Un cliente scrive: “Il mio pacco non è mai arrivato, potete mandarne un altro?” Il tuo assistente cerca in tutto ciò che ha visto e trova una corrispondenza quasi perfetta della settimana scorsa: “Il mio pacco è arrivato danneggiato, potete mandarne un altro?” Manda la risposta della settimana scorsa, una sostituzione, senza fare domande. Le parole erano quasi le stesse. Il caso no, perché per un pacco mai arrivato si parte da una richiesta di rintraccio al corriere.
La ricerca ha fatto il suo lavoro. Ha trovato la corrispondenza più vicina, ed è proprio questo che fa la ricerca. Il RAG trova passaggi che somigliano alla domanda, i database vettoriali trovano ciò che sta vicino, i grafi della conoscenza trovano ciò che qualcuno ha collegato, le cache restituiscono ciò che è già stato chiesto e la memoria richiama ciò che è stato salvato. Ognuno di questi strumenti trova qualcosa che esiste già. Ma simile non vuol dire giusto, e più una corrispondenza sbagliata sembra vicina, più viene servita con sicurezza.
Imparare è un’altra cosa. Significa capire lo schema dietro il tuo lavoro, comprimerlo in ciò che generalizza e prevedere cosa viene dopo. Duplex impara, e i tuoi strumenti di ricerca diventano i suoi strumenti: chiama ciascuno quando un passaggio ne ha bisogno, e decide quale dev’essere la risposta.
Chiesta allo stesso modo, la ricerca trova la risposta salvata, e anche Duplex la conosce.
L’apprendimento porta lo schema nei casi nuovi.
La richiesta successiva raramente coincide parola per parola con l’ultima. Qualcuno la formula in modo diverso, tralascia un dettaglio o aggiunge un contesto che non cambia niente. Una cache restituisce ciò che è già stato chiesto, quindi ha bisogno che la nuova richiesta somigli a una vecchia. Una ricerca per somiglianza se la cava meglio con le parole nuove, perché trova ciò che sta vicino, ma la vicinanza misura le parole, non il caso.
L’apprendimento lavora sul caso stesso. Quando il tuo team conferma un risultato, Duplex impara lo schema che c’è dietro: perché ha funzionato, e dove si applica. Così riconosce la stessa richiesta con parole nuove, e capisce quando una richiesta che sembra uguale chiede qualcos’altro.
È nel distinguere i casi simili che la differenza si vede di più. Un pacco perso e uno danneggiato hanno in comune quasi tutte le parole, e lo stesso vale per un ordine annullato prima della spedizione e uno annullato dopo. Uno strumento che serve ciò che sembra simile risponde allo stesso modo a ogni coppia, con la stessa sicurezza. Duplex vede la differenza, e coinvolge la tua IA, informata su ciò che sa del caso.
In un test che andava dalle ripetizioni esatte alle richieste di un altro ambito, Duplex ha sbagliato la risposta sul 7.5% dei casi simili ingannevoli, contro il 45.3% di una cache. Su tutte le richieste, il 98.98% è stato gestito correttamente: con la risposta giusta, o passato alla tua IA.
I tuoi strumenti di ricerca diventano i suoi strumenti.
Gli strumenti di ricerca sono bravi in ciò che fanno, e Duplex li usa esattamente per quello. Il retrieval è il modo giusto per trovare una clausola in una policy, un grafo della conoscenza il modo giusto per vedere come un fornitore è collegato a tutto il resto, e una cache il modo più rapido per restituire una decisione già presa. Quei fatti stanno nei tuoi sistemi, aggiornati e nelle mani delle persone che se ne occupano.
Ciò che gli strumenti non sanno fare è decidere. Trovano, e lasciano il resto a chi ha chiesto: di quale fonte fidarsi, cosa fare quando due fonti non sono d’accordo, cosa significa la risposta per questo caso. Duplex porta quel giudizio. Chiama ogni strumento quando un passaggio ne ha bisogno, impara quale fonte risponde a quale tipo di domanda, e decide con i fatti attuali davanti a sé.
Una singola fattura può aver bisogno di tutte e tre le fonti: la policy, lo stato del fornitore e l’ultima decisione su quel fornitore. Quasi sempre concordano. Il giorno in cui il fornitore viene sospeso, l’ultima decisione è superata, e la risposta deve seguire il fatto più recente e mostrare da dove viene ogni elemento.
È una giusta divisione del lavoro, e tutto ciò che hai costruito resta in servizio. I tuoi strumenti continuano a trovare ciò per cui sono stati costruiti, ognuno più utile ora che qualcosa decide quando usarlo. Duplex impara, decide e agisce, con ogni risposta ricondotta alle sue fonti.
Per gestire una fattura, a Duplex servono una policy, lo stato del fornitore e l’ultima decisione.
Uno schema appreso ti dice cosa viene dopo.
La ricerca riguarda il passato: trova ciò che è successo. L’apprendimento guarda avanti. Una volta che Duplex sa come si svolge un tipo di lavoro, può prevedere cosa cambierà un’azione, pianificare i passi successivi e decidere se rispondere, passare il lavoro o rifiutare.
I ticket di assistenza seguono uno schema: aperto, smistato, risolto, confermato, chiuso. La ricerca può trovare un ticket che somiglia a quello che hai davanti. Duplex ha imparato da quelli confermati, quindi sa di cosa ha bisogno questo ticket adesso e cosa dovrebbe seguire. Quando un ticket prende una piega che nessuno dei precedenti aveva preso, Duplex affida quel passaggio alla tua IA, e una volta che il tuo team conferma com’è finita, quella piega entra a far parte dello schema.
Su World of Workflows, un benchmark aziendale pubblico costruito su ServiceNow, Duplex ha previsto come cambia il sistema dopo un’operazione meglio di GPT-5.1, Gemini 3 Pro e Claude Sonnet 4.5, senza chiamate al modello. Nella pianificazione, ha trovato ogni volta il percorso più breve senza un solo token di modello.
Una biblioteca ti dice cosa è stato scritto. Un collega che ha imparato il lavoro sa cosa significa il caso che ha davanti, si accorge quando è nuovo e passa al passo successivo. I tuoi strumenti di ricerca sono la biblioteca, utili come sono sempre stati. Duplex è il collega, e a ogni risultato conosce il lavoro un po’ meglio.
I ticket confermati insegnano a Duplex come si svolge questo tipo di lavoro, un passaggio dopo l’altro.