Un runtime di apprendimento persistente per agenti di IA.
Duplex sta definendo una nuova categoria.
Non è l’ennesimo database di memoria per il tuo modello. Duplex trasforma un assistente temporaneo, legato a un solo modello, in un sistema che impara dal lavoro, conserva il suo contesto, fa rispettare le tue regole, migliora con i tuoi strumenti, condivide ciò che impara previa autorizzazione, e passa da un fornitore di modelli all’altro senza perdere ciò che ha imparato.
Il quarto livello mancante.
L’IA di oggi divide l’intelligenza su tre livelli. Il modello ragiona, il retrieval fornisce documenti e ricordi, e il codice applicativo gestisce flussi di lavoro, permessi e strumenti. Nessuno dei tre impara dal lavoro. Duplex aggiunge il quarto: l’apprendimento da tutto ciò che fanno i tuoi agenti, conservato finché lo tieni in funzione.
Il modello ragiona sul compito, e lo dimentica quando il compito è finito.
Ciò che il retrieval non è mai stato pensato per conservare.
Il retrieval riporta documenti e ricordi che sembrano pertinenti. Duplex conserva ciò che il lavoro ha insegnato, e agisce di conseguenza:
- 01Cosa è riuscito, e cosa è fallito
- 02Quali azioni hanno portato a quali risultati
- 03Quale strumento funziona in quale situazione
- 04Quali modi di lavorare hanno migliorato i risultati
- 05Le preferenze e le regole ancora in vigore
- 06Cosa cambia ogni azione
- 07Le competenze che il lavoro ripetuto gli ha insegnato
- 08Cosa va dimenticato, annullato o ritirato
- 09Quando può rispondere da solo, e quando chiedere al tuo modello
La tua IA è il modello, più ciò che Duplex ha imparato.
Il modello può cambiare. Ciò che Duplex ha imparato resta.
La tua IA
Ciò con cui lavorano le tue persone e i tuoi agenti
Il modello di base
Può cambiare: una nuova versione, un nuovo fornitore
Quanto ha appreso Duplex
Resta: tuo, e continua a crescere
Questa separazione cambia ciò che un’organizzazione possiede. Ciò che ha imparato non deve più vivere nei pesi di un singolo fornitore, in una singola trascrizione di chat o nel formato di memoria proprio di una singola app.
Arriva un nuovo modello. Da solo riparte da zero; con Duplex, conserva tutto ciò che si è imparato finora.
Per le aziende: un’IA che moltiplica il suo valore.
Duplex cambia l’economia dell’IA in azienda. Ogni risultato confermato può migliorare il compito successivo, e ciò che si accumula resta tuo.
Un valore che si moltiplica.
La maggior parte delle implementazioni di IA riparte quasi da zero a ogni compito. Prompt, retrieval e flussi di lavoro fissi danno contesto, ma il sistema non migliora a ogni risultato confermato. Con Duplex, ogni compito concluso può lasciarsi dietro qualcosa:
- Una scelta migliore dello strumento
- Una lezione su cosa cambia un’azione
- Una competenza riutilizzabile
- Una decisione rettificata
- Una regola da rispettare
- Un esempio svolto
- Un segnale chiaro di cosa ha funzionato
- Un modo più rapido per riprendere il lavoro
- Una nuova capacità, verificata prima dell’uso
Così il sistema diventa tanto più utile quanto più la tua organizzazione lo usa.
Un’intelligenza che ti segue.
Claude, Codex, Cursor e Hermes possono attingere tutti allo stesso Duplex, e lo stesso vale per i tuoi agenti, tramite MCP + hooks. Cambia il modello, il client per agenti, il fornitore del modello o quello degli strumenti, e conserva i processi, le regole, lo storico e le competenze che la tua organizzazione ha appreso.
Cade la dipendenza dal fornitore, e ciò che la tua organizzazione impara diventa un patrimonio che dura.
Persona, team e azienda, su più livelli.
Duplex conserva ciò che impara a ogni livello che conta:
- Una persona
- Un team
- L’organizzazione
- Un compito
- Un’area di lavoro
- Un agente
- Un thread condiviso
Una persona conserva le proprie preferenze e il proprio modo di lavorare. Un team costruisce pratiche condivise e conoscenza degli strumenti. L’organizzazione fissa le regole entro cui lavorano tutti, mentre persone e team continuano a imparare al loro interno. Questo vale molto più di un’unica memoria globale.
Regole su ciò che gli agenti fanno, non solo su ciò che gli viene detto.
Le regole di Duplex governano ciò che un agente esegue davvero, non solo ciò che un prompt chiede al modello. Tramite MCP + hooks, Duplex interviene prima di ogni richiesta, prima di ogni chiamata a tool e dopo ogni risultato, e ogni volta che una conoscenza viene condivisa o dimenticata.
Le imprese hanno bisogno di controllo sul comportamento, non di formulazioni migliori.
Il fine-tuning, per molte meno cose.
Il fine-tuning resta importante quando un modello ha bisogno di una nuova capacità o di un nuovo comportamento generale. Ma molte esigenze aziendali non richiedono affatto di cambiare i pesi:
- “Ricorda la nostra procedura di rilascio.”
- “Impara quale strumento di diagnostica risolve questo errore.”
- “Smetti di consigliare ciò che continua a fallire.”
- “Mantieni il vincolo di questo cliente.”
- “Porta avanti il compito dopo che avremo cambiato modello.”
- “Condividi con il team questo processo comprovato.”
- “Ritira ciò che non è più vero.”
Duplex le gestisce fuori dal modello: in modo più rapido, reversibile e tracciabile fino alla fonte, e di solito più economico che ripetere il fine-tuning ancora e ancora.
Un nuovo vantaggio competitivo.
Il patrimonio che conta non è più solo il modello. Il vantaggio duraturo diventa questo:
L’intelligenza operativa della tua organizzazione, accumulata di continuo, governata e portabile.
Due aziende possono usare lo stesso modello e ottenere risultati molto diversi, perché una ha in Duplex anni di lezioni confermate, competenze, regole, correzioni, esiti e storico dei compiti.
Per la ricerca: l’apprendimento continuo, come sistema.
Duplex tratta l’apprendimento continuo come un problema di sistema, non solo come una questione di come aggiornare i pesi di una rete.
Un apprendimento che lascia stare i pesi.
Gran parte della ricerca sull’apprendimento continuo aggiorna i pesi di una rete cercando di evitare l’oblio catastrofico. Duplex prende un’altra strada, e si adatta fuori dai pesi del modello. Resta comunque un vero apprendimento continuo: ciò che fa dopo cambia in base a ciò che ha sperimentato. E offre ciò che gli aggiornamenti dei pesi faticano a offrire:
- Attribuzione esatta
- Apprendimento che si può annullare
- Isolamento tra clienti
- Oblio selettivo
- Un log di audit completo
- Adattamento immediato
- Molta meno potenza di calcolo
- Nessun fermo per il riaddestramento
Molti modi di imparare, che lavorano come uno solo.
Duplex riunisce diversi tipi di apprendimento: adattarsi in fretta, riconoscere ciò che è nuovo, sapere quanto è sicuro, prevedere cosa cambierà un’azione, pianificare, imparare dagli esiti, e trasformare le evidenze in competenze che verifica prima di usarle.
Il valore per la ricerca non sta in un singolo algoritmo. Sta nel farli funzionare come un unico sistema di apprendimento persistente e governato, dietro agenti reali.
Un disimparare che raggiunge tutto.
Dimenticare non è solo cancellare un record. Quando si rimuovono le evidenze alla base di qualcosa, tutto ciò che Duplex ne ha appreso può essere ritirato insieme. Questo conta per la privacy, la correzione, la sicurezza, le normative e la validità scientifica.
Un sistema che impara ma non sa disimparare con precisione è incompleto per qualsiasi cosa debba funzionare per anni.
Lavori lunghi, senza l’intera trascrizione.
Duplex porta avanti ciò che serve a un compito lungo: il suo obiettivo, le sue decisioni, i suoi vincoli e il lavoro ancora aperto.
La continuità non deve per forza significare dare di nuovo in pasto al modello l’intero storico, e questo conta per gli agenti che lavorano per ore o giorni.
Imparare non solo dalle parole.
Duplex impara da immagini, audio, video e documenti oltre che dal testo, con lo stesso controllo su ciò che può essere appreso. Schermate, design, conversazioni registrate, documenti e output degli strumenti possono tutti insegnargli qualcosa.
Il punto non è trovare contenuti multimediali. È collegare quelle evidenze a esiti, compiti, competenze e oblio.
Per il settore: dove risiede l’intelligenza.
La sua implicazione più grande: l’intelligenza non deve più risiedere interamente nel modello di base.
Una nuova unità di intelligenza.
La visione abituale, e quella che Duplex rende possibile:
Il modello è il prodotto intelligente.
Il prodotto intelligente è il modello, più un runtime che continua a imparare.
I miglioramenti possono allora accumularsi tra una chiamata al modello e l’altra, tra una sessione e l’altra, e perfino tra un fornitore di modelli e l’altro.
I modelli diventano più facili da cambiare.
Quando memoria, personalizzazione, regole, uso appreso degli strumenti, continuità dei compiti e competenze proprie di un’organizzazione vivono in Duplex, il modello sottostante diventa più facile da sostituire. I modelli competono ancora su ragionamento, velocità, modalità e prezzo.
Ma ciò che un cliente ha costruito non sparisce più quando cambia il modello, e il potere si sposta verso chi detiene ciò che è stato appreso.
Agenti che restano se stessi.
Un agente collegato a Duplex resta se stesso quando:
- Una conversazione finisce
- La finestra di contesto si riempie
- Il client si riavvia
- Un compito riprende giorni dopo
- Il modello cambia
- Il lavoro passa da Claude Code a Codex
- Si unisce un’altra persona autorizzata
Somiglia più a un collaboratore software persistente che a una serie di chat scollegate.
Un confine netto tra modello e sistema.
ACI è l’intelligenza che si adatta. Duplex è il prodotto costruito intorno a essa: le decisioni, il controllo, le vie d’accesso e il ciclo di vita di tutto ciò che impara. Gli agenti lavorano con poche operazioni semplici e stabili, il modello non ha mai bisogno di sapere cosa gira sotto di esse, e gli hook legano ogni decisione a un’azione reale.
È questo confine a trasformare un motore in un’infrastruttura che qualsiasi agente può usare.
Un altro modo di scalare.
Il settore dà spesso per scontato che un’IA più capace richieda soprattutto modelli più grandi, più dati di addestramento, finestre di contesto più lunghe o più calcolo in fase di inferenza. Duplex aggiunge un’altra dimensione:
Un modello capace che continua ad accumulare esperienza confermata fuori dai suoi pesi.
Può fare di più, a costi minori, che ingrandire di continuo il modello o il suo prompt.
Ciò che Duplex sta diventando.
Duplex fa sì che gli agenti di IA ricordino, imparino, migliorino, rispettino le regole e proseguano, tra sessioni e modelli.
Non è solo
- Un database vettoriale
- Un plugin di memoria
- Un gestore di prompt
- Un server MCP
- Un motore di workflow
- Un gateway di policy
- Un sistema di fine-tuning
Unisce parti di tutti questi in un unico runtime che impara.
Duplex accanto a memoria, competenze, fine-tuning e gateway di IA →In breve.
Per le aziende
Un’IA che migliora con l’uso, e conserva ciò che ha imparato tra agenti e fornitori di modelli.
Per la ricerca
Adattamento continuo, incertezza, memoria, pianificazione, apprendimento reversibile ed evidenze da ogni tipo di media, in un unico sistema che lavora dietro agenti reali.
Per il settore
L’intelligenza non deve più risiedere interamente nel modello. Ciò che si impara può diventare un livello separato: governato, portabile e tuo.
Un’infrastruttura, non una funzionalità.
L’opportunità più grande è far funzionare l’apprendimento continuo nella pratica: immediato, persistente, reversibile, governato, e disponibile per gli agenti che usi già tramite MCP + hooks, lasciando il tuo modello com’è. Duplex è pensato per essere il livello in cui persone e organizzazioni costruiscono l’intelligenza della propria IA, mentre i modelli, sotto di esso, diventano motori di ragionamento sostituibili.
Possiedi l’intelligenza che sopravvive a ogni modello.
Un progetto pilota fa girare Duplex sul tuo lavoro, con i criteri di successo concordati prima di iniziare.