På sin første dag starter ikke en nyansatt i supportteamet ditt fra ingenting. Hun får returpolicyen, en mappe med saker teamet håndterte godt, unntakene alle kan utenat, og en kollega som forteller henne hvilke saker som går til en leder. Hun er nyttig den første uken fordi teamet gir videre kunnskapen det allerede har.
De fleste KI-løsninger får ingen slik velkomst. En ny assistent starter uten noe av det, så teamet ditt forklarer de samme tingene igjen, én rettelse om gangen, og rettelsene varer sjelden lenger enn økten. Kunnskapen var der hele tiden, i gjennomgåtte saker, godkjenningstråder, policydokumenter og driftshåndbøker, og KI-en ser den bare når noen limer den inn, eller et søk tilfeldigvis finner den.
Duplex kan starte slik en god nyansatt gjør. Den lærer det teamet ditt allerede stoler på, før den settes i arbeid, så den er nyttig fra første forespørsel, og den fortsetter å lære av hvert resultat teamet ditt bekrefter.
Start med det teamet ditt allerede vet.
Start med det du allerede vet.
De fleste team har allerede materialet, spredt utover verktøyene de bruker. Det finnes gjennomgåtte eksempler og beslutninger de står inne for, policyer og håndbøker, verktøykjøringer som fungerte, og metoder de stoler på: måten en refusjon godkjennes på, veien en faktureringstvist tar, kontrollene før en kontrakt sendes ut.
I dag når dette materialet KI på noen få kjente måter, og hver av dem har sin nytte. En prompt er rask, men den må følge med hver forespørsel, og den vokser til ingen tør å redigere den. Et dokumentsøk finner avsnittet som ligner mest på spørsmålet, noe som hjelper når noen vet hva de skal spørre om. En finjustering endrer selve modellen, til prisen av et treningsprosjekt som er låst den dagen det avsluttes.
Forhåndstrening av Duplex er noe annet. Den lærer av materialet før sin første forespørsel, på samme måte som den lærer av arbeid i drift: den forstår beslutningen bak hvert eksempel, hvor den gjelder, og hvor den ikke gjør det. Teamet ditt plasserer hver bit i arbeidsområdet den hører til, så håndboken for support veileder supportsvarene og aldri godkjenningene til økonomiteamet.
Og Duplex vet hvor hver bit kom fra. Et svar den gir på dag én, kommer med eksemplene bak det, og hvert eksempel leder tilbake til beslutningen eller dokumentet det bygger på, så teamet ditt kan sjekke svaret før det stoler på det.
Nyttig fra første forespørsel, oppdatert fra da av.
På dag én tar Duplex over arbeidet den ble forhåndstrent på, fra første forespørsel: returspørsmålet som kommer hver morgen, refusjonen som krever godkjenning fra en leder, tvisten som hører hjemme hos fakturering. Den avgjør disse på millisekunder, uten modellkall, og alt annet går til KI-en din med det Duplex vet om saken vedlagt. Teamet ditt slutter å forklare det grunnleggende, og KI-en din bruker tiden sin på det som er nytt.
Forhåndstrening er et forsprang, og Duplex er nyttig uten det. Starter den tom, lærer den bare av arbeid i drift, ett bekreftet resultat om gangen, noe som passer et team med lite materiale å begynne med. Er den forhåndstrent, begynner den med det teamet ditt allerede visste, i stedet for å oppdage det resultat for resultat.
Et forsprang er bare starten. Policyer endres, verktøy endres og folk finner bedre metoder, så et øyeblikksbilde av det teamet ditt visste på dag én, blir utdatert ved den første policyendringen. For en KI-modell er forhåndstrening der læringen slutter: den lærer verden, blir lansert og forblir som den er. For Duplex er forhåndstrening der læringen begynner.
Når en policy endres, følger Duplex den nye fra neste forespørsel, og alt annet den har lært, forhåndstrent eller i drift, forblir som det var. Forspranget forblir et forsprang, i stedet for å bli noe teamet ditt må jobbe seg rundt.
Startet tom lærer Duplex bare av pågående arbeid, ett bekreftet resultat om gangen.
Tydelig slår stort.
Fristelsen er å helle inn alt: hver sak, hver tråd, hver versjon av hver policy. Mer føles tryggere, og arkiver er lette å eksportere.
Men et stort arkiv blander klare eksempler med utdaterte, motstridende og tvilsomme: policyen fra to versjoner siden, to ledere som avgjorde samme sak på to måter, svaret som ble sendt og aldri kontrollert. Lær av alt sammen, og tvilen følger med kunnskapen.
Et lite sett med klare, oppdaterte eksempler lærer bort mer enn et stort arkiv med usikre. Et klart eksempel er et teamet ditt ville gitt igjen i dag, av en grunn det kunne forklare. Teamet ditt går gjennom det som skal inn, og velger beslutningene det står inne for. Ta med sakene som bør gå til en person, så lærer Duplex å overlevere dem i stedet for å gjette.
Dag én er heller ikke endelig. Hvis et eksempel viser seg å være feil, eller policyen bak det endres, kan teamet ditt rette eller fjerne akkurat den ene lærdommen, og alt annet Duplex har lært, forblir som det var.
En god nyansatt er nyttig den første uken på grunn av det teamet ga videre, og god det første året på grunn av alt som ble lært på jobben. Duplex fungerer på samme måte. Forhåndstreningen er overleveringen, og hvert resultat teamet ditt bekrefter etter det, er læring på jobben.
Et stort arkiv blander tydelige eksempler med utdaterte, motstridende og tvilsomme.