Ogni venerdì pomeriggio, qualcuno del tuo team prepara il report settimanale dei rimborsi. Prende i dati dagli stessi sistemi, li controlla nello stesso ordine e li manda alle stesse persone. Nessuno lo definirebbe difficile. È una competenza, imparata una volta e ripetuta, e ogni settimana sottrae una persona capace a un lavoro migliore. Ogni team ha una dozzina di compiti così: la riconciliazione di fine mese, gli account per un nuovo arrivato, gli stessi tre controlli prima di ogni rilascio.
La tua IA può aiutare, ma ogni volta parte da zero. Legge le istruzioni, ragiona passaggio per passaggio e si fa pagare ogni chiamata, e il venerdì dopo rifà tutto da capo. Sa fare il compito. Non lo impara mai.
Duplex acquisisce competenze proprie. Impara un compito facendolo, provando solo i passaggi che permetti, anche con la tua IA spenta, e nessuno deve mettere per iscritto quei passaggi. Verifica ogni competenza prima di usarla, da lì in poi la esegue in una frazione di millisecondo, senza chiamata al modello, e la lascia andare nel momento in cui lo chiedi.
Da solo, Duplex prova i passaggi che consenti, con la tua IA spenta.
Impara con il modello spento.
Le persone imparano le competenze esercitandole. Un neoassunto prova i passaggi, ne sbaglia qualcuno, trova l’ordine che funziona e, dopo qualche settimana, fa il lavoro senza pensarci. Un modello non può imparare così, perché il tuo lavoro non lo cambia. Porta un’ampia conoscenza a ogni compito e ricostruisce i passaggi ragionando ogni volta da capo, chiamata dopo chiamata.
Oggi ci sono buoni modi per portare a termine un compito, e ognuno ha un prezzo. Uno script o un workflow è affidabile ed economico da eseguire una volta che qualcuno l’ha scritto, e fa solo ciò per cui è stato scritto. Un modello di frontiera che risolve il compito nel contesto è flessibile e non richiede configurazione, e paga quella flessibilità a ogni esecuzione. Il metodo per prove ed errori impara facendo, come le persone, e ci arriva dopo moltissimi tentativi.
Anche Duplex impara facendo, e la tua IA può restare spenta per tutto il tempo. Prova i passaggi che permetti, dentro limiti stretti quanto il lavoro richiede, e trova un modo per raggiungere l’obiettivo. Imparare facendo è sicuro solo quando il fare ha dei limiti, quindi tutto ciò che non è sicuro viene rifiutato prima di essere eseguito. Su quattro suite e dieci esecuzioni, ognuna valutata sulla sua esecuzione peggiore, Duplex ha completato ogni compito con il modello spento, con 2.8× tentativi in meno rispetto al metodo per prove ed errori. Lungo il percorso ha rifiutato 627 azioni non sicure in ogni esecuzione, e ha comunque imparato la strada sicura.
La differenza si vede nell’arco di un’esecuzione. Un modello di frontiera che risolveva lo stesso compito nel contesto ha fatto circa 507 chiamate al modello per esecuzione, rielaborando il compito ogni volta. Duplex l’ha imparato con il modello spento e non ha fatto nessuna chiamata al modello. Per un compito che torna ogni settimana, è la differenza tra un conto del modello che non finisce mai e nessun conto. Duplex impara il compito una volta, e la tua IA resta libera per il lavoro che richiede ragionamento.
Un modello di frontiera che risolve il compito nel contesto fa una chiamata al modello a ogni tentativo.
Verifica una competenza prima di usarla, e la rimuove su richiesta.
Un sistema che impara da solo è utile solo se puoi fidarti di ciò che impara. Il timore è legittimo: una scorciatoia che ha funzionato una volta e poi viene usata ovunque, o un’abitudine che nessuno ha chiesto e che non si può revocare. In un modello addestrato, ciò che ha imparato è sparso in tutta la rete, quindi nessuna singola lezione si può estrarre, e correggerne una significa addestrare di nuovo.
Duplex verifica una nuova competenza prima di usarla. Una competenza che ha trovato entra in uso solo dopo aver superato le sue verifiche, e fino ad allora il lavoro va avanti come prima. Una scorciatoia che per caso ha funzionato una volta non basta. Ciò che arriva ai tuoi sistemi e ai tuoi clienti è una competenza che ha già dimostrato di funzionare.
Una volta superate le verifiche, una competenza non costa quasi niente da riusare. Duplex ha ripetuto una competenza appresa in 0.26 ms, senza chiamate al modello, mentre un modello che lavora nel contesto paga per ragionare su ogni passaggio ogni volta che il compito torna. Come tutto ciò che Duplex impara, la competenza appartiene a te, e qualsiasi agente che autorizzi può usarla. Un lavoro come il report settimanale smette di essere qualcosa che la tua IA deve elaborare e diventa qualcosa che Duplex fa.
E puoi ritirare qualsiasi competenza. I processi cambiano, i sistemi vengono dismessi, e un passaggio che andava bene lo scorso trimestre potrebbe non andare bene adesso. Chiedi che una competenza venga tolta, e Duplex la rimuove e lascia com’era tutto il resto di ciò che ha imparato. Nei test, ogni competenza appresa è stata rimossa su richiesta e verificata bit per bit, così non ne è rimasto niente.
È questo che serve per lasciare che un sistema impari da solo: limiti fissati prima che cominci, verifiche prima che qualcosa di nuovo venga usato, e la possibilità di ritirare qualsiasi cosa. Con tutti e tre, il lavoro che il tuo team ripete ogni settimana può diventare competenze che Duplex trova, verifica ed esegue in una frazione di millisecondo. La tua IA prende i problemi che richiedono ragionamento, le tue persone prendono le decisioni che richiedono giudizio, e il tuo team si riprende i suoi venerdì.
Una nuova competenza trovata da Duplex resta in sospeso finché non supera i controlli.