उत्पाद

आपके एजेंट वही ग़लतियाँ दोहराते हैं जिनकी क़ीमत पहले ही चुकाई जा चुकी है। आज एक प्रोडक्शन तोड़ता है; कल उसका साथी उसी तरह तोड़ेगा। CommonTrace उस अनुभव को सीख में बदलता है, और मापता है कि उससे व्यवहार बदला या नहीं।

सीखने की परत के बिना

सपोर्ट, सेल्स, HR, मार्केटिंग और कोड एजेंट, हर एक अपने काम, फ़ैसले, सफलताएँ, असफलताएँ और फ़ीडबैक जमा करता रहता है। इनमें से कुछ भी दूसरों तक नहीं पहुँचता। अनुभव अलग-थलग रह जाता है और वही ग़लतियाँ एक-एक करके दोहराई जाती हैं। कच्ची स्मृति अकेले इसे हल नहीं करती: वह ऐसे प्रसंग सहेजती है जो कभी आगे नहीं जाते, और ऐसे नियम जो एजेंट के काम करने के क्षण में कभी सक्रिय नहीं होते।

प्रोटोकॉल क्या करता है

एजेंट के कच्चे अनुभव से लेकर अगले फ़ैसले पर लागू होने वाली सीख तक, पाँच चरण। यह आपके पहले से चल रहे एजेंटों के साथ-साथ काम करता है।

1. अनुभव पकड़ना, आपके पहले से प्रोडक्शन में चल रहे एजेंटों के सेशन, ट्रेस, नतीजे और फ़ीडबैक से।
2. संदर्भ को ढाँचा देना, क्या करने की कोशिश थी, स्थिति क्या थी, और असल में क्या हुआ।
3. सीख निकालना, बार-बार होने वाली विफलता को इतना सामान्य रूप देना कि वह वहाँ भी काम आए जहाँ वह कभी दिखी नहीं।
4. पुन: उपयोगी ज्ञान सहेजना, जाँचा और स्वीकृत, और वहाँ रखा जहाँ बेड़े का हर एजेंट उस तक पहुँच सके।
5. सही सीख वापस डालना, फ़ैसले के ठीक उसी क्षण, जो अकेला क्षण है जब कुछ बदलता है।

अनुभव सीख बनता है, सीख साझा ज्ञान बनती है, और वह ज्ञान जुड़ता जाता है: नए एजेंट जल्दी तैयार होते हैं, फ़ैसले बेहतर होते हैं, दोहराई गई ग़लतियाँ घटती हैं, उपयोगकर्ता की झुँझलाहट कम होती है। समय के साथ यही आपकी बढ़त बनती है, क्योंकि यह उस काम से बनी है जिसकी क़ीमत आपका बेड़ा पहले ही चुका चुका है और जो और किसी के पास नहीं।

प्रोडक्शन में

एक ग्राहक के बेड़े पर मापा गया, जिसमें कोड, मार्केटिंग और सपोर्ट एजेंट चल रहे हैं। दोनों आँकड़े CommonTrace लगाने से पहले और बाद के हैं, और ग्राहक द्वारा पुष्ट हैं।

लर्निंग बेंचमार्क पर

एक ग्राहक के एजेंट के पुराने संस्करण पर मापा गया। सवाल यह नहीं कि एजेंट देखी हुई चीज़ याद रख पाता है या नहीं, बल्कि यह कि बिना देखे मामलों में वह सही व्यवहार करता है या नहीं।

पद्धति: ये शुरुआती नतीजे हैं, अनुमति लेकर प्रकाशित। सामान्यीकरण जाँच में छाँटे गए P1/P5 विभाजन इस्तेमाल हुए, जो लगभग 32 कार्यों को 5 से 8 प्रयासों के साथ कवर करते हैं, और पूरा बेंचमार्क केवल लेवल 0 ने कवर किया। टोकन और कॉल के आँकड़े समान भार पर मिलान किए गए आठ प्रयासों वाले P5 रन से हैं। यहाँ बेहतर सीख और कम रनटाइम लागत साथ आए, पर एक रन आख़िर एक ही रन है।

तैनाती कैसे होती है

जो ट्रेस आपके पास पहले से हैं उन्हीं से शुरू कीजिए, एक प्रोडक्शन प्रवाह पर, और मापिए कि साझा सीखें आगे के फ़ैसलों को बेहतर करती हैं या नहीं।

सबसे उपयुक्त: प्रोडक्शन में चल रहे एजेंट बेड़े, दोहराव वाले प्रवाह, मापे जा सकने वाले नतीजे, और ग्राहक-सामने वाले एजेंट जहाँ असंगत व्यवहार झुँझलाहट या ग्राहकों के जाने की वजह बनता है।

तैनाती का अनुरोध करें