Bed en agent om at løse en forsinket ordre, og den går straks i gang. Den slår ordren op, skriver et udkast til et svar, booker måske en kurer. Om kunden har pakken i denne uge, er en anden sag, for det afhænger af ting, agenten aldrig blev bedt om at holde sammen: reglerne for levering og refusion, kurerens seneste opdatering, hvem der skal godkende den ekstra udgift, og hvad der sker, når kunden ændrer adressen midtvejs.
Det er kløften mellem at udføre opgaver og at nå mål. De fleste AI-systemer er i dag gode til det første. Et mål kræver mere: en plan, et overblik over mulighederne, en beslutning, som nogen står til ansvar for, arbejde udført i rigtige systemer, en kontrol af, at det virkede, og tålmodigheden til at fortsætte, når noget ændrer sig.
Duplex er bygget til det andet. Den er det Agent Operating System, der drives af runtime-intelligens: du sætter målet, og Duplex koordinerer alt, hvad målet kræver, inden for dine regler, indtil resultatet er verificeret.
Et mål kommer ind, og Duplex henter konteksten ind og lægger en plan.
Et mål er mere end en liste over opgaver.
En opgave har en ende, du kan se fra starten: send e-mailen, opdater posten. Et mål har en ende, du skal nå: ordren leveret, leverandøren oprettet, kassen virker igen. Mellem de to ligger alt det, der gør arbejde svært. Fakta er spredt ud over systemer. Der er mere end én vej dertil, og hver koster noget forskelligt. Nogle trin kræver en persons godkendelse. Og tingene ændrer sig, mens arbejdet er i gang.
Når agenter håndterer opgaver én ad gangen, falder alt det på mennesker. Nogen samler konteksten, afvejer mulighederne, jagter godkendelsen, kontrollerer udfaldet og starter forfra, når et faktum ændrer sig. Agenten sparer et par minutter på hver opgave, og målet tager stadig lige så lang tid som altid.
Det er i koordineringen, tiden går, så det er koordineringen, Duplex tager sig af. Den samler arbejdets dele omkring målet, så planen, beslutningen, arbejdet og kontrollen bliver ét stykke arbejde i stedet for et stafetløb mellem mennesker og værktøjer.
Alt, hvad målet kræver, som én helhed.
Før noget kører, henter Duplex den kontekst ind, der betyder noget: sagens historik, de fakta, den afhænger af, og de regler, der gælder. Den lægger en plan og spiller hver mulighed frem, så det sandsynlige udfald af hver enkelt er klart, før der bruges tid eller penge. Hvor en sag er ny, finder den en tilgang ud fra det, den allerede ved, og kontrollerer den, før nogen stoler på den.
Mens arbejdet kører, tages hvert trin af en grund. Duplex går videre med det, dine regler tillader, og giver resten videre til et menneske med mulighederne og deres udfald lagt frem. Hvert modelkald og hver værktøjshandling kontrolleres mod dine regler, før det kører, og selve arbejdet foregår i dine systemer, gennem de værktøjer og agenter, dine teams allerede bruger.
Over tid bevarer arbejdet sin form. Et langt job forbliver ét job med sit mål, sin plan og sin fremdrift. En pause, en overdragelse eller et ændret faktum koster et øjeblik frem for arbejdet. Og når resultatet er kontrolleret mod målet, bliver det, der virkede, en færdighed til det næste lignende mål.
Ingen af disse dele er nye i sig selv. Det nye er, at de arbejder som ét system omkring dit mål i stedet for som separate værktøjer, som nogen skal koble sammen og holde øje med.
Dine regler, dine godkendelser, én registrering.
Koordinering er kun værd at have, hvis du kan stole på den, og tillid starter med kontrol. Du bestemmer målene, reglerne og de handlinger, der kræver et menneske. Duplex holder hver agent til dem i hver session, og de godkendelser, den beder om, går til de personer, du vælger.
Hvert trin efterlader en registrering: hvad der blev besluttet, på hvilke fakta, under hvilken regel og med hvis godkendelse. Når nogen spørger, hvorfor ekspreskureren blev booket, er svaret der, med chefens godkendelse ved siden af.
Den samme registrering er det, der lader arbejde bevæge sig mellem mennesker. En kollega, der tager sagen op næste morgen i et andet værktøj, starter fra det samme mål, den samme plan og den samme fremdrift, ikke fra et resumé, der er sat ind i en chat.
Læring er én del, ikke hele historien.
Duplex lærer af de resultater, dit team bekræfter, og det betyder noget: den verificerede måde at løse en forsinket ordre på er klar til den næste, og den forbliver din, når du skifter model. Men læring er én del af at nå mål, ikke en erstatning for resten. En agent, der lærer uden at planlægge, kontrollere og holde sig til dine regler, gentager bare sine fejl hurtigere.
Så Duplex placerer læringen, hvor den hører hjemme: efter at resultatet er kontrolleret. Det, dine agenter genbruger, er det, der nåede målet, inden for dine regler og med de godkendelser, det krævede.
Giv Duplex målet, ikke trinnene. Den samler planen, mulighederne, beslutningen, arbejdet, kontrollen og den tålmodighed, som mål kræver, og dine agenter gør færdigt, hvad de starter.