Klockan nio på måndagen uppmanar ett svar en kund att betala portot för en trasig vattenkokare, och din supportansvariga rättar det: defekta varor returneras utan kostnad. Klockan tolv börjar återbetalningar över £75 kräva en chefs godkännande. På eftermiddagen är förmiddagens frågor tillbaka med nya ord, och något kommer in som ingen har sett förut. På fredagen kommer en nyare modell ut.
Med enbart en modell slutar veckan där den började. På fredagskvällen vet din AI exakt det den visste klockan nio på måndagen, och ditt team har ägnat fem dagar åt att lära den saker som den inte kunde lära sig.
ACI, Adaptive Continual Intelligence, förvandlar vart och ett av de ögonblicken till en lärdom. Den lär sig av resultaten av ditt arbete medan arbetet pågår och agerar på det den lär sig, så på fredagen är din AI bättre på ditt arbete än den var på måndagen.
Måndag, klockan nio: ditt team korrigerar ett svar, och nästa liknande svar har rättelsen.
En korrigering blir nästa svar.
När din supportansvariga rättar svaret om vattenkokaren lär sig ACI av korrigeringen, och redan nästa kund som frågar får rättelsen, hur frågan än formuleras. Ingen redigerar en prompt, uppdaterar ett dokument eller väntar på en träningskörning.
I dag lever en korrigering i den konversation där den gjordes, och tar slut med den. Team som vill att den ska bestå skriver in den i en prompt, som växer med varje undantag tills ingen är säker på vilka rader som fortfarande gäller.
Med ACI lär de som kan arbetet din AI genom att utföra det. Du kan se vem som rättade vad, och när, och varje korrigering står kvar tills någon i ditt team ändrar den.
I ett flöde av 3,000 beslut där reglerna ändrades fem gånger hade modellen ensam rätt i 59.8% av fallen. Ställ Duplex, som är byggd på ACI, bredvid samma modell, så hade de två tillsammans rätt i 94.6% av fallen.
Arbetet förändras, och din AI hänger med.
Klockan tolv kommer den nya regeln om återbetalningar över £75. ACI följer den från nästa förfrågan, och allt annat den har lärt sig förblir som det var: korrigeringen om vattenkokaren gäller fortfarande, och det gör även varje beslut som ditt team avgjorde förra månaden.
En regeländring brukar starta en jakt. Den gamla regeln finns inskriven i promptar, dokument och cachade svar, och varje kopia som någon missar fortsätter att ge det gamla svaret, självsäkert, tills en kund märker det. Med ACI är en regeländring ett beslut som ditt team fattar en gång, snarare än en uppstädning som tar hela veckan.
Det var vid regeländringarna i de 3,000 besluten som metoderna skildes åt. På de beslut som de påverkade hade Duplex rätt i 92.5% av fallen. En cache klarade 42.6%, och modellen ensam 2.3%.
Ju mer den lär sig, desto mindre kostar varje förfrågan.
Vid tretiden kommer samma frågor tillbaka gång på gång. ACI besvarar var och en som den har lärt sig på millisekunder, utan modellanrop, och din modell tar det som är nytt, där den gör sitt bästa arbete.
Lämnad åt sig själv räknar en modell ut varje förfrågan från grunden, så den tusende återbetalningsfrågan kostar lika mycket som den första, och tar lika lång tid. Räkningen växer med användningen, och det gör väntan också.
Med ACI går kostnaden åt andra hållet: ju mer av ditt arbete den lär sig, desto färre anrop får din modell. Över samma 3,000 beslut minskade Duplex modellanropen med 90.3%, kostnaden med 84.8% och tiden för varje svar med 81.9%, medan träffsäkerheten gick upp. En AI som lär sig blir billigare i takt med att den blir bättre.
Den vet vad den vet.
Klockan halv fem kommer en förfrågan som liknar förmiddagens återbetalningar utan att vara det: en order som delats i två, där ena halvan levererades och den andra försvann. ACI känner igen att den inte har lärt sig det här fallet och lämnar det till din modell, informerad om vad ACI vet om fallet.
En cache skulle se en återbetalning som de andra och returnera svaret den redan har, rätt eller fel. Modellen ensam svarar på vad som helst, med samma säkerhet vare sig den kan dina regler eller inte. I båda fallen kommer misstagen fram och ser ut precis som de rätta svaren.
Att veta var dess kunskap tar slut är det som gör att du kan anförtro ACI mer av arbetet. Den svarar på det den har lärt sig och tar in din modell för det som är nytt, i stället för att gissa.
Testerna använde vilseledande snarlika fall: förfrågningar som ser ut som välbekant arbete men är nya. Över tio körningar hade Duplex fel på 7.5% av dem, mot 45.3% för en cache.
Det den lär sig följer med dit du går.
På fredagen byter ditt team till den nyare modellen. Allt ACI har lärt sig den här veckan följer med: korrigeringen om vattenkokaren, regeln om godkännande och varje beslut som ditt team har avgjort, så den nya modellen börjar sin första morgon med ditt arbete redan bredvid sig.
Det som lärts in i en modell försvinner tillsammans med den. En finjusterad adapter hör till den modell den tränades på, så en ny modell betyder ännu en träningskörning, och veckans lärdomar måste läras ut igen. I testerna flyttades det Duplex hade lärt sig till en annan modellfamilj utan omträning, medan inte en enda av sex finjusterade adaptrar klarade flytten.
Det går också bortom modeller. Varje assistent eller agent du tillåter kan använda det ACI har lärt sig, så en korrigering som görs i din supportassistent hjälper också agenten som skriver utkast till dina återbetalningsmejl.
Det var en vecka. En modell på egen hand börjar varje måndag sådan som den släpptes, inte klokare om ditt arbete än på sin första dag. Med ACI börjar varje vecka där den förra slutade, och veckorna bygger på varandra.