De forskningsspørgsmål, der betyder mest, bliver sjældent besvaret i ét hug. At nå et mål, sammenligne en række designs eller afklare et åbent spørgsmål kræver en kampagne: mange kørsler, flere personer, mere end ét værktøj og dage eller ugers arbejde. Værdien ligger i rækkefølgen, i hvad der blev prøvet, hvad der kom tilbage, og hvorfor det næste trin blev valgt.
AI-agenter hjælper nu med kampagner som denne, og de fleste af dem arbejder én session ad gangen. Dette indlæg ser på, hvad det koster et langt stykke forskning, og på, hvordan MS Duplex holder arbejdet samlet gennem pauser, overdragelser og modelskift.
Hvor lang forskning mister tråden
I en typisk opsætning ligger planen for en kampagne i et chatvindue, en notefil og i hovedet på den person, der leder den. Hver af dem har et svagt punkt, og en lang kampagne finder dem alle.
- En session slutter, og planen, fremskridtet og begrundelserne bag hvert trin forsvinder med den. Den næste session starter med at genopbygge dem.
- En forsker overdrager arbejdet til en kollega, og begrundelserne bag tidligere valg bliver hos den person, der traf dem.
- Teamet skifter til en ny model, og alt, hvad den gamle opsætning havde fået at vide, skal siges igen.
- Et nyt resultat erstatter et tidligere estimat, og en indsat transskription bringer den gamle værdi tilbage, som om den var aktuel.
- Et uventet resultat burde ændre ruten, og et fast script fortsætter som skrevet.
Hver af dem er lille i sig selv. Over en kampagne løber de op i gentagne kørsler, gentagne spørgsmål og eksperter, der bruger starten af hver session på at forklare projektet for AI'en igen.
En kampagne samlet som én opgave
MS Duplex holder selve kampagnen, ved siden af agenten og modellen. En forsker giver det målet i stedet for et script, sammen med de begrænsninger, der betyder noget, såsom budgettet og de trin, der kræver en persons godkendelse. MS Duplex lægger ruten fra dér, hvor arbejdet står, til målet, med et checkpoint i hver fase, som dine eksperter kan gennemgå.
Mens agenten arbejder gennem dine værktøjer, registreres resultatet og evidensen ved hvert checkpoint. Fremskridtet er dokumenteret i hver fase, og det er begrundelserne for hvert valg også. En pause, en overdragelse eller en ny session koster et øjeblik i stedet for arbejdet.
En plan er kun nyttig, så længe den passer til fakta. Når et resultat ændrer billedet, planlægger MS Duplex igen fra det punkt, beholder det, der stadig holder, og registrerer, hvorfor ruten ændrede sig. Et script fastlægger hvert trin på forhånd. En plan i MS Duplex følger evidensen, efterhånden som den kommer.
To andre funktioner holder ruten effektiv. Før et kostbart trin spilles mulighederne igennem op mod det, dit team allerede har bekræftet, så budgettet går til de kørsler, der mest sandsynligt bringer kampagnen videre. Og det, hvert checkpoint bekræfter, læres med det samme, så resten af kampagnen, og den næste kampagne, starter fra det.


Hvad en ny session starter fra
Forskningshukommelse er den anden halvdel af en lang kampagne. Når en ny session åbner, på den samme agent eller en anden, du autoriserer, og på enhver model, starter den fra et kompakt billede af, hvor arbejdet står: målet, de beslutninger, der er truffet indtil nu, de metoder, dit team har godkendt, og fremskridtet på hvert trin. Hver del af det billede bevarer sin kilde.
Agenten fortsætter derfra. Ingen afspiller en transskription igen eller forklarer projektet på ny, og agenten stiller ikke spørgsmål, som teamet har besvaret tidligere. Ældre detaljer forbliver dokumenteret og af vejen, så sessionen arbejder ud fra det, der betyder noget for den næste beslutning.
Når en kendsgerning ændrer sig undervejs
Lange kampagner producerer fakta, der flytter sig. En måling erstatter et tidligere estimat, eller en bedømmer reviderer en antagelse, planen byggede på. MS Duplex flytter hukommelsen med: den nyeste bekræftede værdi er den, din agent bruger fra næste forespørgsel, og historikken over, hvad der ændrede sig, hvornår og hvorfor, forbliver registreret.
- 0 % mod 57 %forældede svar, efter at fakta ændrede sig: MS Duplex ved siden af almindelig genfinding, i MatterSpaces kontrollerede test
Den sammenligning stammer fra MatterSpaces kontrollerede test. Almindelig genfinding finder passager, der ser relevante ud, så både den gamle og den nye version af en kendsgerning kan komme tilbage. I en lang kampagne, hvor estimater erstattes, efterhånden som arbejdet skrider frem, kan én forældet værdi sende en hel fase i den forkerte retning.
Én kampagne på tværs af sessioner, personer og modeller
Lad os sige, at et teams agent arbejder mod et mål gennem en række kørsler, med ét dyrt bekræftelsestrin planlagt mod slutningen. Flere personer arbejder med det, og mere end én model. Sådan kunne det hænge sammen:
- Lederen sætter måletAgenten modtager målet, budgettet for kørsler og de trin, der kræver godkendelse, herunder bekræftelsestrinnet. MS Duplex lægger ruten i faser, der hver slutter ved et checkpoint.
- Et checkpoint ændrer et estimatResultater fra den første fase erstatter et estimat, planen byggede på. Hukommelsen går over til den nye værdi, historikken viser, hvornår og hvorfor den ændrede sig, og ruten planlægges igen fra det checkpoint.
- Arbejdet holder pauseTeamet vender sig mod andre prioriteter et stykke tid. Når arbejdet genoptages, åbner sessionen på den aktuelle tilstand, fokuseret på den næste beslutning, med hvert tidligere trin dokumenteret.
- En kollega overtagerEn kollega åbner en ny session gennem en anden agent, på en anden model. Den starter fra det seneste checkpoint med målet, beslutningerne og den nye værdi for øje og spørger ikke om noget, teamet allerede har besvaret.
- Det kostbare trin venterI et styret miljø venter bekræftelseskørslen ved sit checkpoint på en persons godkendelse. Godkendelsen registreres sammen med, hvem der gav den.
- Lederen gennemgår kampagnenLederen åbner kampagnens dokumentation og ser hvert checkpoint, hvert skift af rute og det, hvert trin byggede på.


Hvad forskningsledere får ud af det
For dem, der er ansvarlige for en kampagne, er gevinsten lige så meget overblik som kontinuitet. En kampagne, der holder tråden, er også en, du kan inspicere i hver fase.
- Én dokumentation pr. kampagne. Arbejde, der spænder over personer, værktøjer og sessioner, forbliver én kampagne med én plan.
- Checkpoints, der kan gennemgås når som helst. Dine eksperter kan læse planen, fremskridtet og evidensen i hver fase, rette et trin eller ændre målet.
- Overdragelser, der bevarer deres begrundelser. En kollega, eller en kollegas agent, overtager med hver beslutning og dens begrundelse for øje.
- Beslutninger, en anden forsker kan genopbygge. Hvert trin bevarer sin kilde, så vejen til et resultat kan kontrolleres ud fra dokumentationen.
- Erfaring, der overlever kampagnen. Det, der blev bekræftet undervejs, bliver i et lager, din organisation ejer, klar til den næste kampagne.
Almindelige spørgsmål
Hvad sker der, når en session slutter midt i en kampagne?
Kampagnen fortsætter fra sit seneste checkpoint. Den næste session, på den samme agent eller en anden, åbner med målet, de trufne beslutninger, den indsamlede evidens og fremskridtet indtil nu.
Kan en kollega på en anden model tage arbejdet op?
Ja. Planen og hukommelsen ligger i MS Duplex, ved siden af modellen, så de agenter, du autoriserer, starter fra den samme tilstand af arbejdet, uanset hvilken model de bruger. Dine regler afgør, hvilket lag af hukommelsen hver person og agent kan nå.
Kan vores eksperter ændre planen undervejs?
Ja. Hvert checkpoint kan gennemgås når som helst, og en ekspert kan rette et trin eller ændre målet. MS Duplex planlægger igen fra det punkt og registrerer, hvorfor ruten ændrede sig.
Hvordan adskiller det sig fra at gemme chathistorikken?
En gemt transskription rummer ordene fra tidligere sessioner og overlader det til agenten at finde ud af, hvilke dele der stadig holder. MS Duplex bevarer arbejdets aktuelle tilstand, med bekræftede resultater, beslutninger og godkendte metoder, hver med sin kilde, og går videre, når en nyere bekræftet værdi erstatter en ældre.


Bygget af MatterSpace
MatterSpace bygger MS Duplex til forskere, videnskabsfolk og ingeniører inden for alle fagområder, så den AI, de allerede bruger, lærer af hvert resultat, de bekræfter.









