No primeiro dia, uma nova colaboradora da sua equipa de suporte não começa do zero. Recebe a política de devoluções, uma pasta de tickets que a equipa tratou bem, as exceções que todos sabem de cor, e um colega que lhe diz que casos vão para um gestor. É útil logo na primeira semana porque a equipa lhe passa o que já sabe.
Quase nenhuma IA tem direito a estas boas-vindas. Um novo assistente começa sem nada disto, por isso a sua equipa explica outra vez as mesmas coisas, uma correção de cada vez, e as correções raramente sobrevivem à sessão. O conhecimento esteve sempre lá, em tickets revistos, conversas de aprovação, documentos de políticas e manuais de procedimentos, e a IA só o vê quando alguém o cola ou quando uma pesquisa, por acaso, o encontra.
O Duplex pode começar como começa um bom recém-contratado. Aprende aquilo em que a sua equipa já confia antes de entrar ao serviço, por isso é útil desde o primeiro pedido, e continua a aprender com cada resultado que a sua equipa confirma.
Comece pelo que a sua equipa já sabe.
Comece pelo que já sabe.
A maioria das equipas já tem o material, espalhado pelas ferramentas que usa. Há exemplos revistos e decisões que defendem, políticas e manuais de atuação, execuções de ferramentas que funcionaram, e métodos em que confiam: a forma como se aprova um reembolso, o caminho que segue uma contestação de faturação, as verificações antes de um contrato sair.
Hoje, esse material chega à IA por algumas vias conhecidas, e cada uma tem a sua utilidade. Um prompt é rápido, mas tem de viajar com cada pedido, e cresce até ninguém se atrever a editá-lo. Uma pesquisa em documentos encontra o excerto que mais se parece com a pergunta, o que ajuda quando alguém sabe o que perguntar. Uma afinação muda o próprio modelo, ao preço de um projeto de treino que fica fixo no dia em que termina.
Pré-treinar o Duplex é diferente. Aprende com o material antes do primeiro pedido, da mesma forma que aprende com o trabalho em curso: percebe a decisão por trás de cada exemplo, onde se aplica e onde não se aplica. A sua equipa coloca cada elemento na área de trabalho a que pertence, por isso o manual de atuação do suporte orienta as respostas do suporte e nunca as aprovações da equipa financeira.
E o Duplex sabe de onde veio cada elemento. Uma resposta que dá no primeiro dia vem com os exemplos por trás dela, e cada exemplo leva de volta à decisão ou ao documento em que assenta, por isso a sua equipa pode verificar a resposta antes de confiar nela.
Útil desde o primeiro pedido, atual a partir daí.
No primeiro dia, o Duplex assume desde o primeiro pedido o trabalho com que foi pré-treinado: a pergunta sobre devoluções que chega todas as manhãs, o reembolso que precisa da aprovação de um gestor, a contestação que pertence à faturação. Resolve esses casos em milissegundos, sem chamada ao modelo, e tudo o resto vai para a sua IA com o que o Duplex sabe sobre o caso em anexo. A sua equipa deixa de explicar o básico, e a sua IA gasta o tempo no que é novo.
O pré-treino é uma vantagem à partida, e o Duplex é útil sem ele. Iniciado vazio, aprende só com o trabalho em curso, um resultado confirmado de cada vez, o que serve a uma equipa com pouco material para começar. Pré-treinado, começa com o que a sua equipa já sabia, em vez de o descobrir resultado a resultado.
Uma vantagem à partida é só a partida. As políticas mudam, as ferramentas mudam e as pessoas encontram métodos melhores, por isso um retrato do que a sua equipa sabia no primeiro dia fica desatualizado à primeira mudança de política. Para um modelo de IA, o pré-treino é onde a aprendizagem acaba: aprende o mundo, é lançado e fica como está. Para o Duplex, o pré-treino é onde a aprendizagem começa.
Quando uma política muda, o Duplex segue a nova a partir do próximo pedido, e tudo o resto que aprendeu, no pré-treino ou em trabalho em curso, fica como estava. A vantagem à partida continua a ser uma vantagem, em vez de se tornar algo que a sua equipa tem de contornar.
Iniciado vazio, o Duplex aprende só com o trabalho em curso, um resultado confirmado de cada vez.
Claro vale mais do que grande.
A tentação é despejar tudo: cada ticket, cada conversa, cada versão de cada política. Mais parece mais seguro, e os arquivos são fáceis de exportar.
Mas um arquivo grande mistura exemplos claros com outros desatualizados, contraditórios e duvidosos: a política de há duas versões, dois gestores que decidiram o mesmo caso de duas maneiras, a resposta que foi enviada e nunca verificada. Aprenda com tudo isso, e a dúvida vem junto com o conhecimento.
Um pequeno conjunto de exemplos claros e atuais ensina mais do que um grande arquivo de exemplos incertos. Um exemplo claro é aquele que a sua equipa voltaria a dar hoje, por uma razão que saberia explicar. A sua equipa revê o que entra e escolhe as decisões que defende. Inclua os casos que devem ir para uma pessoa, e o Duplex aprende a passá-los adiante em vez de adivinhar.
E o primeiro dia também não é definitivo. Se um exemplo se revelar errado, ou se a política por trás dele mudar, a sua equipa pode corrigir ou remover essa lição, e tudo o resto que o Duplex aprendeu fica como estava.
Um bom recém-contratado é útil na primeira semana graças ao que a equipa lhe passou, e bom no primeiro ano graças a tudo o que aprendeu no trabalho. O Duplex funciona da mesma maneira. O pré-treino é a passagem de testemunho, e cada resultado que a sua equipa confirma a partir daí é aprendizagem no trabalho.
Um grande arquivo mistura exemplos claros com outros obsoletos, contraditórios e duvidosos.