qu’elle ne l’était lundi.
Lundi, neuf heures : votre équipe corrige une réponse, et la suivante du même type est corrigée.
Une correction devient la réponse suivante.
Quand votre responsable support corrige la réponse sur la bouilloire, ACI apprend de la correction, et dès le client suivant qui pose la question, la correction s’applique, quelle que soit sa formulation. Personne ne modifie un prompt, ne met à jour un document ni n’attend un entraînement.
Aujourd’hui, une correction vit dans la conversation où elle a été faite, et s’éteint avec elle. Les équipes qui veulent la faire durer l’écrivent dans un prompt, qui grossit à chaque exception jusqu’à ce que plus personne ne sache quelles lignes s’appliquent encore.
Avec ACI, les personnes qui connaissent le travail l’apprennent à votre IA en le faisant. Vous voyez qui a corrigé quoi, et quand, et chaque correction tient jusqu’à ce que quelqu’un de votre équipe la change.
Sur un flux de 3,000 décisions où les règles ont changé cinq fois, le modèle seul a vu juste dans 59.8% des cas. Placez Duplex, qui est bâti sur ACI, aux côtés du même modèle, et les deux ensemble ont vu juste dans 94.6% des cas.
Le travail change, et votre IA reste à jour.
À midi, la nouvelle règle sur les remboursements au-delà de £75 arrive. ACI la suit dès la requête suivante, et tout le reste de ce qu’elle a appris demeure tel quel : la correction sur la bouilloire s’applique toujours, tout comme chaque décision que votre équipe a tranchée le mois dernier.
D’habitude, un changement de règle déclenche une chasse. L’ancienne règle est inscrite dans des prompts, des documents et des réponses en cache, et chaque copie oubliée continue de donner l’ancienne réponse, avec assurance, jusqu’à ce qu’un client s’en aperçoive. Avec ACI, un changement de règle est une décision que votre équipe prend une fois, plutôt qu’un grand ménage qui prend toute la semaine.
C’est sur les changements de règle de ces 3,000 décisions que les approches se sont séparées. Sur les décisions qu’ils ont touchées, Duplex a vu juste dans 92.5% des cas. Un cache a atteint 42.6%, et le modèle seul 2.3%.
Plus elle apprend, moins chaque requête coûte.
Vers quinze heures, les mêmes questions reviennent encore et encore. ACI répond à chacune de celles qu’elle a apprises en quelques millisecondes, sans appel au modèle, et votre modèle prend ce qui est nouveau, là où il fait son meilleur travail.
Livré à lui-même, un modèle résout chaque requête à partir de zéro, si bien que la millième question de remboursement coûte autant que la première, et prend autant de temps. La facture grossit avec l’usage, et l’attente aussi.
Avec ACI, le coût va dans l’autre sens : plus elle apprend de votre travail, moins votre modèle reçoit d’appels. Sur les mêmes 3,000 décisions, Duplex a réduit les appels au modèle de 90.3%, le coût de 84.8% et le temps de chaque réponse de 81.9%, tandis que la précision augmentait. Une IA qui apprend devient moins chère à mesure qu’elle s’améliore.
Elle sait ce qu’elle sait.
À seize heures trente, arrive une requête qui ressemble aux remboursements du matin sans en être un : une commande scindée en deux, une moitié livrée et l’autre perdue. ACI reconnaît qu’elle n’a pas appris ce cas, et le confie à votre modèle, informé de ce qu’ACI en sait.
Un cache y verrait un remboursement comme les autres et renverrait la réponse qu’il a déjà, juste ou fausse. Le modèle seul répond à tout, avec la même assurance qu’il connaisse vos règles ou non. Dans les deux cas, les erreurs arrivent avec exactement la même allure que les bonnes réponses.
Savoir où s’arrête son savoir, c’est ce qui vous permet de confier davantage de travail à ACI. Elle répond à ce qu’elle a appris et fait appel à votre modèle pour ce qui est nouveau, plutôt que de deviner.
Les tests ont utilisé des faux doublons trompeurs : des requêtes qui ressemblent à du travail familier mais qui sont nouvelles. Sur dix exécutions, Duplex s’est trompé sur 7.5% d’entre elles, contre 45.3% pour un cache.
Ce qu’elle apprend va là où vous allez.
Vendredi, votre équipe passe au modèle plus récent. Tout ce qu’ACI a appris cette semaine vient avec : la correction sur la bouilloire, la règle d’approbation et chaque décision que votre équipe a tranchée, si bien que le nouveau modèle commence son premier matin avec votre travail déjà à ses côtés.
Un enseignement qui vit à l’intérieur d’un modèle part avec lui. Un adaptateur fine-tuné appartient au modèle sur lequel il a été entraîné, si bien qu’un nouveau modèle implique un nouvel entraînement, et que les leçons de la semaine doivent être enseignées de nouveau. Dans les tests, ce que Duplex a appris est passé à une autre famille de modèles sans réentraînement, alors qu’aucun des six adaptateurs fine-tunés n’a pu faire ce passage.
Cela va au-delà des modèles. Tout assistant ou agent que vous autorisez peut utiliser ce qu’ACI a appris, si bien qu’une correction faite dans votre assistant de support aide aussi l’agent qui rédige vos e-mails de remboursement.
C’était une semaine. Un modèle seul commence chaque lundi tel qu’il a été publié, pas plus avisé sur votre travail qu’à son premier jour. Avec ACI, chaque semaine commence là où la précédente s’est arrêtée, et les semaines s’additionnent.