Lunedì alle nove, una risposta dice a un cliente di pagare la spedizione di un bollitore difettoso, e il tuo responsabile dell’assistenza la corregge: la merce difettosa si restituisce gratis. A mezzogiorno, i rimborsi oltre £75 iniziano a richiedere l’approvazione di un responsabile. Nel pomeriggio, le domande del mattino tornano con parole nuove, e arriva qualcosa che nessuno ha mai visto. Venerdì esce un modello più recente.
Con un modello da solo, la settimana finisce dove è cominciata. Venerdì sera la tua IA sa esattamente ciò che sapeva lunedì alle nove, e il tuo team ha passato cinque giorni a insegnarle cose che non poteva imparare.
ACI, Adaptive Continual Intelligence, trasforma ciascuno di quei momenti in una lezione. Impara dai risultati del tuo lavoro mentre il lavoro si svolge e agisce in base a ciò che impara, così venerdì la tua IA è più brava nel tuo lavoro di quanto fosse lunedì.
Lunedì, ore nove: il tuo team corregge una risposta, e la prossima simile ha già la soluzione.
Una correzione diventa la risposta successiva.
Quando il tuo responsabile dell’assistenza corregge la risposta sul bollitore, ACI impara dalla correzione, e il primo cliente che fa la stessa domanda riceve già la risposta corretta, comunque la formuli. Nessuno modifica un prompt, aggiorna un documento o aspetta un addestramento.
Oggi una correzione vive nella conversazione in cui è stata fatta, e finisce con essa. I team che vogliono farla durare la scrivono in un prompt, che cresce a ogni eccezione finché nessuno sa più con certezza quali righe valgano ancora.
Con ACI, le persone che conoscono il lavoro lo insegnano alla tua IA facendolo. Puoi vedere chi ha corretto cosa, e quando, e ogni correzione resta valida finché qualcuno del tuo team non la cambia.
Su un flusso di 3,000 decisioni in cui le regole sono cambiate cinque volte, il modello da solo ha avuto ragione nel 59.8% dei casi. Metti Duplex, che è costruito su ACI, accanto allo stesso modello, e i due insieme hanno avuto ragione nel 94.6% dei casi.
Il lavoro cambia, e la tua IA si aggiorna.
A mezzogiorno arriva la nuova regola sui rimborsi oltre £75. ACI la segue dalla richiesta successiva, e tutto il resto che ha imparato resta com’era: la correzione sul bollitore vale ancora, e così ogni decisione che il tuo team ha preso il mese scorso.
Di solito un cambio di regola dà il via a una caccia. La vecchia regola è scritta nei prompt, nei documenti e nelle risposte in cache, e ogni copia che sfugge a qualcuno continua a dare la vecchia risposta, con sicurezza, finché un cliente non se ne accorge. Con ACI, un cambio di regola è una decisione che il tuo team prende una volta sola, non una pulizia che dura tutta la settimana.
I cambi di regola in quelle 3,000 decisioni sono il punto in cui gli approcci si sono separati. Sulle decisioni che hanno toccato, Duplex ha avuto ragione nel 92.5% dei casi. Una cache si è fermata al 42.6%, e il modello da solo al 2.3%.
Più impara, meno costa ogni richiesta.
Verso le tre, le stesse domande tornano di continuo. ACI risponde in millisecondi a ognuna che ha imparato, senza chiamate al modello, e il tuo modello prende ciò che è nuovo, dove dà il meglio di sé.
Lasciato a sé stesso, un modello elabora ogni richiesta da capo, quindi la millesima domanda su un rimborso costa quanto la prima, e richiede lo stesso tempo. Il conto cresce con l’uso, e così l’attesa.
Con ACI, il costo va nell’altro senso: più impara del tuo lavoro, meno chiamate riceve il tuo modello. Sulle stesse 3,000 decisioni, Duplex ha fatto 90.3% di chiamate al modello in meno, con 84.8% di costo in meno e 81.9% di tempo in meno per ogni risposta, mentre l’accuratezza saliva. Un’IA che impara costa meno man mano che migliora.
Sa ciò che sa.
Alle quattro e mezza arriva una richiesta che sembra uno dei rimborsi del mattino e non lo è: un ordine diviso in due, con una metà consegnata e l’altra persa. ACI riconosce di non aver imparato questo caso, e lo passa al tuo modello, informato su ciò che ACI ne sa.
Una cache ci vedrebbe un rimborso come gli altri e restituirebbe la risposta che ha già, giusta o sbagliata. Il modello da solo risponde a qualsiasi cosa, con la stessa sicurezza che conosca o no le tue regole. In entrambi i casi, gli errori arrivano con l’aspetto esatto delle risposte giuste.
Sapere dove finisce la sua conoscenza è ciò che ti permette di affidare ad ACI una parte maggiore del lavoro. Risponde a ciò che ha imparato e coinvolge il tuo modello per ciò che è nuovo, invece di tirare a indovinare.
I test usavano casi simili ingannevoli: richieste che sembrano lavoro noto ma sono nuove. Su dieci prove, Duplex ha sbagliato sul 7.5% di questi casi, contro il 45.3% di una cache.
Ciò che impara va dove vai tu.
Venerdì, il tuo team passa al modello più recente. Tutto ciò che ACI ha imparato questa settimana lo accompagna: la correzione sul bollitore, la regola sull’approvazione e ogni decisione che il tuo team ha preso, così il nuovo modello inizia il suo primo mattino con il tuo lavoro già al suo fianco.
Ciò che si insegna dentro un modello se ne va con lui. Un adapter con fine-tuning appartiene al modello su cui è stato addestrato, quindi un nuovo modello significa un altro addestramento, e le lezioni della settimana vanno insegnate di nuovo. Nei test, ciò che Duplex ha imparato è passato a un’altra famiglia di modelli senza riaddestramento, mentre nessuno dei sei adapter con fine-tuning è riuscito a fare il passaggio.
E va oltre i modelli. Qualsiasi assistente o agente che autorizzi può usare ciò che ACI ha imparato, così una correzione fatta nel tuo assistente di supporto aiuta anche l’agente che scrive le tue email di rimborso.
E questa era una settimana sola. Un modello da solo comincia ogni lunedì com’era al rilascio, non più esperto del tuo lavoro del suo primo giorno. Con ACI, ogni settimana inizia dove è finita la precedente, e le settimane si sommano.