MS DuplexMemoria de investigación entre sesionesVer todoVer menos
Memoria de investigación entre sesiones.
Cada sesión empieza desde el estado actual del trabajo.
MS Duplex lleva el objetivo, las decisiones, los métodos aprobados y el progreso a cada nueva sesión. Tu agente retoma el trabajo donde lo dejó el equipo, con cada fuente registrada.
Recordar y gobernar · una de las catorce capacidades de MS Duplex


Lo que obtiene tu equipo
- La IA ya conoce el proyecto
- Proyectos largos que no pierden el hilo
- Contexto centrado en la tarea actual
Qué significa la memoria de investigación para tu equipo.
La memoria de investigación significa que la IA que usa tu equipo recuerda el trabajo en todas las sesiones. El objetivo, las decisiones tomadas hasta ahora, los métodos que aprobó tu equipo y el progreso de cada paso pasan a la siguiente sesión como una imagen compacta de en qué punto están las cosas.
Esa imagen se mantiene al día. Cuando se toma una decisión o un resultado nuevo sustituye a otro anterior, la memoria avanza con él, y el valor confirmado más reciente es el que usa tu agente. El historial de lo que cambió queda registrado, así que no se pierde nada cuando algo se actualiza.
La memoria viaja con el trabajo. Una nueva sesión, el agente autorizado de un compañero o un modelo distinto parten de la misma imagen, así que el proyecto no pierde el hilo a través de pausas, traspasos y cambios de modelo, sin reproducir una transcripción ni volver a hacer las mismas preguntas.
Por qué la investigación necesita una memoria que se mantenga entre sesiones.
Los proyectos de investigación duran más que cualquier sesión. Una IA que olvida entre sesiones deja al equipo la tarea de mantener el hilo a mano.
Un proyecto de investigación se construye a lo largo de muchas sesiones: decisiones tomadas por un motivo, métodos aprobados tras una revisión, resultados que cambiaron el plan. Cuando cada sesión empieza de cero, los científicos e ingenieros dedican el comienzo de cada sesión a volver a explicar el proyecto, y el agente hace preguntas que el equipo respondió hace tiempo.
Las transcripciones pegadas y los archivos de notas largos recogen las palabras de sesiones pasadas y dejan que el agente averigüe qué partes siguen siendo válidas. Un resultado que fue sustituido puede volver como si estuviera vigente, y las decisiones que importan hoy se pierden entre todo lo demás que se dijo.
Los proyectos duran más que las sesiones
El trabajo que abarca muchas sesiones necesita tener el objetivo y el progreso a la vista cada vez que alguien lo retoma.
Volver a explicar cuesta tiempo de expertos
Cada sesión dedicada a repetir el planteamiento del proyecto es tiempo que tus científicos e ingenieros podrían haber dedicado a la investigación.
Los hechos avanzan
Un resultado más reciente sustituye a otro anterior, y la siguiente sesión tiene que usar el nuevo.
El foco importa
Una sesión funciona mejor a partir del estado actual del trabajo, con los detalles más antiguos registrados y fuera del camino.


Cómo funciona la memoria de investigación en el día a día de tu equipo.
Tu equipo trabaja en tantas sesiones como necesite el proyecto. MS Duplex mantiene el hilo entre ellas.
- 1
El trabajo avanza
En cada sesión, tu agente toma decisiones, sigue los métodos aprobados y registra el progreso, con las herramientas que ya usa tu equipo.
- 2
El estado se conserva
MS Duplex conserva el objetivo, las decisiones, los métodos aprobados y el progreso, cada uno con su fuente.
- 3
Empieza una nueva sesión
La siguiente sesión, en cualquier agente que autorices y con cualquier modelo, parte de una imagen compacta de cómo va el trabajo.
- 4
El hilo continúa
Tu agente retoma el trabajo desde esa imagen, sin reproducir una transcripción ni volver a hacer las mismas preguntas.
Un ejemplo, en cualquier campo donde el trabajo se extiende a lo largo de muchas sesiones.
El agente de un equipo planifica una serie de ejecuciones hacia un objetivo de diseño. Distintas personas retoman el trabajo en días distintos, y el agente no pierde el hilo.
- 1
La primera sesión
Una investigadora fija el objetivo, acuerda un enfoque con el agente y aprueba el método para las primeras ejecuciones. MS Duplex conserva las tres cosas, cada una con su fuente.
- 2
Un resultado que cambia
Más tarde llega una ejecución que sustituye una estimación anterior. La memoria pasa al nuevo valor, y el historial muestra cuándo y por qué cambió.
- 3
Un traspaso
Un colega abre una nueva sesión con otro modelo. El agente ya conoce el objetivo, el método aprobado, las ejecuciones completadas y el nuevo valor, y no pregunta nada que el equipo ya haya respondido.
- 4
De vuelta tras una pausa
La primera investigadora vuelve tras un descanso. La sesión se abre en el estado actual del trabajo, centrada en la siguiente decisión, con cada paso anterior registrado.
La memoria de investigación lleva las demás capacidades de una sesión a otra.
Lo que el resto de la capa aprende y planifica es el punto de partida de cada nueva sesión.
Planificación de largo horizonte
El plan, sus puntos de control y su progreso pasan a cada sesión, de modo que una campaña larga sigue siendo un solo trabajo.
Aprendizaje continuo
Lo que el equipo confirma se aprende al instante, así que la siguiente sesión empieza con ello ya incorporado.
Libertad para cambiar de modelo
La memoria vive en MS Duplex, así que un nuevo modelo o agente parte del mismo estado del trabajo.
Capas personal, de equipo y de organización
Cada investigador, cada equipo y la organización tienen su propia capa, y tus reglas deciden a qué memoria puede acceder cada sesión.
Lo que obtiene tu equipo.
Cada sesión empieza donde está el trabajo, con todas las fuentes a la vista.
- respuestas desactualizadas tras cambiar los datos: MS Duplex frente a la recuperación estándar, en las pruebas controladas de MatterSpace
- 0 % frente a 57 %
Nada que volver a explicar
Una nueva sesión ya conoce el objetivo, las decisiones y el progreso, así que nadie tiene que volver a explicarle el proyecto a la IA.
Proyectos largos que no pierden el hilo
El trabajo que abarca muchas sesiones, personas y agentes sigue siendo un solo trabajo.
Contexto centrado
Cada sesión parte de una imagen compacta de lo que importa ahora, con los detalles más antiguos registrados.
Datos actuales
Cuando un resultado confirmado sustituye a otro anterior, se aplica el más reciente y se conserva el historial del cambio.
Traspasos sin fricción
El agente autorizado de un colega retoma el trabajo desde el mismo estado que el tuyo.
Cada fuente, registrada
Cada parte de la memoria muestra de dónde viene, así que cualquiera puede comprobar en qué se basa el siguiente paso.
Preguntas frecuentes.
Haz que la próxima ejecución aproveche la anterior.
Tráenos la investigación en la que tu IA debería mejorar. Planificaremos un piloto con tus propios flujos de trabajo, con tus expertos como jueces.

