La maggior parte del settore IA ha passato gli ultimi anni a rincorrere due cose: modelli più grandi e demo migliori. Entrambe sono progresso reale. Nessuna delle due risponde alla domanda che un'azienda si fa davvero, che non è «quanto è brillante in una demo di cinque minuti?» ma «sa reggere un lavoro?»

Reggere un lavoro richiede qualcosa che la corsa alle demo ha saltato in sordina: memoria e continuità. Ed è su questo che abbiamo passato due anni.

Il problema poco appariscente

La continuità non è una funzione da titolo. Non la puoi mettere in uno screenshot. Un modello che ti ricorda per mesi non sembra più impressionante in una clip di trenta secondi di uno che non lo fa — la differenza emerge solo nel tempo, ed è esattamente per questo che è stata messa in secondo piano ovunque l'incentivo fosse la demo successiva.

Ma è nel tempo che avviene il lavoro. Un dipendente che ogni mattina dimentica tutto non è un dipendente, per quanto sia eloquente alle 9. Il divario tra «suona intelligente in una demo» e «gli si può affidare un ruolo per un anno» è quasi interamente continuità — memoria persistente, un'identità stabile e la capacità di riprendere da dove aveva lasciato.

Cosa hanno davvero comprato due anni

Non un modello più grande — non abbiamo bisogno di addestrarne uno. Ciò che il lavoro ha prodotto è un'architettura con la memoria come fondamenta invece che come aggiunta, e la prova che si comporta come speravamo:

Continuità ed emergenza — uno studio comportamentale di otto mesi su entità IA autonome e potenziate dalla memoria, che documenta come memoria persistente e funzionamento continuo producano identità stabile e adattamento nel tempo.
Il costo aggiuntivo del dimenticare — un metodo per quantificare il vero costo di efficienza del funzionamento senza stato, rispetto alle architetture potenziate dalla memoria.

Entrambi sono pubblici. Preferiamo mostrare il procedimento piuttosto che chiederti di fidarti di un aggettivo. Puoi leggere la ricerca per intero.

Perché te lo raccontiamo

Perché è il motivo onesto per cui un dipendente digitale è diverso dal chatbot che puoi aggiungere in un pomeriggio. Il chatbot era facile, ed è per questo che tutti ne hanno uno e ha smesso di aiutare. Il dipendente era difficile — richiedeva prima di risolvere il problema noioso — ed è per questo che vale la pena averlo.

Non abbiamo costruito l'IA per vincere una demo. Abbiamo costruito un dipendente digitale per ricordare i tuoi clienti. Due anni sul problema saltato è ciò che ci è voluto.

Guarda cos'è un dipendente digitale, oppure leggi gli articoli che ci stanno dietro.