በCodex ራስን የሚያሻሽሉ የታክስ ወኪሎችን መገንባት

Thrive Holdings እና OpenAI የባለሙያ እውቀትን ከCodex-የሚነዳ ዑደት ጋር በማዋሃድ ለCrete የሂሳብ ባለሙያዎች Tax AIን እንዴት በጋራ እንዳበለጸጉ

በእውነተኛው ዓለም ያሉ ሥርዓቶች በምርት ውስጥ ከላብራቶሪ ውስጥ እንደሚሰሩት በተለየ ሁኔታ ይሰራሉ፣ እናም ከማሰማራት በፊት ለመገመት አስቸጋሪ በሆኑ መንገዶች ይበላሻሉ። ቡድኖች እነዚያን ውድቀቶች ብዙ ጊዜ ከማስጀመር በኋላ ያገኛሉ፣ ከዚያም የጠርዝ ጉዳዮችን በመመርመር፣ እርምጃዎችን በማስተካከል፣ እና የምርት ግብረመልስን ወደ ዘላቂ የምርት ማሻሻያዎች በመተርጎም ሳምንታትን ያሳልፋሉ። የግብረመልስ ዑደቱ በእጅ የሚደረግ እና ዝግ ነው፣ እና መሃንዲስ ሲያራምደው ብቻ ይሻሻላል። ነገር ግን ዛሬ፣ በጥንቃቄ የተነደፈ የeval መሠረተ ልማት፣ ወደ ባለሙያዎች እና ወደ እውነተኛ ዓለም አካባቢዎች ቀጥተኛ መዳረሻ፣ እና የCodex የፊት መስመር የወኪል ችሎታዎች ጋር፣ ራሳቸውን የሚያሻሽሉ ወኪሎችን መገንባት ይችላሉ።

በዚህ ልጥፍ ውስጥ፣ ይህን ዓይነት ወኪል ለመገንባት Codexን እንዴት እንደተጠቀምን እንገልጻለን። ባለፉት ስድስት ወራት ውስጥ፣ OpenAI ወደ ፊት የተሰማሩ መሐንዲሶችና ተመራማሪዎች ከThrive Holdings መሃንዲሶች ጋር በመሆን Tax AIን ከ Crete⁠(በአዲስ መስኮት ውስጥ ይክፈታል) 30+ የሂሳብ ድርጅቶች ኔትወርክ ጋር እና ለእነሱ በጋራ ገነቡ፣ ይህም እየበለጠ ውስብስብ የሆኑ የታክስ ተመላሾችን ለማዘጋጀት ለመርዳት ነበር። Tax AI እያንዳንዱን ውድቀት እንዲፈልጉ እና እንዲያስተካክሉ በመሃንዲሶች ላይ ከመተማመን ይልቅ፣ የምርት አጠቃቀምን ራስ-ገዝ ማሻሻያን የሚመግቡ የተዋቀሩ ምልክቶች ለማድረግ Codexን ይጠቀማል።

የCrete ባለሙያዎች በእያንዳንዱ ወቅት አስር ሺዎች የሚቆጠሩ የታክስ ተመላሾችን ያዘጋጃሉ፣ ይህም በሚሊዮኖች የሚቆጠሩ መሠረታዊ ሰነዶችን ማስተናገድ ይጠይቃል። ለመካከለኛ እስከ ከፍተኛ ውስብስብነት ያላቸው ማስገቢያዎች፣ የውሂብ ማስገባት ብቻ በእያንዳንዱ ተመላሽ ላይ ስምንት ሰዓት ሊወስድ ይችላል፣ ብዙ ጊዜም የተዝረከረኩ የውሂብ ምንጮችን፣ ያለፈ ዓመት ሰነዶችን፣ እና በእጅ ማውጣትን እና ስሌትን ያካትታል። በታክስ ወቅቱ በጣም ተጠመደ በሆነው ጊዜ የታክስ ዝግጅት ከፍተኛ ማነቆ መሆኑን አመለከቱን።

ይህን ችግር ለመፍታት፣ Tax AI በዚህ የታክስ ወቅት በፓይለቱ የተሳተፉ የCrete ድርጅቶች ውስጥ 7,000 የታክስ ተመላሾችን አካሂዷል። ስርዓቱ 1040 እና 1041 የታክስ ተመላሾችን ለማዘጋጀት የሚወስደውን ብዙ ጊዜ የሚፈጅ ሂደት በራስ-ሰር ያከናውናል፣ ግን ከብቃት ጥቅሞቹ ይልቅ ይበልጥ የሚስብ ነገር ሥርዓቱ ራሱ ከሦስት ወራት በፊት መጀመሪያ ከተሰማራው ስሪት በሚለካ ሁኔታ የተሻለ መሆኑ ነው።

በTax AI ውስጥ፣ ባለሙያዎች ምንጭ ፋይሎችን ከደንበኛ-ተኮር ማስታወሻዎች ጋር ይጭናሉ። ከዚያ Tax AI ለግምገማ ዝግጁ የሆነ የታክስ ኤንጂን ማስገቢያ ይፈጥራል። ይህ ለባለሙያዎች በታክስ ዝግጅት ላይ የሚያሳልፉትን ጊዜ ወደ አንድ ሶስተኛ ያህል ይቆጥባል፣ ተመላሾችን እስከ 97% ትክክለኛነት ያረቅቃል፣ እና የማስተላለፊያ ዘዴን በ50% ያህል ያሳድጋል፣ ይህም ከደንበኞች ጋር ጊዜ ለማሳለፍ ተጨማሪ ቦታ ይፈጥርላቸዋል። 

Tax AI በኋላ እርማት ሳያስፈልገው አንድ ተመላሽ ምን ያህል ትክክለኛ ማጠናቀቅ እንደሚችል በመረዳት ይህን ማሻሻያ ልንለካ እንችላለን። ትክክለኛነትን የምንለካው ምን ያህል የተመላሾች ድርሻ 75%፣ 90% ወይም 100% ትክክለኛ የመስክ ሙሉነት እንደሚደርስ በመፈተሽ ነው። በመጀመሪያ ማስጀመሪያ ጊዜ፣ ከተመላሾች አንድ አራተኛ ብቻ 75% ትክክለኛ የመስክ ሙሉነት ላይ ነበሩ፣ ግን በስድስት ሳምንታት ውስጥ 86% ወደዚያ ደረሱ። ስርዓቱ በ90% እና 100% ትክክለኛ የመስክ ሙሉነት ደረጃዎች ላይ ከዚያም ፈጣን እድገት አሳየ። እነዚህ ገደቦች የተለያዩ ተመላሾች አሁንም ምን ያህል የባለሙያ ተከታታይ እርምጃ እንደሚፈልጉ ተግባራዊ ዕይታ ይሰጡናል። 

በመጀመሪያ ወቅት፣ Tax AI እንደ W-2s እና 1099s ያሉ ቀላል ሥራዎችን ይይዝ ነበር። ወቅቱ እየቀጠለ ሲሄድ፣ ወደ K-1s፣ schedules እና ይበልጥ አስቸጋሪ የጠርዝ ጉዳዮች ያሉባቸው ውስብስብ ተመላሾች ገባ። እያንዳንዱ አዲስ ችሎታ ከቀድሞው ይልቅ በእያንዳንዱ ተመላሽ ላይ ተጨማሪ ጊዜ ቆጠበ፣ ምክንያቱም የወሰዳቸው ተግባሮች በእጅ ለማድረግ ይበልጥ አስቸጋሪ እና ጊዜ የሚፈጁ ነበሩ። ዛሬም ቀጣይ እድገት እያየን ነው።

ቀጥሎ፣ ቡድኖቻችን Tax AIን በራስ-ማሻሻል እንዲሠራ በሦስት ወሳኝ ምሰሶዎች ላይ በመመርኮዝ እንዴት በጋራ እንደገነቡት እንመራችኋለን፦ 1) የባለሙያ ግብረመልስ፣ 2) የምርት ትሬሶች (ከግብዓቶች እስከ የመጨረሻ ውጤት ያለ የተዋቀረ ታሪክ)፣ እና 3) ቀጣይ እና ፈጣን የምርት ልማትን ለማስቻል በተስማሙ evals ላይ የተመሠረተ በCodex የሚነዳ የድግግሞሽ ዑደት። የእኛ ልምድ የባለሙያ እውቀት የአጠቃላይ ሥርዓቱን ጥራት እና በውስጡ የሚፈሰውን ውሂብ ለመቅረጽ ቁልፍ በሆነባቸው ዘርፎች ላሉ ሌሎች ገንቢዎች ጠቃሚ እንደሚሆን እንመኛለን።

ወደ ይበልጥ አስቸጋሪ የታክስ ዝግጅት ክፍሎች (K-1s፣ የኪራይ ሪል እስቴት ሰሌዳዎች፣ እና እሴቶች በብዙ ምንጭ ፋይሎች ላይ መጣጣም የሚጠይቁ የታክስ ቅጾች) ስንገባ፣ እውነተኛው ፈተና ምርቱ ውስብስብ የምርት ውድቀቶችን የሚታዩ፣ የሚገቡ እና ተግባራዊ ማድረግ መቻሉ መሆኑ ግልጽ ሆነ።

በምርቱ የመጀመሪያ ቀናት፣ አብዛኛው እርማት በእጅ ይደረግ ነበር። ባለሙያዎች የስርዓቱን ስህተቶች ሊያርሙ ይችሉ ነበር፣ ግን ምርቱ ሙሉ አውዱን አያዝም ነበር፦ ከማስገባት በፊት የተቀየረ እሴት እውነተኛ የማውጣት ስህተት፣ የማፕ ችግር፣ የጎደለ የምርት ድጋፍ፣ ወይም የሚጠበቅ የሥራ ፍሰት ጫጫታ ሊያመለክት ይችላል። እነዚያን ጉዳዮች መለየት አሁንም ከምህንድስና ቡድኑ ተከታታይ እርምጃ ይፈልግ ነበር። መሐንዲሶች የኮድ ወኪሎችን ሊጠቀሙ ይችሉ ነበር፣ ግን ስርዓቱ እስካሁን በማሻሻያ ዑደት ውስጥ AIን በትርጉም ያለው መንገድ ለመጠቀም አልተነደፈም ነበር። ለመውጣት የሚገባውን ትክክለኛ ተራራ ለመለየት የሚያስችለን ምልክት አልነበረንም።

ይህ ሥርዓቱን በሦስት ምሰሶዎች ዙሪያ እንድንነድፍ አደረገን፦

1. ከባለሙያዎች ጋር ቅርብ ይሁኑ፦ ሥራውን የሚያደርጉ ሰዎች ምርቱ የሚማረውን መምራት አለባቸው። የእነሱ ውስጣዊ ግንዛቤ እና ግንዛቤ የትኞቹ ስህተቶች እንደሚያስፈልጉ ያሳያል እና ቀጥሎ በየትኞቹ የሥራ ፍሰት ክፍሎች ላይ ማተኮር እንደሚገባ ለማሳወቅ ይረዳል።
2. ምርቱን እንዲሁ ይገንቡ ምርት ማስረጃ እንዲፈጥር፦ ምርቱ ግብዓቶችን እና ውጤቶችን ብቻ ሳይሆን ከምንጭ ቁሳቁስ፣ ወደ የተወጡ መስኮች እና ምንጫቸው፣ ወደ ታችኛው ማስገቢያ እና የባለሙያ እርማት ድረስ ያለውን ሙሉ መንገድ መያዝ አለበት።
3. በCodex የሚነዳ የማሻሻያ ዑደት ፍጠሩ፦ የምርት ጉዳዮች አንዴ ታይተው እና ተዋቅረው ከሆኑ፣ ወደ ግኝቶች፣ የተስማሙ evals እና የተገደቡ የምህንድስና ተግባሮች ሊለወጡ ይችላሉ። ከዚያ Codex ለመመርመር፣ ለውጦችን ለማቅረብ፣ በታለሙ እና በregression evals ላይ ለማረጋገጥ፣ እና ምርቱን ከበሙሉ በእጅ ከሚደረግ የድግግሞሽ ዑደት ይልቅ ፈጣን ለማራመድ ሊረዳ ይችላል። 

ከታች ያለው የኪራይ ንብረት ምሳሌ ያ ዑደት በተግባር እንዴት እንደሚሠራ ያሳያል፣ የባለሙያ እርማት እንዴት ወደ የተዋቀረ ግኝት፣ ከዚያ ወደ eval ዒላማ፣ እና በመጨረሻ ወደ Codex-የተገደበ የምህንድስና ተግባር እንደሚለወጥ ያሳያል።

የኪራይ ንብረት ገቢ በግለሰብ የታክስ ተመላሽ Schedule E ላይ ይመዘገባል። ከምህንድስና አንጻር፣ እሱን የማውጣት ተግባር ለመግለጽ ቀላል ነው ግን በጥሩ ሁኔታ ለማድረግ አስቸጋሪ ነው። ስርዓቱ የተዝረከረከ ምንጭ ቁሳቁስን (በእጅ የተጻፉ ማስታወሻዎች፣ ኢሜይሎች፣ ስፕሬድሺቶች እና ሌሎች የደንበኛ ፋይሎች) ማንበብ፣ ስርዓቱ በእርግጠኝነት ወደ ታክስ ኤንጂኑ ሊያያዝ የሚችለውን የኪራይ ንብረት መስኮች ማውጣት፣ እና ባለሙያ ውጤቱን እንዲያጸድቅ ወይም እንዲያርም በቂ ማስረጃ መጠበቅ አለበት። ከታች ያለው ቀላል ምሳሌ እነዚያ ምንጭ ፋይሎች እና የተወጡ ውጤቶች ምን ሊመስሉ እንደሚችሉ ያሳያል።

በወኪሉ የተተነበየው ዋጋ እና በተመዘገበው የታክስ ተመላሽ ውስጥ ያለው ትክክለኛ ዋጋ መካከል ያለው ልዩነት እውነተኛ የማውጣት ስህተትን ሊያመለክት ይችላል፣ ግን የባለሙያ ምርጫ፣ በታክስ ኤንጂኑ ውስጥ ካለፈው ዓመት ተመላሽ የተሸጋገረ እሴት፣ ወይም በማስገቢያ የሥራ ፍሰቱ ሌላ ቦታ የተጨመረ ወይም የተቀየረ ዋጋም ሊሆን ይችላል። ባለሙያዎች እነዚያን ጉዳዮች እንድንለይ ረዱን፣ ስለዚህም የትኞቹ እርምጃዎች የባለሙያ እርማት እንደሚፈልጉ ወይም ማስገባትን እንደሚያግዱ ለመለየት ቻልን።

እነዚህን እርማቶች በዝርዝር ማየት ስለቻልን፣ የግምገማ ሂደቱን ከመጨረሻ የውድቀት በኋላ የሚደረግ እርምጃ ወደ ቀጣይ የመማር ዑደት ቀየርነው። የባለሙያ እርምጃዎችን እንደ የተዋቀረ ውሂብ እንዲያዝ የሥራ ፍሰቱን አዘጋጀን። አሁን፣ እያንዳንዱ ጣልቃ ገብነት Tax AI በትክክል ምን እንዳቀረበ፣ ባለሙያው ምን እንዳሻሻለ፣ እና በመጨረሻ ወደ ተመዘገበው ተመላሽ ምን እንደገባ በመመዝገብ የምርቱን የማሻሻያ ዑደት ይመግባል።

እንደ ኪራይ ንብረቶች ያለ ውስብስብ የሥራ ፍሰት ላይ፣ ስርዓቱ በምንጭ ፋይሎች እና በተመዘገበው ተመላሽ መካከል የሚከሰተውን መጠበቅ አለበት። በዚያ መንገድ ላይ፣ ሰነዶች ይደራጃሉ፣ ይከፈላሉ እና ይመደባሉ፤ የኪራይ ንብረት መስኮች ወደ ምንጭ ቁሳቁስ በሚመለሱ ጥቅሶች ይወጣሉ፤ እነዚያ ዋጋዎች ወደ ታክስ ኤንጂኑ ይታያሉ፤ እና ባለሙያዎች ከማስገባት በፊት እነሱን አሁንም ሊያርሙ ይችላሉ። እነዚያ የምርት ደረጃ ትሬሶች ውድቀት የት እንደተከሰተ ለመመርመር ያስችላሉ። የባለሙያ እርማቶችን ወደ ጠቃሚ የግምገማ ዒላማዎች ለመቀየር፣ ስርዓቱ በሦስት እርምጃዎች ያካሂዳቸዋል፦

• ልዩነቱን ያዙ፦ የTax AI ውጤት ከተመዘገበው ተመላሽ ጋር ይነጻጸራል እና የሚጠበቀውን ዋጋ፣ የተተነበየውን ዋጋ እና ልዩነቱ ተግባራዊ መሆኑን የሚያሳዩ የመስክ ደረጃ የግምገማ ረድፎችን ለማመንጨት።
• ተዛማጅ ውድቀቶችን በቡድን አድርጉ፦ ተመሳሳይ የግምገማ ረድፎች ተደጋጋሚ የምርት ውድቀቶችን ከሚጠበቀው የሥራ ፍሰት ጫጫታ ለመለየት በቡድን ይደረጋሉ። ለምሳሌ፣ ተደጋጋሚ የባለሙያ እርማቶች Tax AI ብዙ ጊዜ “fair rental days” መስኮችን እንደሚያመልጥ፣ “other expenses”ን እንደሚያስተናግድ ችግር እንዳለበት፣ ወይም በአንድ ምንጭ ጥቅል ውስጥ ያሉ ብዙ የኪራይ ንብረቶችን እንደሚያደባልቅ ሊያሳዩ ይችላሉ።
• ተደጋጋሚ ንድፎችን ወደ የግምገማ ዒላማዎች ቀይሩ፦ አንዴ ከተገመገሙ እና ከተለኩ በኋላ፣ ተደጋጋሚ ግኝቶች Codex እንዲያሻሽል ግልጽ የግምገማ ዒላማዎች ይሆናሉ።

ሦስተኛው ምሰሶ በእነዚህ አዳዲስ evals ላይ እርምጃ ሊወስድ የሚችል የምህንድስና ዑደት መፍጠር ነው። Codex ማዕከላዊ የሚሆነው እዚህ ነው።

የእኛ የeval ፓይፕላይን Tax AI የ“fair rental days” መስክን በተከታታይ እንደሚያመልጥ ሲያመለክት፣ ባለሙያዎች ግን በታማኝነት እንደሚሞሉት እንደሆነ አስቡ። ይህ ግኝት አስቀድሞ ወደ የታለመ የeval ስብስብ ስለተዘጋጀ፣ ከወካይ ምንጭ ጥቅሎች እና ከሚጠበቁ ውጤቶች ጋር፣ Codex በምርቱ መዋቅር ውስጥ በቀጥታ ዋነኛ መንስኤን ሊመረምር ይችላል።

Codex የሚሠራው በብቻው ከደካማ የመጨረሻ ውጤት ጋር አይደለም። ትሬሱን፣ evalን፣ repoን እና skillsን በአንድነት ይመረምራል፦

• ፓይፕላይኑን መርምሩ፦ ጉዳዩ ያልተደገፈ መስክ፣ ያመለጠ የማውጣት ንድፍ፣ የምንጭ ምርጫ ችግር፣ የmapper ክፍተት፣ ወይም የgrader ጉዳይ መሆኑን ለመወሰን ምንጭ ፓኬጆችን፣ የማውጣት schemaዎችን፣ የmapper ባህሪን እና የኮድ መንገዶችን ይመርምሩ።
• የታለሙ ጥገናዎችን ተግብሩ፦ የማውጣት schemaን ያስፉ፣ ለኪራይ ንብረት ሰነዶች የምንጭ ምርጫን ያሻሽሉ፣ የታክስ ኤንጂን mapperን ያዘምኑ፣ ወይም የሚጠበቀው የሥራ ፍሰት ጫጫታ እንደ ውድቀት እየተቆጠረ ከሆነ graderን ያጥሩ።
• አረጋግጡ እና አቅርቡ፦ የታለመውን eval እንደገና አስኪዱ፣ ሰፊ የregression ስብስቦችን አስኪዱ፣ እና ለምህንድስና ግምገማ የእጩ pull request አሳዩ።
• ዑደቱን ዝጉ፦ ተደጋጋሚ የባለሙያ እርማትን ወደ ሊለካ የሚችል የምህንድስና ተግባር ቀይሩ። ማስረጃው ግልጽ ካልሆነ ወይም በደህና በራስ-ሰር ሊደረግ የማይችል ከሆነ፣ ጉዳዩ በግድ በዑደቱ ውስጥ ከመግባት ይልቅ ወደ የምርት ቡድኑ ይመለሳል።

የኪራይ ንብረት ምሳሌው የሰፊ እና እንደገና ሊጠቀም የሚችል ንድፍ ምልክት ነው፦ የምርት አርቲፋክቶችን እና ትሬሶችን በመጠቀም የወኪል ችሎታዎችን ማሻሻል። ከምርት ውሂብ የተገመገሙ ግኝቶች፣ የምንጭ ትሬሶች፣ የሚጠበቀው የታክስ ኤንጂን ውጤት፣ ተዛማጅ የኮድ ምሳሌዎች እና የeval ትዕዛዞች እንደ ግብዓቶች ስብስብ ሲሰጡ፣ Codex በሳምንታት እና በወራት ውስጥ አፈጻጸምን እና ትክክለኛነትን በተጨባጭ ሊያሻሽል ይችላል። ይህ በ harness engineering እና Symphony ላይ በሰራነው ሥራ የተገለጹትን መርሆዎች ይገነባል፣ እነዚህም ተግባሮችን ለCodex እንዴት ግልጽ እንደሚያደርጉ፣ የተገደበ አውድ እና መሣሪያዎችን እንዴት እንደሚሰጡ፣ እና ማረጋገጫን እና የሰው ግምገማን የአካባቢው ክፍል እንደሚያደርጉ ያሳያሉ። 

ያ ማስረጃ በራስ-ሰር ወደ Codex ተግባር አይለወጥም። የባለሙያ እርማት የማውጣት ስህተት፣ የማፕ ጉዳይ፣ ያልተደገፈ የምርት ባህሪ፣ የታክስ ፍርድ፣ ወይም የሚጠበቅ የሥራ ፍሰት ጫጫታን ሊያመለክት ይችላል። ተደጋጋሚ ልዩነቶች ከተገመገሙ እና ወደ ተግባራዊ ግኝት ከተቧደኑ በኋላ ብቻ ሥርዓቱ እነሱን ግልጽ የስኬት ሁኔታ ያለው የተገደበ ተግባር ያደርጋቸዋል።

ይህን ራስ-ሰር ሂደት በምርቱ ውስጥ በተገደበ ንብርብር ላይ እንተግብራለን። ይህ ንብርብር ማውጣትን ያከናውናል እና ምንጭ ሰነዶችን ወደ የታክስ የሥራ ፍሰቶች ይታያል። መሃንዲሶች ለአርክቴክቸር፣ ለምርት ውሳኔዎች እና ለማስረከብ ኃላፊነት ይቀጥላሉ። ባለሙያዎች አስቀድመው በሚያደርጉት ሥራ የማሻሻያ ዑደቱን ይመራሉ፦ የተወጡ ዋጋዎችን ማረም፣ ተመላሾችን መገምገም፣ እና የመጨረሻ ማስገቢያዎችን ማጽደቅ።

ለCodex፣ ውጤቱ ግልጽ ያልሆነ ማስጠንቀቂያ ሳይሆን በማስረጃ፣ ሊስተካከሉ በሚችሉ የምርት ገጾች እና ግልጽ የማረጋገጫ መስፈርቶች የተደገፈ የተወሰነ የምህንድስና ተግባር ነው። የአንድን ተወካይ የኪራይ ንብረት ተግባር አውድ እንደሚከተለው ማጠቃለል ይቻላል፦

ተመሳሳይ ዑደት ከኪራይ ንብረቶች በላይም ይተገበራል። የኪራይ ንብረቶች 90% ትክክለኛነትና ማስታወስ ለመድረስ ወደ ስድስት ሳምንት እና ከፍተኛ የምህንድስና ክትትል ወስደዋል፣ ግን ያ ሥራ እንደገና ሊጠቀሙ የሚችሉ አብስትራክሽኖችን፣ የግምገማ አርቲፋክቶችን፣ የeval ልማዶችን እና የተግባር ንድፎችን ፈጥሯል፣ ይህም እንደ Schedule C እና Schedule A ያሉ ተመሳሳይ ውስብስብ ሰሌዳዎችን ለመደገፍ ቀላል አድርጎታል።

Tax AI ራስን የሚያሻሽሉ ወኪሎችን ለመገንባት መንገድ እንዳለ ያሳያል። ባለሙያዎች አገልግሎቱን በማቅረብ ከፍተኛ ዋጋ ያላቸው የግብረመልስ ምልክቶችን ያመነጫሉ። የምርት የሥራ ፍሰቶች እነዚያን ምልክቶች እንደ የተዋቀረ ማስረጃ ይጠብቃሉ። በeval የተደገፉ የምህንድስና ሥርዓቶች ማሻሻያዎች ወደ ምርት ከመድረሳቸው በፊት ያረጋግጣሉ፣ እና በወኪል የሚነዳ ዑደት ስርዓቱን በቀጣይ ራስን በማሻሻል ፍሰት ውስጥ ያቆየዋል። 

የThrive Holdings መዋቅር ይህን አካባቢ በተወሰኑ ኢንዱስትሪዎች ውስጥ እንድንደግም ያስችለናል። Holdings ባለቤትም Operatorም ስለሆነ፣ የተዋሃዱ የምህንድስና ቡድኖቻችን እንደ አቅራቢ ሳይሆን እንደ አጋሮች ከCrete ያሉ ንግዶች ውስጥ ካሉ ባለሙያዎች እና የምርት ውሂብ ጋር በቀጥታ መሥራት ይችላሉ። ይህ ማለት ቴክኖሎጂው፣ ምርቱ እና አገልግሎቱ ሁሉም በአንድ ጣሪያ ስር እንዲሆኑ ስለሚያደርግ ፈጣን እንድንንቀሳቀስ እና ልዩ ምርቶችን እንድንገነባ ይረዳናል።

አንዲት ከፍተኛ የሂሳብ ባለሙያ ባለፈው ዓመት በታክስ ዝግጅት ላይ 180 ሰዓት ያሳለፈች ሲሆን ዘንድሮ 15 ሰዓት ብቻ አሳለፈች። የዚያን ጊዜ አንድ ክፍል ለእያንዳንዱ ደንበኞቿ ስልክ በመደወል እና ተመላሾቻቸውን በማስረዳት አዋለች፣ ይህም ከአንድ ዓመት በፊት የማይቻል የነበረ ከፍተኛ የቅርብ አገልግሎት ደረጃ ነው። የቀረውን ጊዜ አዳዲስ ደንበኞችን ለመቀበል እና ወደ አዳዲስ የአገልግሎት አቅርቦቶች ለመስፋፋት ተጠቀመችበት።

በአንድነት፣ ቡድኖቻችን አሁን ከTax AI ያለውን ተመሳሳይ ሶስት-ክፍል ንድፍ በ Thrive Holdings⁠(በአዲስ መስኮት ውስጥ ይክፈታል) ውስጥ በሌሎች ዘርፎች የሥራ ፍሰቶችን ለመገንባት እንደ ንድፍ እየተጠቀሙ ነው፤ እንደ መዝገብ አያያዝ እና ኦዲት ያሉ የሂሳብ የሥራ ፍሰቶች፣ እና እንደ IT help desk automation ያሉ የኦፕሬሽን የሥራ ፍሰቶች። በዘርፎችና በኢንዱስትሪዎች ሁሉ ላይ፣ ራስን የሚያሻሽሉ ወኪሎች ያላቸው ሰፊ ተስፋ ይጸናል። ምርጥ ወኪሎች በጊዜ ሂደት ይበልጥ ችሎታ ያላቸው፣ ይበልጥ የሚታመኑ እና ይበልጥ ዋጋ ያላቸው እንዲሆኑ በሰዎች ይመራሉ።

በዚህ ፕሮጀክት ላይ ስለሠራው የOpenAI ቡድን ተጨማሪ ለማወቅ፣ ያግኙን።