Nous posons d'abord les fondations, puis nous construisons les agents.
Pour l'entreprise qui a donné un compte IA à tout le monde, mené un an d'expérimentations et ne voit aucune amélioration sur son résultat. Des individus plus rapides ne font pas automatiquement une entreprise plus productive.
Des collaborateurs plus rapides, la même entreprise.
Une entreprise construite aujourd'hui, ou repensée volontairement, tourne des ordres de grandeur plus vite qu'une entreprise qui a greffé un modèle sur le processus qu'elle avait déjà. C'est cela, l'écart, et il se creuse chaque trimestre où vous le laissez.
Les architectes ont eu l'acier pendant des années avant que quiconque comprenne qu'il signifiait le gratte-ciel. Les industriels ont eu l'électricité avant de comprendre qu'elle signifiait un nouvel atelier, et pas seulement un atelier plus rapide. Le même décalage est à l'œuvre aujourd'hui.
L'effet sur le résultat arrive dès que l'entreprise est réorganisée autour de ce que le modèle sait déjà faire.
Comment nous concevons une entreprise AI-native
On a déplacé le moteur et laissé le plan de l'usine tel quel.
Une couche de contexte, un harness, et les workflows qui tournent dessus.
Ce que nous construisons dépend du problème. Parfois la couche de contexte, parfois un harness sur mesure, le plus souvent les deux.
Arrêtez d'acheter des copilotes, des chatbots et des présentations de transformation. Construisez un système d'exploitation durable autour du travail que vous faites déjà.
Le modèle est un produit banalisé, et il devient moins cher et meilleur sans vous. Ce qui dure, c'est le contexte que vous lui donnez et le harness qui transforme des tokens en travail de production cadré et auditable.
Un seul workflow, et il doit compter
Nous commençons par un seul workflow à fort enjeu. La facturation, le traitement des sinistres, des processus fondamentaux que personne n'a jamais mis par écrit. L'enjeu élevé est voulu. Les gens corrigent un système qui compte et ignorent un système qui ne compte pas.
La couche de contexte
Avant qu'un modèle ne voie la moindre de vos données, nous mettons par écrit les règles non écrites de ce workflow. Qui peut approuver une remise au-dessus du seuil : voilà le genre de règle qui vit dans la tête d'une seule personne et nulle part ailleurs.
Cela prend la forme de fichiers versionnés dans un dépôt, à côté des définitions de schéma et des exceptions connues. Des agents rédigent la première version. Un ingénieur senior la corrige, assis à côté de vos collaborateurs les plus fiables. C'est de là que vient la valeur.
C'est un objet différent de la documentation ordinaire. Quelqu'un dessine un schéma une fois, mais la plupart du temps plus personne ne l'ouvre ensuite. Ces fichiers-là sont lus chaque jour, parce qu'un agent les lit chaque jour, et un document qui est lu est un document qui se fait corriger.
Le harness
Seul, un modèle est un cerveau sans mains. Le harness est le logiciel qui l'entoure. Il donne au modèle des outils et de la mémoire, décide ce qu'il peut voir et faire, et enregistre ce qu'il a fait.
- Le travail déterministe reste dans le code. Les calculs, la consultation des règles, la validation. On ne demande pas à un modèle ce qu'un script fait mieux.
- Des jeux d'évaluation et des contrôles qualité qui bloquent par défaut, pour qu'une mauvaise réponse s'arrête au lieu de partir.
- Un environnement d'exécution isolé, dans votre propre cloud.
- Une passerelle de modèles, pour que changer de fournisseur tienne dans un changement de configuration, sans tout reconstruire.
- De l'observabilité, un contrôle d'accès, et des traces de coûts qu'un directeur financier lit sans traducteur.
Le harness est la partie qui capitalise. Une fois qu'il tient debout, l'ingénieur qui arrive l'an prochain rejoint un système qui absorbe déjà l'IA, au lieu d'une équipe qui se demande encore s'il faut s'y mettre.
Ce qui vous reste
Nous envoyons tout vers un dépôt qui vous appartient. Les spécifications, les commandes, les jeux d'évaluation, le graphe de connaissances. Et nous mesurons le travail à ce qu'il rapporte par token dépensé, plutôt qu'au nombre de personnes qui se sont connectées à un outil.
Ce que nous construisons de la même manière
-
Un rapport quotidien de financement de stock pour une société de négoce. Les chiffres sortent de l'ERP chaque matin, sont vérifiés contre la règle, et partent.
-
Un moteur de marché pour une équipe commerciale. Il observe chaque entreprise à laquelle elle pourrait vendre, juge l'adéquation et propose le prochain contact. Une personne approuve chaque proposition.
-
Une base de connaissances pour une agence qui travaille pour des clients concurrents. La structure elle-même cloisonne le matériel de chaque client, sans reposer sur une promesse de comportement.
-
Le company brain de Voxdale. Des milliers de pages Confluence mises hors service en huit jours, et les collègues y construisent maintenant leurs propres petits outils.
Lire l'histoire de Voxdale
J'apprécie énormément que Machinegeist nous ait aidés à foncer et à oser, tout en apportant de la structure et en gardant le contrôle sur les données, la vie privée et la qualité.
Les personnes, le processus, la technique. Dans cet ordre.
Les personnes
Nous repérons les personnes qui sont déjà bonnes à cela, dans la direction et dans chaque département. Elles deviennent le noyau, et le reste de l'entreprise apprend d'elles plutôt que d'une vidéo de formation. Vos propres collaborateurs finissent par exploiter le système, il n'y a donc pas de département IA à recruter.
Le processus
Une entreprise ne devient pas plus efficace en rendant chaque personne plus productive. Nous redessinons d'abord les passages de relais. Ensuite nous classons chaque étape dans l'une de trois catégories : un logiciel classique, un agent, ou une personne qui décide avec les éléments déjà préparés.
La technique
Le company brain, le harness dans lequel les agents tournent, et l'endroit où le modèle tourne. Seul, un modèle est un cerveau sans mains. Le harness est le logiciel qui l'entoure. Il donne au modèle des outils et de la mémoire, décide ce qu'il peut voir et faire, et enregistre ensuite ce qu'il a fait. Nous restons délibérément agnostiques quant au modèle, pour qu'un fournisseur puisse être remplacé sans tout reconstruire.
Nous vendons de l'IA, alors croyez-nous sur parole. La plupart des problèmes attendent de meilleures personnes ou un meilleur logiciel. Dans les systèmes que nous construisons, le modèle est un composant, rarement la plus grosse pièce. Confiez à un modèle une tâche qu'un script aurait faite et vous payez trois fois. En tokens, en maintenabilité et en prévisibilité. Le reste du système, nous le gardons déterministe à dessein.
Trois phases. Chacune apporte de la valeur à elle seule.
-
Auditer et prioriser
moins de 2 semainesNous apprenons comment vous décidez et comment vous travaillez. Nous identifions les processus qui limitent le plus la production de votre entreprise et nous proposons comment les corriger. Suivi d'un go ou d'un no-go.
-
Construire et déployer
quelques jours par workflowNous encodons d'abord le modèle opérationnel. Une fois que le company brain tient debout, chaque workflow est construit et livré en quelques jours, sur des données que vous avez déjà et avec votre équipe dans la pièce. Le deuxième va plus vite que le premier.
-
Former et maintenir
Votre équipe apprend à exploiter et à étendre le système. Faites-le tourner sans nous, ou gardez-nous pour le garder affûté. Aucun verrouillage dans les deux cas.
Tout ce que nous construisons vous reste.
Cartographier le goulot d'étranglement en une semaine. Déployer le premier workflow en quelques jours.