Senast din AI blev bättre hade ditt team ingenting med saken att göra. Ett labb tränade en ny version enligt sitt eget schema, och alla som använder den modellen fick samma uppgradering samma dag.
Under tiden försöker de som kan ditt arbete bäst lära den något varje dag: redovisningsekonomen som vet vilken leverantör som alltid fakturerar sent, ingenjören som vet vilket larm man kan strunta i, den supportansvariga som vet vad dina kunder menar när de hör av sig. Det är den intelligensen som betyder mest för ditt företag, och hittills var det enda sättet att lära en AI något av det en träningskörning.
ACI, Adaptive Continual Intelligence, ändrar vem som kan få AI att lära sig. Redovisningsekonomen, ingenjören och den supportansvariga blir dess lärare medan de arbetar, och det den lär sig tillhör dig. Lärandet flyttar ut ur ett fåtal labb och in i allas arbetsdag.
Hittills lärde sig AI i labbet, i långa träningskörningar, och alla fick samma modell.
Att få AI att lära sig var ett jobb för labben.
För att få en modell att lära sig behövde man en träningspipeline, ett kluster av acceleratorer och ett team som skötte dem. Så lärandet skedde i labben, och varje kund fick samma modell, som kunde samma saker och ingenting om något enskilt företags arbete.
Företag som ville mer vände sig till finjustering och fann samma fabrik i miniatyr. Någon förbereder datan, bokar acceleratorerna, kör träningen och testar resultatet, och det som kommer ut är ännu en låst modell, inaktuell första gången en regel ändras. Så börjar cykeln om.
ACI gör lärandet till en del av det vardagliga arbetet. Den lär sig av dina resultat medan arbetet pågår, utan träningskörning och utan GPU, så lärandet behöver inget labb omkring sig. En person i sin egen assistent har samma ACI som ett helt storföretag.
Intelligensen flyttar dit arbetet finns.
Att lära en modell ditt arbete har alltid inneburit att ta arbetet till träningen: att skicka konversationer och dokument till ett labbs finjusteringstjänst, eller till ett eget kluster. Lärandet skedde där acceleratorerna fanns.
ACI vänder på det. Den lär sig där ditt arbete sker, i den placering du väljer: Vareon cloud, ditt eget moln eller helt utan moln. Ett litet team kan börja i Vareon cloud. Ett företag med eget moln kör ACI i sitt eget konto, och ett storföretag som inte vill att något lämnar dess nätverk kör den där.
Var den än körs behöver din data inte flytta någonstans för att göra din AI smartare. Det ACI lär sig där speglar ditt arbete och ingen annans, och det hålls åtskilt från det någon annan kund äger.
Det förräntar sig.
Lärande som sker varje dag blir mycket med tiden. Varje resultat som ditt team bekräftar gör nästa liknande förfrågan snabbare, billigare och mer träffsäker. Ju längre ACI körs, desto mer av ditt arbete kan den ta på sig, och desto mer av din modells tid går till det som är nytt.
Du kan se det hända i en enda körning. I ett flöde av 3,000 beslut där reglerna ändrades fem gånger gick Duplex, som är byggd på ACI, från 85.0% träffsäkerhet till 94.6% medan den körde, samtidigt som kostnaden för varje beslut sjönk med ungefär två tredjedelar.
Det är det som förvandlar AI från en kostnad till en tillgång. Vem som helst kan hyra samma modell som du i morgon, till samma pris. Ingen kan hyra det som ditt arbete har lärt ACI, och för varje månad den körs växer avståndet mellan din AI och deras.
Modellen blir ditt val, varje gång.
Modellerna fortsätter att bli bättre, och den bästa för ditt arbete skiftar hela tiden: en ny version, ett bättre pris, en modell som passar ett team bättre än ett annat. När det din AI har lärt sig finns inuti en enda modell betyder varje byte att du får börja om.
ACI lär sig bredvid modellen snarare än inuti den, så ett modellbyte lämnar det den har lärt sig orört. Byt för priset, för kvaliteten eller för ett teams behov, så följer intelligensen som ditt arbete har byggt upp med. I tester på två modellfamiljer flyttade Duplex från den ena till den andra helt utan omträning.
Det förskjuter maktbalansen. Labben tävlar om att bygga den bästa modellen, och du kan ta var och en när den släpps. Det bestående värdet i din AI flyttar från modellen du hyr till intelligensen du äger.
Vart det leder.
En modell blir bättre när dess utvecklare tränar nästa. En agent med ACI blir bättre varje dag den arbetar, av sina egna resultat: den agerar, resultatet kommer tillbaka, ACI lär sig av det, och nästa handling utgår därifrån.
Vi tror att Agenter kommer att bli bättre med en andra intelligens bredvid sig, i en rekursiv slinga, under körning. ACI är den andra intelligensen. Varje resultat gör nästa handling bättre, och varje bättre handling ger tillbaka ett bättre resultat att lära sig av. Slingan går inuti ditt arbete, i ditt arbetes takt, snarare än inuti ett labb mellan versionerna.
Multiplicera den slingan med varje person, team och företag. Var och en bygger en egen intelligens, av sitt eget arbete, i den placering den valt, och äger den medan den växer. Modellerna kommer att fortsätta förändras, och det ACI lär sig fortsätter att växa bredvid vilken modell som än kommer härnäst.
De mest kapabla modellerna kommer att fortsätta tränas i labb. Den intelligens som betyder mest för dig kommer att läras in där arbetet finns, varje dag, av de människor som utför det.