Hoe langer het draait, hoe minder het vraagt.
Stap 1 van 4: Het begin
90% minder modelaanroepen, en nauwkeuriger.*
3,000 beslissingen in klantoperaties: terugbetalingen, accountontgrendelingen, kredietlimieten, uitbetalingen. Elke beslissing heeft één juiste actie uit ongeveer negentien, of een weigering, en onderweg veranderde het bedrijf vijf keer een regel. Elke aanpak gebruikte GPT-5.5; MS Duplex leerde gaandeweg.
Interne benchmarks. Alle cijfers op deze pagina komen uit tests die MatterSpace zelf heeft uitgevoerd en zijn niet onafhankelijk geverifieerd. Lees de disclaimer
- 94.6%*Nauwkeurigheid, de hoogste in de testHet model alleen 59.8% · met een cache 77.3%
Nauwkeurigheid, de hoogste in de test Het model met MS Duplex 94.6% Het model met een cache 77.3% Het model alleen 59.8% - −90.3%*Modelaanroepen−84.8% kosten · −81.9% latentie
Modelaanroepen in 3,000 beslissingen Het model met MS Duplex 277 Het model alleen 2,864 - ~23×*Sneller zodra geleerd≈97 ms tegenover ≈2,231 ms
Sneller zodra geleerd Een beslissing die MS Duplex leerde ≈97 ms Een modelaanroep ≈2,231 ms
* Cijfers uit de interne benchmarks van MatterSpace, niet onafhankelijk geverifieerd. Lees de disclaimer
3,000 beslissingen, en waar elke beslissing terechtkwam.
Door MS Duplex zelf beantwoord, doorgegeven aan GPT-5.5, of geweigerd.
Stap 1 van 4: Aankomst
3,000 beslissingen komen binnen: restituties, deblokkeringen, kredietlimieten en uitbetalingen, in ruim 2,000 bewoordingen.*
Na een regelwijziging: wie gaf het nieuwe antwoord.
Van elke 100 beslissingen die door een regelwijziging waren geraakt.
Stap 1 van 3: Het model alleen
GPT-5.5 kan de interne regelwijziging van een bedrijf niet kennen en gaf in 97% van de gevallen het oude antwoord.*
Hoe langer de reeks, hoe beter de cijfers.
Hetzelfde werk op een reeks van 300 beslissingen en op een reeks van 3,000 beslissingen.
Stap 1 van 4: Accuratesse
MS Duplex was 85.0% nauwkeurig op een stroom van 300 beslissingen, en 94.6% op 3,000.*
De rekening, en het wachten.
GPT-5.5 alleen tegenover GPT-5.5 met MS Duplex, op dezelfde 3,000 beslissingen.
Stap 1 van 3: Per beslissing
Elke 1,000 beslissingen kostten $0.13 met MS Duplex, en $0.82 met alleen GPT-5.5.*
Hoe het is uitgevoerd.
- Het werk
- Beslissingen in klantoperaties: terugbetalingen, accountontgrendelingen, kredietlimieten, uitbetalingen, toegang en escalatie bij fraude. Één juiste actie uit ongeveer negentien, of een weigering.
- De stroom
- 3,000 beslissingen in meer dan 2,000 formuleringen, waarvan 68% op een nooit eerder geziene manier verwoord, met nieuwe soorten verzoeken die halverwege binnenkwamen.
- Regelwijzigingen
- Vijf interne regelwijzigingen, die elk de juiste actie voor een soort verzoek omdraaiden; 1,073 beslissingen kwamen na een wijziging.
- Terugkoppeling
- Het juiste antwoord werd onthuld voor ongeveer één op de tien beslissingen, voor elke aanpak dezelfde.
- Modellen
- GPT-5.5, met echte API-aanroepen, voor elke aanpak.
- Vergeleken met
- GPT-5.5 alleen, en GPT-5.5 met een semantische cache in de beste instelling; op de reeks van 300 beslissingen ook een cache met retrieval en een kennisgraaf.
- Gelijk gehouden
- Hetzelfde model, dezelfde terugkoppeling en dezelfde weigerregels voor elke aanpak.
Wat het betekent voor je werk.
Je rekening krimpt naarmate het leert.
MS Duplex beantwoordde 86% van de beslissingen zelf: 90% minder modelaanroepen en 85% lagere kosten.*
Een regelwijziging bereikt elk antwoord.
Na de regelwijzigingen gaf MS Duplex in 92.5% van de gevallen het nieuwe antwoord; GPT-5.5 alleen in 2.3%.*
Het wordt beter met volume.
Van 300 naar 3,000 beslissingen steeg de nauwkeurigheid van 85.0% naar 94.6% en daalden de kosten per beslissing met twee derde.*
Volgende: Nauwkeuriger bij elke instelling, voor een zevende van de kosten.Lees het →
Zie het in je eigen werk.
Van je eigen assistent tot elke agent die je bedrijf draait: een pilot zet MS Duplex in op je eigen werk, met vooraf afgesproken maatstaven.