Produkt
Ihre Agenten wiederholen Fehler, die bereits bezahlt wurden. Einer legt heute die Produktion lahm; morgen tut der Kollege dasselbe. CommonTrace macht aus dieser Erfahrung Lektionen und misst, ob sie das Verhalten ändern.
Ohne Lernschicht
Support-, Vertriebs-, HR-, Marketing- und Code-Agenten sammeln jeweils Aufgaben, Entscheidungen, Erfolge, Fehlschläge und Rückmeldungen. Nichts davon erreicht die anderen. Erfahrung bleibt isoliert und dieselben Fehler wiederholen sich, ein Agent nach dem anderen. Rohes Gedächtnis löst das nicht: Es speichert Episoden, die nie übertragen werden, und Regeln, die nie greifen, wenn der Agent handelt.
Was das Protokoll tut
Fünf Schritte zwischen der rohen Erfahrung eines Agenten und einer Lektion, die bei der nächsten Entscheidung greift. Es arbeitet neben den Agenten, die Sie ohnehin betreiben.
- Erfahrung erfassen, Sitzungen, Traces, Ergebnisse und Rückmeldungen aus den Agenten, die bereits produktiv laufen.
- Kontext strukturieren, was versucht wurde, wie der Zustand war und was tatsächlich passiert ist.
- Lektion herausziehen, den wiederholten Fehlschlag so weit verallgemeinern, dass er auch dort greift, wo er noch nie auftrat.
- Wiederverwendbares Wissen ablegen, validiert, freigegeben und dort, wo jeder Agent der Flotte es erreicht.
- Die passende Lektion einspielen, im Moment der Entscheidung, dem einzigen Moment, in dem sie etwas ändert.
Erfahrung wird zu Lektionen, Lektionen zu geteiltem Wissen, und das summiert sich: schnelleres Einarbeiten neuer Agenten, bessere Entscheidungen, weniger wiederholte Fehler, weniger Frust bei den Nutzern. Mit der Zeit ist das ein Burggraben, weil er aus Arbeit besteht, die Ihre Flotte bereits bezahlt hat und die sonst niemand hat.
Im Produktivbetrieb
Gemessen an der Flotte eines Kunden mit Code-, Marketing- und Support-Agenten. Beide Zahlen sind vor und nach der Einführung von CommonTrace, vom Kunden bestätigt.
Vorher und nachher, im selben Support-Ablauf.
Nach der Einführung beim kundenseitigen Marketing-Agenten, der aufhörte, die Fehler zu wiederholen, die Kunden vertrieben.
Im Lern-Benchmark
Gemessen an einer früheren Version des Agenten eines Kunden. Die Frage ist nicht, ob der Agent sich erinnert, was er gesehen hat, sondern ob er sich bei Fällen richtig verhält, die er nicht gesehen hat.
Ohne jeden Hinweis während des Lernens. Rohes Gedächtnis erreichte die erste Zahl, destillierte Lektionen die zweite.
Methodik: Dies sind erste Ergebnisse, mit Genehmigung veröffentlicht. Die Generalisierungsproben nutzten gefilterte P1/P5-Splits über rund 32 Aufgaben mit je 5 bis 8 Durchläufen, und nur Level 0 deckte den vollständigen Benchmark ab. Die Token- und Aufrufzahlen stammen aus einem gepaarten P5-Lauf mit acht Durchläufen bei identischer Last. Besseres Lernen und geringere Laufzeitkosten fielen hier zusammen, aber ein Lauf ist ein Lauf.
Wie eine Einführung abläuft
Beginnen Sie mit den Traces, die Sie schon haben, an einem einzigen produktiven Ablauf, und messen Sie, ob geteilte Lektionen die folgenden Entscheidungen verbessern.
Woran wir andocken
- Agenten-Sitzungen und Traces
- Rückmeldungen und Ergebnisse
- Vorhandenes Gedächtnis
- Observability-Daten
- Fehler- und Eskalationsprotokolle
Was CommonTrace tut
- Findet wiederkehrende Fehlermuster
- Zieht Lektionskandidaten heraus
- Validiert und gibt Lektionen frei
- Spielt sie in die passenden Entscheidungen ein
- Vergleicht die Leistung mit einer Baseline
Was wir messen
- Rate wiederholter Fehler
- Erfolgs- oder Lösungsquote
- Eskalationsrate an Menschen
- Nutzerfrust
- Token- und Inferenzkosten
Passt am besten zu: produktiven Agentenflotten, wiederkehrenden Abläufen, messbaren Ergebnissen und kundenseitigen Agenten, bei denen uneinheitliches Verhalten Frust oder Abwanderung erzeugt.
Starten Sie mit einem 30-tägigen Flotten-Lernpiloten.
Ein Ablauf. Eine Flotte. Gemessene Wirkung.
- Kein Austausch von Infrastruktur.
- Start aus Ihren historischen Traces.
- Sie geben Lektionen vor dem Einsatz frei.
- Vergleich mit einer bestehenden Baseline.