Twoja AI raz rozwiązuje trudny przypadek. MS Duplex sprawdza odpowiedź i odtąd jej używa.
Krok 1 z 4: Trudny przypadek
Twój model pomaga raz, MS Duplex to sprawdza.
W trudnym przypadku twój model jest pytany raz, a udowodniony wynik jest od tej pory używany ponownie.
Skill Fabric: umiejętności wielokrotnego użytku. Działa Na żądanie, tam, gdzie pozwalają na to twoje zasady. W systemie Agent Operating System to dzięki niej każdy agent zyskuje nowe umiejętności, sprawdzone programy i właściwe narzędzie do każdego zadania.
Jedno wywołanie modelu na cały rodzaj przypadków.
Działając sama, twoja AI rozwiązuje ten sam trudny przypadek od nowa za każdym razem, gdy się pojawi. Z MS Duplex robi to raz.
Krok 1 z 3: Pierwszy przypadek
Pojawia się pierwsza zmiana w święto.
Twoja AI jest pytana raz o każdy nowy rodzaj trudnego przypadku.
Gdy pojawia się coś nowego, twoja AI pomaga raz, MS Duplex sprawdza odpowiedź, a każdy podobny przypadek dostaje odtąd tę odpowiedź.
Krok 1 z 4: Coś nowego
Przychodzi przypadek bez sprawdzonej jeszcze odpowiedzi: nocna zmiana, która po północy przechodzi w święto ustawowe.
Twoja AI jest pytana tylko tam, gdzie pozwalają na to twoje zasady.
W niektórych obszarach roboczych twoje zasady nie dopuszczają przypadków do zewnętrznych modeli. Tam MS Duplex odmawia, a decyzję podejmuje twój zespół.
Krok 1 z 5: Dozwolone
W obszarze płac twoje zasady pozwalają pytać model, więc przypadek idzie dalej.
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.