Praca powtarzana cały dzień, wykonywana małym programem, który MS Duplex przetestował.
Krok 1 z 4: Powtarzalna praca
Mały program udowodniony na znanych przypadkach.
Powtarzalną, dobrze określoną pracę wykonuje przetestowany program, niemal bez kosztu za uruchomienie.
Skill Fabric: umiejętności wielokrotnego użytku. Działa Na żądanie. W systemie Agent Operating System to dzięki niej każdy agent zyskuje nowe umiejętności, sprawdzone programy i właściwe narzędzie do każdego zadania.
Obsługuje tylko paczki, na których udowodniono jego poprawność.
Program obsługuje te rodzaje paczek, które obejmują jego znane przypadki. Paczka, na której nigdy nie udowodniono jego poprawności, trafia do twojej AI, tak jak zawsze.
Krok 1 z 3: Mała paczka
Paczka 2 kg do Francji to przypadek, na jakim udowodniono poprawność programu, więc to on odpowiada.
Raz za razem, prawie bez kosztów.
Gdy program jest już w użyciu, każdej paczce przydziela przedział w ten sam sposób, bez wywołania modelu, bez względu na to, ile ich przychodzi.
Krok 1 z 5: Paczka
Paczka jest ważona przy stanowisku pakowania.
Zaczyna pracę dopiero po zaliczeniu testów.
Program trafia do twojej pracy tylko wtedy, gdy zadanie jest dobrze określone, są znane przypadki do testów, zalicza każdy z nich i mieści się w twoich zasadach.
Krok 1 z 5: Dobrze określone
Zadanie ma jedną dobrą odpowiedź dla każdej paczki.
Pisze i testuje małe programy.
Do dobrze określonego zadania MS Duplex pisze mały program, testuje go na znanych przypadkach i używa go dopiero wtedy, gdy przejdzie testy.
- Mały program udowodniony na znanych przypadkachPowtarzalną, dobrze określoną pracę wykonuje przetestowany program, niemal bez kosztu za uruchomienie.
- Twój model pomaga raz, MS Duplex to sprawdzaW trudnym przypadku twój model jest pytany raz, a udowodniony wynik jest od tej pory używany ponownie.
- Rozwiązany problem, odpowiedź prosto z rozwiązaniaZa problem rozwiązany raz nigdy więcej nie płacisz.
- Zaufanie do programu idzie za jego wynikamiWyniki z rzeczywistości podnoszą lub obniżają zaufanie do każdego programu.
- Każda udowodniona metoda według statusu i właścicielaTwój zespół widzi każdą metodę, na której opiera się MS Duplex, kto jest jej właścicielem i gdzie się ją stosuje.
- Jedna metoda z jej testami i historiąKażdą metodę można prześwietlić, aż po jej testy i dotychczasowe wyniki.
- Części wielokrotnego użytku stojące za jego programamiPowtarzające się klocki są widoczne, więc twój zespół wie, na czym stoi nowa praca.
- Kontrole, które przeszedł programZanim twój zespół zacznie polegać na programie, może zobaczyć testy, które przeszedł.
- Udowodniona metoda staje się preferowanąDomyślnie używana jest metoda z najlepszymi wynikami.
- Wątpliwa metoda od razu wstrzymanaMetoda, która może być niebezpieczna, od razu przestaje być używana.
- Naprawiona metoda wraca do użytkuGdy przyczyna zostanie usunięta, a metoda znów przejdzie testy, wraca do użytku.
- Błędna metoda wycofana na stałeMetoda, która okazała się błędna, zostaje wycofana i nigdy nie wraca do użytku.
- Program wymazany, gdy wymaga tego prawoProgram i jego dane zostają wymazane, gdy wymaga tego prawo lub właściciel.
- Wadliwa część wycofana wszędzie, gdzie jej użytoWadliwy klocek zostaje wycofany razem z każdą metodą, która go używała.
- Części, które ciągle wracająTo, co powtarza się w udowodnionych programach, staje się wspólną częścią, więc nowe programy startują z dalszego miejsca.
- Każda nowa metoda przetestowana przed użyciemMetoda trafia do twojej pracy dopiero wtedy, gdy przejdzie swoje testy, niezależnie od tego, czy jest nowa, czy zmieniona.
- Nowy obszar zaczyna od udowodnionych metodNowy obszar roboczy może zacząć od biblioteki udowodnionych metod, z których każda jest ponownie sprawdzana lokalnie.
- Co jego programy rozwiązują i ile oszczędzająTwój zespół widzi, ile pracy programy zdejmują z twojej AI i ile to oszczędza.
Zobacz to na własnej pracy.
Od twojego własnego asystenta po każdego agenta, którego uruchamia twoja firma: pilotaż uruchamia MS Duplex na twojej własnej pracy, ze wskaźnikami uzgodnionymi przed startem.