Een klant schrijft: “Mijn pakket is nooit aangekomen, kunnen jullie er nog een sturen?” Je assistent doorzoekt alles wat hij heeft gezien en vindt een bijna perfecte match van vorige week: “Mijn pakket kwam beschadigd aan, kunnen jullie er nog een sturen?” Hij stuurt het antwoord van vorige week, een vervanging, zonder verdere vragen. De woorden waren bijna hetzelfde. Het geval niet, want bij een vermist pakket begint alles met een onderzoek bij de vervoerder.
De zoekopdracht deed zijn werk. Hij vond de dichtstbijzijnde match, en dat is wat opzoeken doet. RAG vindt passages die op de vraag lijken, vectordatabases vinden wat in de buurt ligt, kennisgrafen vinden wat iemand heeft gekoppeld, caches geven terug wat eerder is gevraagd en geheugen haalt op wat is opgeslagen. Elk ervan vindt iets wat al bestaat. Maar vergelijkbaar is niet hetzelfde als juist, en hoe dichter een verkeerde match erbij lijkt te zitten, hoe zelfverzekerder hij wordt opgediend.
Leren doet iets anders. Het begrijpt het patroon achter je werk, comprimeert het tot wat generaliseert, en voorspelt wat er hierna komt. Duplex leert, en je opzoektools worden zijn tools: het roept elk ervan aan wanneer een stap erom vraagt, en beslist wat het antwoord moet zijn.
Op dezelfde manier gevraagd vindt opzoeken het opgeslagen antwoord, en Duplex weet het ook.
Leren neemt het patroon mee naar nieuwe gevallen.
Het volgende verzoek komt zelden woord voor woord overeen met het vorige. Iemand formuleert het anders, laat een detail weg of voegt context toe die niets verandert. Een cache geeft terug wat eerder is gevraagd, dus het nieuwe verzoek moet op een oud verzoek lijken. Zoeken op gelijkenis kan beter met nieuwe bewoordingen omgaan, omdat het vindt wat in de buurt ligt, maar nabijheid meet de woorden, niet het geval.
Leren werkt op het geval zelf. Als je team een resultaat bevestigt, leert Duplex het patroon erachter: waarom het werkte, en waar het van toepassing is. Zo herkent het hetzelfde verzoek in nieuwe woorden, en weet het wanneer een verzoek dat hetzelfde klinkt om iets anders vraagt.
Bij het onderscheiden van dubbelgangers is het verschil het duidelijkst. Een verloren pakket en een beschadigd pakket delen bijna elk woord, net als een bestelling die vóór verzending is geannuleerd en een die erna is geannuleerd. Een tool die opdient wat erop lijkt, beantwoordt elk paar op dezelfde manier, met dezelfde zekerheid. Duplex ziet het verschil, en haalt je AI erbij, gebriefd met wat Duplex over het geval weet.
In een test die liep van exacte herhalingen tot verzoeken uit een ander domein, beantwoordde Duplex 7.5% van de misleidende dubbelgangers fout, tegenover 45.3% voor een cache. Over alle verzoeken werd 98.98% correct afgehandeld: goed beantwoord, of aan je AI overgedragen.
Je opzoektools worden zijn tools.
Opzoektools zijn goed in wat ze doen, en Duplex gebruikt ze precies daarvoor. Retrieval is de juiste manier om een clausule in een beleid te vinden, een kennisgraaf de juiste manier om te zien hoe een leverancier met al het andere samenhangt, en een cache de snelste manier om een beslissing terug te geven die al genomen is. Die feiten horen in je systemen, actueel en in handen van de mensen die ze beheren.
Wat de tools niet kunnen, is beslissen. Ze vinden, en laten de rest over aan wie het vroeg: welke bron je vertrouwt, wat je doet als twee bronnen elkaar tegenspreken, wat het antwoord voor dit geval betekent. Duplex brengt dat oordeel. Het roept elke tool aan wanneer een stap erom vraagt, leert welke bron welk soort vraag beantwoordt, en beslist met de actuele feiten voor zich.
Één factuur kan alle drie nodig hebben: het beleid, de status van de leverancier en de laatste beslissing over die leverancier. Op de meeste dagen stemmen ze overeen. Op de dag dat de leverancier op hold wordt gezet, is de laatste beslissing verouderd, en moet het antwoord het nieuwste feit volgen en laten zien waar elk stuk vandaan kwam.
Dat is een eerlijke taakverdeling, en alles wat je hebt gebouwd, blijft in gebruik. Je tools blijven vinden waarvoor ze gebouwd zijn, elk nuttiger nu er iets is dat beslist wanneer het wordt gebruikt. Duplex leert, beslist en handelt, met elk antwoord herleidbaar tot zijn bronnen.
Voor één factuur heeft Duplex een beleid, de status van de leverancier en de laatste beslissing nodig.
Een geleerd patroon vertelt je wat er hierna komt.
Opzoeken gaat over het verleden: het vindt wat er gebeurde. Leren reikt vooruit. Zodra Duplex weet hoe een soort werk verloopt, kan het voorspellen wat een actie zal veranderen, de stappen daarna plannen en beslissen of het antwoordt, overdraagt of weigert.
Supporttickets volgen een patroon: geopend, beoordeeld, opgelost, bevestigd, gesloten. Opzoeken kan een ticket vinden dat lijkt op het ticket dat voor je ligt. Duplex heeft geleerd van de bevestigde tickets, dus het weet wat dit ticket nu nodig heeft en wat erna moet komen. Als een ticket een wending neemt die geen eerder ticket nam, geeft Duplex die stap aan je AI, en zodra je team bevestigt hoe het afliep, wordt die wending deel van het patroon.
Op World of Workflows, een openbare enterprise-benchmark gebouwd op ServiceNow, voorspelde Duplex beter dan GPT-5.1, Gemini 3 Pro en Claude Sonnet 4.5 hoe het systeem verandert na een bewerking, zonder modelaanroepen. Bij plannen vond het elke keer de kortste route, zonder één enkel modeltoken.
Een bibliotheek vertelt je wat er geschreven is. Een collega die het werk heeft geleerd, weet wat het geval voor zich betekent, merkt wanneer het nieuw is en gaat door met de volgende stap. Je opzoektools zijn de bibliotheek, even nuttig als altijd. Duplex is de collega, en met elk resultaat kent Duplex het werk een beetje beter.
Bevestigde tickets leren Duplex hoe dit soort werk verloopt, stap voor stap.