Na segunda-feira, às nove, uma resposta diz a um cliente que pague os portes para devolver uma chaleira avariada, e o seu responsável de suporte corrige-a: os artigos com defeito são devolvidos sem custos. Ao meio-dia, os reembolsos acima de £75 passam a precisar da aprovação de um gestor. À tarde, as perguntas da manhã voltam com outras palavras, e chega algo que ninguém viu antes. Na sexta-feira, sai um modelo mais recente.
Com um modelo sozinho, a semana acaba onde começou. Na sexta-feira à noite, a sua IA sabe exatamente o que sabia na segunda-feira às nove, e a sua equipa passou cinco dias a ensinar-lhe coisas que ela não conseguia aprender.
A ACI, Adaptive Continual Intelligence, transforma cada um desses momentos numa lição. Aprende com os resultados do seu trabalho enquanto o trabalho acontece e age com base no que aprende, por isso na sexta-feira a sua IA é melhor no seu trabalho do que era na segunda.
Segunda, às nove: a sua equipa corrige uma resposta, e a próxima do género já traz a correção.
Uma correção torna-se a próxima resposta.
Quando o seu responsável de suporte corrige a resposta da chaleira, a ACI aprende com a correção, e logo o cliente seguinte a perguntar recebe a resposta corrigida, sejam quais forem as palavras que usa. Ninguém edita um prompt, atualiza um documento ou espera por um treino.
Hoje, uma correção vive na conversa onde foi feita, e acaba com ela. As equipas que a querem fazer durar escrevem-na num prompt, que cresce a cada exceção até ninguém ter a certeza de que linhas ainda se aplicam.
Com a ACI, as pessoas que conhecem o trabalho ensinam a sua IA ao fazê-lo. Pode ver quem corrigiu o quê, e quando, e cada correção mantém-se até alguém da sua equipa a mudar.
Num fluxo de 3,000 decisões em que as regras mudaram cinco vezes, o modelo sozinho acertou 59.8% das vezes. Ponha o Duplex, que assenta na ACI, ao lado do mesmo modelo, e os dois juntos acertaram 94.6% das vezes.
O trabalho muda, e a sua IA acompanha.
Ao meio-dia, chega a nova regra para os reembolsos acima de £75. A ACI segue-a a partir do próximo pedido, e tudo o resto que aprendeu fica como estava: a correção da chaleira continua a aplicar-se, tal como todas as decisões que a sua equipa tomou no mês passado.
Uma mudança de regra costuma dar início a uma caça. A regra antiga está escrita em prompts, documentos e respostas em cache, e cada cópia que escapa a alguém continua a dar a resposta antiga, com toda a confiança, até um cliente reparar. Com a ACI, uma mudança de regra é uma decisão que a sua equipa toma uma vez, e não uma limpeza que leva a semana inteira.
Foi nas mudanças de regra dessas 3,000 decisões que as abordagens se separaram. Nas decisões afetadas, o Duplex acertou 92.5% das vezes. Uma cache ficou-se pelos 42.6%, e o modelo sozinho pelos 2.3%.
Quanto mais aprende, menos custa cada pedido.
Às três, as mesmas perguntas voltam uma e outra vez. A ACI responde em milissegundos a cada uma que aprendeu, sem chamada ao modelo, e o seu modelo fica com o que é novo, onde faz o seu melhor trabalho.
Entregue a si próprio, um modelo deduz cada pedido do zero, por isso a milésima pergunta sobre reembolsos custa tanto como a primeira, e demora o mesmo. A fatura cresce com o uso, e a espera também.
Com a ACI, o custo anda ao contrário: quanto mais do seu trabalho aprende, menos chamadas recebe o seu modelo. Nas mesmas 3,000 decisões, o Duplex reduziu as chamadas ao modelo em 90.3%, o custo em 84.8% e o tempo de cada resposta em 81.9%, enquanto a precisão subia. Uma IA que aprende fica mais barata à medida que fica melhor.
Sabe o que sabe.
Às quatro e meia, chega um pedido que parece os reembolsos da manhã e não é: uma encomenda dividida em duas, com uma metade entregue e a outra perdida. A ACI reconhece que não aprendeu este caso, e passa-o ao seu modelo, informado com o que a ACI sabe sobre ele.
Uma cache veria um reembolso como os outros e devolveria a resposta que já tem, certa ou errada. O modelo sozinho responde a tudo, com a mesma confiança, conheça ou não as suas regras. De uma forma ou de outra, os erros chegam com o mesmo ar das respostas certas.
Saber onde acaba o seu conhecimento é o que lhe permite confiar mais trabalho à ACI. Responde ao que aprendeu e chama o seu modelo para o que é novo, em vez de adivinhar.
Os testes usaram casos parecidos enganadores: pedidos que parecem trabalho familiar mas são novos. Em dez execuções, o Duplex errou em 7.5% deles, contra 45.3% de uma cache.
O que aprende vai consigo para onde for.
Na sexta-feira, a sua equipa muda para o modelo mais recente. Tudo o que a ACI aprendeu esta semana vem junto: a correção da chaleira, a regra de aprovação e todas as decisões que a sua equipa tomou, por isso o novo modelo começa a sua primeira manhã com o seu trabalho já ao lado.
O que se ensina dentro de um modelo vai-se embora com ele. Um adaptador afinado pertence ao modelo em que foi treinado, por isso um novo modelo obriga a outro treino, e as lições da semana têm de ser ensinadas outra vez. Nos testes, o que o Duplex aprendeu passou para outra família de modelos sem retreino, enquanto nenhum dos seis adaptadores afinados conseguiu fazer a passagem.
E vai além dos modelos. Qualquer assistente ou agente que autorize pode usar o que a ACI aprendeu, por isso uma correção feita no seu assistente de suporte também ajuda o agente que redige os seus emails de reembolso.
Isto foi uma semana. Um modelo sozinho começa cada segunda-feira tal como foi lançado, sem saber mais do seu trabalho do que no primeiro dia. Com a ACI, cada semana começa onde a anterior acabou, e as semanas vão-se somando.