Nowa pracownica twojego zespołu wsparcia nie zaczyna pierwszego dnia od zera. Dostaje zasady zwrotów, folder zgłoszeń, z którymi zespół dobrze sobie poradził, wyjątki, które wszyscy znają jak własną kieszeń, i kogoś z zespołu, kto mówi jej, które sprawy trafiają do kierownika. Jest przydatna już w pierwszym tygodniu, bo zespół przekazuje jej to, co już wie.
Większość systemów AI nie może liczyć na takie powitanie. Nowy asystent zaczyna z pustymi rękami, więc twój zespół znów tłumaczy te same rzeczy, korekta po korekcie, a korekty rzadko przetrwają sesję. Wiedza była dostępna od początku, w sprawdzonych zgłoszeniach, wątkach z zatwierdzeniami, dokumentach z zasadami i procedurach, a AI widzi ją tylko wtedy, gdy ktoś ją wklei albo gdy przypadkiem znajdzie ją wyszukiwanie.
Duplex może zacząć tak jak dobry nowy pracownik. Zanim podejmie pracę, uczy się tego, czemu twój zespół już ufa, więc jest przydatny od pierwszego zapytania, i dalej uczy się z każdego wyniku, który potwierdza twój zespół.
Zacznij od tego, co twój zespół już wie.
Zacznij od tego, co już wiesz.
Większość zespołów ma już ten materiał, rozproszony po narzędziach, których używają. Są sprawdzone przykłady i decyzje, za którymi stoją, zasady i scenariusze postępowania, udane uruchomienia narzędzi i metody, którym ufają: sposób zatwierdzania zwrotu, droga, którą przechodzi spór o rozliczenie, kontrole przed wysłaniem umowy.
Dziś ten materiał trafia do AI na kilka znanych sposobów i każdy ma swoje zastosowanie. Prompt jest szybki, ale musi podróżować z każdym zapytaniem i rośnie, aż nikt nie odważy się go edytować. Wyszukiwanie w dokumentach znajduje fragment najbardziej podobny do pytania, co pomaga, gdy ktoś wie, o co zapytać. Dostrojenie zmienia sam model, za cenę projektu treningowego, którego efekt zastyga w dniu, w którym projekt się kończy.
Trening wstępny Duplex to coś innego. Duplex uczy się z materiału przed pierwszym zapytaniem, tak samo jak uczy się z bieżącej pracy: rozumie decyzję stojącą za każdym przykładem, gdzie ma zastosowanie, a gdzie nie. Twój zespół umieszcza każdy element w obszarze roboczym, do którego należy, więc scenariusz wsparcia kieruje odpowiedziami wsparcia, a nigdy zatwierdzeniami zespołu finansowego.
A Duplex wie, skąd pochodzi każdy element. Odpowiedź, której udziela pierwszego dnia, przychodzi razem z przykładami, które za nią stoją, a każdy przykład prowadzi z powrotem do decyzji albo dokumentu, na którym się opiera, więc twój zespół może sprawdzić odpowiedź, zanim jej zaufa.
Przydatny od pierwszego zapytania, potem stale aktualny.
Już w dniu startu Duplex od pierwszego zapytania przejmuje pracę, na której był wstępnie trenowany: pytanie o zwrot towaru, które przychodzi każdego ranka, zwrot pieniędzy wymagający zatwierdzenia przez kierownika, spór, który należy do działu rozliczeń. Rozstrzyga je w milisekundach, bez wywołania modelu, a wszystko inne trafia do twojej AI razem z tym, co Duplex wie o sprawie. Twój zespół przestaje tłumaczyć podstawy, a twoja AI poświęca czas temu, co nowe.
Trening wstępny daje przewagę na starcie, ale Duplex jest przydatny i bez niego. Uruchomiony od zera, uczy się wyłącznie z bieżącej pracy, jeden potwierdzony wynik naraz, co odpowiada zespołowi, który ma niewiele materiału na początek. Wytrenowany wstępnie, zaczyna od tego, co twój zespół już wiedział, zamiast odkrywać to wynik po wyniku.
Przewaga na starcie to dopiero początek. Zasady się zmieniają, narzędzia się zmieniają, a ludzie znajdują lepsze metody, więc migawka tego, co twój zespół wiedział pierwszego dnia, dezaktualizuje się przy pierwszej zmianie polityki. Dla modelu AI trening wstępny to miejsce, gdzie uczenie się kończy: model poznaje świat, zostaje wydany i pozostaje taki, jaki jest. Dla Duplex trening wstępny to miejsce, gdzie uczenie się zaczyna.
Gdy zmienia się polityka, Duplex od następnego zapytania stosuje nową, a wszystko inne, czego się nauczył, czy to w treningu wstępnym, czy w bieżącej pracy, zostaje tak, jak było. Przewaga na starcie pozostaje przewagą, zamiast stać się czymś, co twój zespół musi obchodzić.
Pusty na starcie, Duplex uczy się tylko z bieżącej pracy, jeden potwierdzony wynik naraz.
Jasność wygrywa z ilością.
Kusi, żeby wlać wszystko: każde zgłoszenie, każdy wątek, każdą wersję każdej polityki. Więcej wydaje się bezpieczniejsze, a archiwa łatwo wyeksportować.
Ale duże archiwum miesza jasne przykłady z nieaktualnymi, sprzecznymi i wątpliwymi: polityka sprzed dwóch wersji, dwóch kierowników, którzy rozstrzygnęli tę samą sprawę na dwa sposoby, odpowiedź, którą wysłano i nigdy nie sprawdzono. Ucz się z tego wszystkiego, a razem z wiedzą przyjdą wątpliwości.
Mały zestaw jasnych, aktualnych przykładów uczy więcej niż duże archiwum niepewnych. Jasny przykład to decyzja, którą twój zespół podjąłby dziś ponownie, z powodu, który potrafiłby wyjaśnić. Twój zespół przegląda, co trafia do środka, i wybiera decyzje, za którymi stoi. Dołącz sprawy, które powinny trafić do człowieka, a Duplex nauczy się je przekazywać, zamiast zgadywać.
Pierwszy dzień też nie jest ostateczny. Jeśli przykład okaże się błędny albo zmieni się stojąca za nim polityka, twój zespół może poprawić albo usunąć tę jedną lekcję, a wszystko inne, czego nauczył się Duplex, zostaje tak, jak było.
Dobry nowy pracownik jest przydatny w pierwszym tygodniu dzięki temu, co przekazał mu zespół, a dobry w pierwszym roku dzięki wszystkiemu, czego nauczył się w pracy. Duplex działa tak samo. Trening wstępny to przekazanie, a każdy wynik, który twój zespół potwierdzi potem, to nauka w pracy.
Duże archiwum miesza jasne przykłady z nieaktualnymi, sprzecznymi i wątpliwymi.