MS DuplexRegler och godkännandenVisa allaVisa färre
Regler och godkännanden.
Dina regler går först, och de steg du väljer väntar på en människa.
I styrda miljöer stoppas ett steg som bryter mot en regel innan det körs, och de steg du väljer, till exempel en dyr simulering eller en ändring av delade data, väntar på att en person godkänner dem.
Minnas och styra · en av de fjorton förmågorna i MS Duplex


Ditt team får
- Kostsamma steg kontrolleras innan de startar
- Godkännanden dokumenterade, med vem som godkände vad
- Regler som ändras i dag, utan något att träna om
Vad regler och godkännanden betyder för ditt team.
Regler och godkännanden innebär att den AI som dina forskare och ingenjörer använder arbetar inom de gränser som ditt team sätter. En regel är något som ditt team kräver, till exempel en budgetgräns eller ett protokoll som ett steg måste följa. En preferens är hur ditt team helst arbetar, till exempel en föredragen metod eller en standardinställning. MS Duplex håller isär de två, och båda förblir synliga i resonemanget, så att vem som helst kan se vilken av dem som formade ett steg.
I styrda miljöer låter en konfiguration som stöds och har hooks de steg du väljer passera genom MS Duplex, så att dina regler gäller innan en kostsam simulering eller körning börjar. Där stoppas ett steg som bryter mot en regel innan det körs. De steg du markerar för godkännande, till exempel en dyr simulering eller en ändring av delade data, väntar på en person, och varje godkännande registreras med vem som godkände vad.
Regler ändras i takt med forskningen. En ny regel gäller från och med nästa begäran, utan något att träna om och ingen ny modellversion att validera, eftersom dina regler finns i MS Duplex bredvid modellen, och dess vikter lämnas som de är.
Därför behöver forskning AI som arbetar inom dina regler.
Forskningsagenter planerar nu körningar, anropar simulatorer och rör delade data. Ju mer de kan göra, desto viktigare är det att ditt teams regler går först.
Ett forskningsteam bygger på regler som är lätta att formulera och dyra att bryta: en beräkningsbudget, ett godkänt protokoll, referensdata som bara vissa personer får ändra, en granskning innan ett resultat markeras som slutgiltigt. En ny kollega lär sig dem under flera månader. En AI-agent behöver ha dem synliga i varje steg, åtskilda från de vanor och preferenser som är öppna för bedömning.
När regler bara finns i en prompt eller en anteckning kan en agent missa dem, och ingen märker det förrän körningen redan har förbrukat sin budget. Godkännanden som ges i en chatt är svåra att hitta i efterhand. I styrda miljöer kontrollerar MS Duplex de steg du väljer innan de startar och sparar varje godkännande med det steg det tillät, så att historiken visar vem som beslutade vad.
Körningar är dyra
En simulering eller ett experiment som aldrig borde ha startats kostar beräkningskraft och labbtid som en kontroll i förväg hade sparat.
Delade data är viktiga
En ändring av data som hela teamet förlitar sig på förtjänar en persons godkännande innan den sker.
Regler ändras
Ett nytt protokoll eller en ny budget måste gälla från och med nästa begäran, utan någon träningscykel att vänta på.
Beslut behöver en ansvarig
Ditt team behöver i efterhand kunna visa vem som godkände ett steg och på vilken grund.


Så fungerar regler och godkännanden i ditt teams vardag.
Ditt team sätter reglerna och väljer de steg som behöver en person. MS Duplex håller dem synliga och tillämpar dem, i styrda miljöer, innan ett steg börjar.
- 1
Ditt team sätter reglerna
Regler och preferenser registreras åtskilda, och ditt team väljer de steg som väntar på godkännande, till exempel en dyr simulering eller en ändring av delade data.
- 2
Din agent planerar arbetet
Den föreslår nästa steg med den modell och de verktyg som ditt team redan använder, och de regler och preferenser som formade det är synliga i resonemanget.
- 3
Steget kontrolleras
I styrda miljöer stoppas ett steg som bryter mot en regel innan det körs, och ett valt steg väntar på att en person godkänner det.
- 4
Godkännandet registreras
Vem som godkände vad sparas med det steg som godkännandet tillät. En ny regel som ditt team lägger till gäller från och med nästa begäran.
Ett exempel, inom alla områden där en agent planerar kostsamma körningar.
Ett teams agent planerar en serie körningar på en delad beräkningsbudget, i en styrd miljö. Under en vecka formar teamets regler vad den gör, och varje godkännande registreras.
- 1
En regel och en preferens
På måndagen registrerar teamet en regel om att varje körning över en fastställd kostnad väntar på godkännande, och en preferens för sin vanliga analysmetod. Båda är synliga i agentens resonemang från och med nästa begäran.
- 2
Ett steg som väntar
På tisdagen föreslår agenten en dyr simulering. I den styrda miljön väntar steget på godkännande. En seniorforskare godkänner det med en kommentar om varför, och godkännandet registreras.
- 3
Ett steg som stoppas
På onsdagen föreslår agenten att redigera en delad referenstabell, som en teamregel förbehåller tabellens ägare. I den styrda miljön stoppas steget innan det körs, och regeln bakom visas.
- 4
En ny regel
På torsdagen, efter en granskning, lägger teamet till en regel om att en kandidatdesign markeras som slutgiltig först efter en expertkontroll. Den gäller från och med agentens nästa begäran, utan något att träna om.
Regler och godkännanden håller de andra förmågorna i dina händer.
Varje förmåga i MS Duplex arbetar inom de regler som ditt team sätter.
Simulering före handling
Simulering före handling väger ett kostsamt steg mot målet, och i styrda miljöer avgör dina regler om det väntar på en person innan det körs.
Beslut som känner sina gränser
Svåra avvägningar går till en forskare med motiveringen, och i styrda miljöer väntar de steg du väljer på en persons godkännande, så att människor beslutar där ditt team vill det.
Lager för person, team och organisation
Dina regler avgör vad som flyttas mellan lagren för person, team och organisation, och en organisationsstandard gäller överallt där du vill ha den.
Ursprung, granskning och avinlärning
Varje godkännande ligger i samma historik som lärdomarna, med vem som godkände vad, redo att granskas och exporteras.
Det här får ditt team.
AI som arbetar inom ditt teams regler, med kostsamma steg kontrollerade och varje godkännande dokumenterat.
Kostsamma steg kontrolleras innan de startar
I styrda miljöer kontrolleras de steg du väljer mot dina regler innan beräknings- eller labbtid läggs.
Steg som bryter mot regler stoppas
I styrda miljöer stoppas ett steg som bryter mot någon av dina regler innan det körs.
Godkännanden där du vill ha dem
De steg du väljer, till exempel en dyr simulering eller en ändring av delade data, väntar på att en person godkänner dem i styrda miljöer.
Dokumenterade godkännanden
Varje godkännande sparas med vem som godkände vad, redo för granskning.
Regler och preferenser åtskilda
Det som ditt team kräver och det som teamet helst vill göra hålls isär, och båda är synliga i resonemanget.
Regler som ändras i dag
En ny regel gäller från och med nästa begäran, utan något att träna om.
Vanliga frågor.
Låt nästa körning dra nytta av den förra.
Kom till oss med den forskning som din AI borde bli bättre på. Vi planerar en pilot på dina egna arbetsflöden, med dina experter som domare.

