Au cœur de CarryGo se trouve un modèle du monde, qui aide les organisations à voir, simuler, agir et apprendre en tant que système.
Au niveau produit, CarryGo est un modèle du monde, conçu d'abord pour les entreprises.
Au niveau système, ce n'est pas un modèle de fondation unique. Il combine un état du monde, des modèles de dynamique, un planificateur, un moteur d'exécution DAG durable, une exécution Butler–Worker et une gouvernance.
La distinction est importante.
Le modèle du monde répond à la question : dans quel état se trouve le monde, et comment une action pourrait-elle le modifier ?
Le planificateur, le DAG et les agents répondent à la question : quelle action doit être sélectionnée, qui peut l'exécuter, et comment peut-elle être réalisée en toute sécurité ?
Notre standard technique pour un modèle du monde est simple :
Il doit maintenir un état du monde actualisable, estimer les transitions d'état conditionnées par les actions, et se calibrer en continu par rapport à la réalité observée.
CarryGo connecte la planification, l'exécution et la gouvernance à ce modèle afin que la simulation puisse entrer dans les opérations réelles.
Une entreprise est déjà un monde
Une entreprise est composée de produits, clients, organisations, actifs, contrats, canaux, règles et relations.
Elle est partiellement observable : personne ne dispose de tous les faits pertinents.
Elle est multi-agents : employés, clients, fournisseurs, partenaires, plateformes, apporteurs de capitaux et régulateurs agissent de manière indépendante.
Elle est non stationnaire : les stocks, les flux de trésorerie, la concurrence et le sentiment du marché changent constamment pendant que les décisions sont prises.
Elle est réflexive : dès qu'une prévision déclenche un changement de prix, une campagne, une commande de réapprovisionnement ou un partenariat, l'objet de la prévision a changé.
Les modèles de langage peuvent raisonner sur ces dynamiques dans une fenêtre de contexte. Par défaut, cependant, ils ne maintiennent pas une représentation partagée, interrogeable et versionnée de la réalité de l'entreprise.
CarryGo est conçu pour fournir cette couche manquante.
Il fait plus qu'expliquer ce qui s'est déjà produit. CarryGo rassemble les ressources d'une entreprise, la demande du marché, la concurrence, les coûts et les contraintes dans le même monde opérationnel pour identifier les capacités sous-utilisées, les besoins non satisfaits et les opportunités qui méritent d'être exploitées. Voyez d'abord l'ensemble de l'entreprise ; ensuite, décidez par où commencer.
Comment le monde de l'entreprise devient opérationnel
Le système peut être compris en cinq couches :
CarryGo commence par l'initialisation de l'entreprise. Les produits, commandes, stocks, indicateurs financiers, relations organisationnelles, comptes-rendus de réunions, contrats, politiques et projets historiques entrent dans le même modèle opérationnel.
Ils ne sont pas simplement découpés pour la récupération. Ils deviennent des entités commerciales avec des relations, du temps, une provenance, une confiance et des permissions, formant l'état actuel du monde.
Parce qu'une entreprise est partiellement observable, CarryGo ne prétend pas avoir accès à un état de vérité absolue omniscient. Il maintient un état de croyance Bₜ avec des preuves, une provenance et une confiance.
À la base, le problème de modélisation peut être exprimé comme suit :
P(Sₜ₊₁ | Bₜ, Aₜ, Eₜ)
Étant donné la croyance actuelle Bₜ, une action candidate Aₜ et des événements externes incontrôlables Eₜ, quels états sont susceptibles de suivre ? De nouvelles observations Oₜ₊₁ mettent ensuite à jour l'état de croyance et calibrent la prédiction.
Pourquoi CarryGo est un modèle du monde hybride
CarryGo ne s'appuie pas sur un seul modèle opaque de bout en bout pour prédire une entreprise entière. Il combine quatre types de dynamiques :
- des règles déterministes pour les contrats, les permissions, les contraintes de stock, les limites financières et les approbations ;
- des modèles probabilistes pour la demande, la conversion, l'exécution, le coût et le risque ;
- des modèles causaux et de scénarios pour estimer les effets incrémentaux des interventions ;
- des LLM et des simulations multi-agents pour proposer des hypothèses, générer des plans, expliquer les preuves et modéliser les réponses des parties prenantes.
Les règles imposent des limites strictes. Les modèles probabilistes représentent l'incertitude. Les modèles causaux réduisent le risque de confondre corrélation et impact. Les agents explorent et exécutent des plans candidats dans des situations ouvertes.
Le résultat est un modèle du monde d'entreprise hybride dont les composants peuvent être inspectés, remplacés et calibrés.
De la prédiction à l'exécution : un scénario illustratif avec Duowei
Duowei est une marque chinoise de soins personnels ancrée dans la fabrication transparente et intelligente, répondant aux besoins de soins quotidiens dans un large éventail de scénarios.
Supposons que le taux de conversion dans un livestream de Duowei chute de 18 %. Un assistant IA conventionnel pourrait immédiatement recommander de réviser le script ou d'ajouter une promotion.
CarryGo se demande d'abord si le script est réellement la cause.
Il lit la composition du trafic, les clics sur les produits, les stocks vendables, les remboursements, l'exécution des commandes, les prix et les campagnes comparables. Il trouve trois changements : le trafic de faible pertinence a atteint 41 %, le produit phare a 1,6 jour de stock, et une partie de la demande est redirigée vers un substitut à moindre marge.
Il simule ensuite deux options. Les chiffres suivants illustrent l'expérience produit ; ce ne sont pas des prévisions de performance de production.
Option A : maintenir les dépenses médias, réviser le mécanisme du livestream et réapprovisionner immédiatement les stocks.
- Bénéfice de contribution incrémental attendu : 180 000–260 000 RMB
- Plage de risque de rupture de stock et d'exécution : 25 %–35 %
- Sensibilités clés : délai d'approvisionnement et coût du trafic effectif
Option B : réduire le trafic de faible pertinence, modifier le mix produit et ajuster le séquencement des créateurs.
- Bénéfice de contribution incrémental attendu : 120 000–170 000 RMB
- Plage de risque de changement d'audience : 8 %–14 %
- Sensibilités clés : pertinence de l'audience et marge du produit de substitution
Après approbation, le planificateur développe l'option sélectionnée en un DAG de projet. Le contenu révise le mécanisme. Les opérations médias ajustent les dépenses. La chaîne d'approvisionnement valide les stocks. Le Butler du créateur coordonne la planification. Les finances protègent le seuil de marge. Chaque nœud reçoit un exécuteur, une date limite, des critères d'acceptation et des éléments de travail.
Lorsque les résultats reviennent, CarryGo met à jour son explication du monde — pas simplement un résumé. La qualité du script peut perdre du poids dans l'attribution, tandis que la pertinence de l'audience et les stocks vendables deviennent des variables plus importantes. Le prochain DAG peut ajouter une porte conjointe audience-et-stock avant d'augmenter les dépenses.
Le DAG décrit comment CarryGo a l'intention de changer le monde. Les modèles de dynamique estiment comment le monde pourrait réagir. Les résultats enregistrent comment il a réellement réagi.
C'est ce que signifie l'évolution : un graphe plus précis, une structure modifiée et un meilleur chemin d'exécution.
La partie difficile n'est pas de réveiller 10 000 agents
Exécuter des milliers de sessions de modèles est relativement facile. Permettre aux agents, aux personnes et aux systèmes externes de modifier le même monde de l'entreprise sans le corrompre est beaucoup plus difficile.
Chaque action externe matérielle peut être comprise comme une Enveloppe d'Action contenant au moins :
Un agent ne modifie pas la réalité simplement parce qu'il a reçu une instruction. L'action doit passer des vérifications d'identité, de permission, de budget, de risque et de version du monde.
L'exécution durable nécessite des baux, de l'idempotence, une compensation et des instantanés. L'évolution gouvernée nécessite une relecture, des exécutions fantômes, un déploiement progressif, des portes d'approbation, un retour en arrière et des interrupteurs d'arrêt.
Quand nous disons que l'IA devrait opérer une entreprise, nous ne voulons pas dire une autonomie illimitée.
Nous voulons dire une autonomie qui peut être graduée, autorisée, observée, interrompue et tenue responsable.
Comment nous saurons si le modèle s'améliore
CarryGo ne devrait pas mesurer l'intelligence par la quantité de paroles de ses agents. Il devrait être évalué en fonction des résultats :
- taux de conflit d'état du monde ;
- erreur de prédiction d'état à un pas et à plusieurs pas ;
- calibrage entre le risque prédit et la fréquence observée ;
- écart entre les résultats attendus et réalisés ;
- violations de contraintes, actions en double et retours en arrière ;
- taux d'acceptation du DAG au premier passage ;
- échecs de régression après l'évolution du modèle.
Si ces métriques ne s'améliorent pas, « le modèle apprend » n'est qu'une affirmation marketing.
Comment nous le construisons
CarryGo a établi la couche explicite d'un modèle du monde d'entreprise : initialisation de l'entreprise, entités et connaissances métier, assemblage de contexte, exécution de DAG et de projets, orchestration Butler–Worker, permissions multi-locataires et traces d'exécution.
Cette couche rend l'état de l'entreprise traçable, les règles exprimables et les actions exécutables.
La prochaine étape renforce la dynamique apprise : simulation de scénarios, attribution des résultats, calibrage des prévisions et évolution gouvernée du DAG.
Au-delà, des Butlers représentant différentes organisations peuvent découvrir des opportunités et négocier sous des règles d'autorisation explicites et de divulgation minimale. Les transactions standardisées à faible risque peuvent se finaliser automatiquement dans les limites budgétaires et contractuelles prédéfinies.
Un modèle du monde n'est pas une fonctionnalité achevée en une seule version. C'est un système qui devient plus fidèle grâce à une opération réelle.
Un modèle du monde physique aide un robot à se demander : si je fais ce pas, que va-t-il se passer autour de moi ?
CarryGo aide une organisation à se demander : si nous changeons un produit, un prix, un canal, une équipe ou un partenariat, comment l'entreprise va-t-elle évoluer ensuite ?
Les LLM aident les gens à travailler plus vite.
CarryGo permet à une entreprise de comprendre, prédire, agir et apprendre comme un monde cohérent.
