A sua IA resolve um caso difícil uma vez. O MS Duplex comprova a resposta e reutiliza-a.
Passo 1 de 4: Um caso difícil
O seu modelo ajuda uma vez, o MS Duplex verifica-o.
Num caso difícil, o seu modelo é consultado uma vez, e o resultado comprovado é reutilizado a partir daí.
Skill Fabric: competências reutilizáveis. Atua A pedido, onde as suas regras o permitem. No Agent Operating System, é assim que cada agente ganha novas competências, programas comprovados e a ferramenta certa para cada trabalho.
Uma chamada ao modelo para todo um tipo de caso.
Sozinha, a sua IA volta a resolver o mesmo caso difícil sempre que ele aparece. Com o MS Duplex, resolve-o uma vez.
Passo 1 de 3: O primeiro caso
Chega o primeiro turno num feriado.
A sua IA é consultada uma vez sobre cada novo tipo de caso difícil.
Quando chega algo novo, a sua IA ajuda uma vez, o MS Duplex comprova a resposta, e cada caso parecido recebe essa resposta a partir daí.
Passo 1 de 4: Algo novo
Chega um caso ainda sem resposta comprovada: um turno da noite que passa da meia-noite e entra num feriado.
A sua IA só é consultada onde as suas regras o permitem.
Em algumas áreas de trabalho, as suas regras mantêm os casos longe de modelos externos. Aí, o MS Duplex recusa, e a sua equipa decide.
Passo 1 de 5: Permitido
Na área de salários, as suas regras permitem consultar um modelo, por isso o caso segue.
Escreve e testa pequenos programas.
Para uma tarefa bem definida, o MS Duplex escreve um pequeno programa, testa-o com casos conhecidos e só o usa quando passa.
- Um pequeno programa, comprovado em casos conhecidosO trabalho repetitivo e bem definido é feito por um programa testado, quase sem custo por execução.
- O seu modelo ajuda uma vez, o MS Duplex verifica-oNum caso difícil, o seu modelo é consultado uma vez, e o resultado comprovado é reutilizado a partir daí.
- Um problema resolvido, respondido a partir da sua soluçãoUm problema resolvido uma vez nunca mais é pago.
- A confiança num programa acompanha os seus resultadosOs resultados no mundo real aumentam ou diminuem a confiança em cada programa.
- Cada método comprovado, por estado e responsávelA sua equipa vê cada método em que o MS Duplex se apoia, quem é o responsável e onde se aplica.
- Um método, com os seus testes e históricoQualquer método pode ser inspecionado, até aos seus testes e ao seu historial.
- As peças reutilizáveis por trás dos seus programasOs blocos de construção que se repetem ficam visíveis, por isso a sua equipa sabe em que assenta o trabalho novo.
- As verificações por trás de um programaAntes de a sua equipa confiar num programa, pode ver os testes que ele passou.
- Um método comprovado passa a ser o preferidoO método com o melhor historial é o usado por omissão.
- Um método duvidoso, suspenso de imediatoUm método que possa ser inseguro deixa de ser usado de imediato.
- Um método corrigido volta a ser usadoDepois de corrigida a causa e de passar outra vez, o método volta a ser usado.
- Um método errado, retirado de vezUm método que se revela errado é retirado, e nunca volta a ser usado.
- Um programa apagado quando a lei o exigeUm programa e os seus dados são apagados quando a lei ou o responsável o exige.
- Uma peça com falhas, retirada de todo o lado onde foi usadaUm bloco de construção com falhas é retirado, juntamente com todos os métodos que o usavam.
- As peças que voltam sempreO que se repete entre programas comprovados torna-se uma peça partilhada, por isso os programas novos começam mais à frente.
- Cada método novo testado antes do usoUm método só chega ao seu trabalho depois de passar nos seus testes, seja novo ou alterado.
- Uma área nova começa a partir de métodos comprovadosUma área de trabalho nova pode começar com uma biblioteca de métodos comprovados, cada um verificado de novo localmente.
- O que os seus programas resolvem e poupamA sua equipa pode ver quanto trabalho os programas tiram à sua IA, e quanto isso poupa.
Veja-o no seu próprio trabalho.
Do seu próprio assistente a cada agente que a sua empresa opera, um piloto põe o MS Duplex no seu próprio trabalho, com as métricas acordadas antes de começar.