Participe de nossos boletins diários e semanais para obter as atualizações mais recentes e conteúdo exclusivo sobre a cobertura de IA líder do setor. Saber mais
A American Express é uma empresa multinacional gigante com cerca de 80.000 funcionários, então, como você pode imaginar, algo sempre está por vir – seja um trabalhador que luta com o acesso a Wi -Fi ou lidando com um laptop no Fritz.
Mas como alguém conhece em primeira mão, interagir com ele – particularmente chatbots – pode ser uma experiência frustrante. As ferramentas automatizadas podem oferecer respostas vagas e não específicas ou paredes de links que os funcionários precisam clicar até chegarem àquele que realmente resolve seu problema-ou seja, se não desistirem de frustração e clique em “Leve-me a um humano” primeiro.
Para aumentar esse cenário desgastado, a Amex infundiu IA generativa em seu chatbot interno de TI. O chatbot agora interage de maneira mais intuitiva, se adapta ao feedback e orienta os usuários por meio de problemas passo a passo.
Como resultado, a Amex diminuiu significativamente o número de ingressos de TI dos funcionários que precisam ser escalados para um engenheiro ao vivo. A IA é cada vez mais capaz de resolver problemas por conta própria.
“Está dando às pessoas as respostas, em oposição a uma lista de links”, disse Hilary Packer, Amex EVP e CTO, à VentureBeat. “A produtividade está melhorando porque estamos voltando ao trabalho rapidamente.”
Validação e precisão O ‘Santo Graal’
O chatbot de TI é apenas um dos muitos sucessos de IA da Amex. A empresa não tem escassez de oportunidades: de fato, um conselho dedicado identificou inicialmente 500 casos de uso potencial em toda a empresa, reduzindo isso para 70 agora em vários estágios de implementação.
“Desde o início, queríamos facilitar a criação de soluções da Gen AI e de ser compatível”, explicou Packer.
Isso é entregue através de uma camada de ativação principal, que fornece “receitas comuns” ou código de partida que os engenheiros podem seguir para garantir a consistência entre os aplicativos. As camadas de orquestração conectam os usuários aos modelos e permitem que eles trocem modelos dentro e fora com base no caso de uso. Um “AI Firewall” envolve tudo isso.
Embora ela não tenha entrado em detalhes, Packer explicou que a Amex usa modelos abertos e de código fechado e testa a precisão por meio de um extenso processo de gerenciamento de riscos e validação de modelos, incluindo geração de recuperação de agitação (RAG) e outras técnicas de engenharia rápidas. A precisão é fundamental em um setor regulamentado, e os dados subjacentes devem estar atualizados, para que sua equipe gaste muito tempo mantendo as bases de conhecimento da empresa, validando e reformatando milhares de documentos para obter os melhores dados possíveis.
“A validação e a precisão são o santo graal agora da IA generativa”, disse Packer.
Ai reduzindo a escalada em 40%
O chatbot interno de TI – a função de suporte tecnológica mais usada da Amex – foi um caso de uso precoce natural.
Inicialmente, alimentado pelos modelos tradicionais de processamento de linguagem natural (PNL)-especificamente as representações de codificadores bidirecionais de aprendizado de máquina de código aberto da estrutura de Transformers (BERT)-agora integra a Gen AI de código fechado para fornecer assistência mais interativa e personalizada.
Packer explicou que, em vez de simplesmente oferecer uma lista de artigos da Base de Conhecimento, o Chatbot envolve os usuários com perguntas de acompanhamento, esclarece seus problemas e fornece soluções passo a passo. Ele pode gerar uma resposta personalizada e relevante resumida em um formato claro e conciso. E se o trabalhador ainda não estiver recebendo as respostas de que precisam, a IA poderá escalar problemas não resolvidos para um engenheiro ao vivo.
Por exemplo, quando um funcionário tem problemas de conectividade, o chatbot pode oferecer várias dicas para solucionar problemas para levá -los de volta ao WiFi. Como Packer explicou: “Pode ser interativo com o colega e dizer: ‘Isso resolveu seu problema?’ E se eles disserem não, pode continuar e dar a eles outras soluções. ”
Desde o lançamento em outubro de 2023, a Amex registrou um aumento de 40% em sua capacidade de resolver as consultas sem precisar ser transferido para um engenheiro ao vivo. “Estamos recebendo colegas a caminho, tudo muito rapidamente”, disse Packer.
85% dos conselheiros de viagem relatam eficiência com a IA
A Amex possui 5.000 conselheiros de viagens que ajudam a personalizar os itinerários do cartão mais elite da empresa (preto) e membros do cartão de platina. Esses clientes de primeira linha são alguns dos mais ricos da empresa e esperam um certo nível de atendimento e suporte ao cliente. Como tal, os conselheiros precisam ter o mais conhecimento possível sobre um determinado local.
“Os conselheiros de viagens se estendem por várias áreas diferentes”, observou Packer. Por exemplo, um cliente pode estar perguntando sobre sites obrigatórios em Barcelona, enquanto o próximo está perguntando sobre os restaurantes de cinco estrelas de Buenos Aires. “Está tentando manter tudo isso na cabeça de alguém, certo?”
Para otimizar o processo, a Amex foi lançada “assistência ao conselheiro de viagem”, um agente de IA que ajuda a curar recomendações de viagens personalizadas. Assim, por exemplo, a ferramenta pode extrair dados de toda a web (como quando um determinado local está aberto, seu pico de horas de visita e restaurantes próximos), que é combinado com dados proprietários da Amex e dados do cliente (como o restaurante que o detentor do cartão provavelmente estaria interessado em com base em hábitos de gastos passados). Packer disse que isso ajuda a criar uma visão holística, precisa e oportuna.
O AI Companion agora suporta 5.000 conselheiros de viagens da Amex em 19 mercados – e mais de 85% deles relatam que a ferramenta economiza tempo e melhora a qualidade das recomendações. “Portanto, tem sido uma ferramenta realmente, muito produtiva”, disse Packer.
Embora pareça que a IA possa assumir o controle do processo, Packer enfatizou a importância de manter os seres humanos informados: as informações recuperadas pela IA são combinadas com conselheiros de viagens e conhecimento institucional para fornecer recomendações personalizadas que refletem os interesses dos clientes.
Porque, mesmo nesta era orientada pela tecnologia, os clientes desejam recomendações de um colega humano que possa fornecer contexto e relevância-não apenas um itinerário genérico que foi reunido com base em uma pesquisa básica. “Você quer saber que está falando com alguém que vai pensar nas melhores férias para você”, observou Packer.
Assistência de colega aprimorada da AI-Ai, companheiro de codificação
Entre suas outras dezenas de casos de uso, a Amex aplicou a IA a um “Centro de Ajuda de Colega” – semelhante ao chatbot de TI – que alcançou uma taxa de precisão de 96%; Otimização aprimorada de pesquisa que retorna os resultados com base na intenção de palavras pesquisadas, em vez de palavras literais, levando a uma melhoria de 26% nas respostas; e assistentes de codificação de IA que aumentaram a produtividade dos desenvolvedores em 10%.
Os 9.000 engenheiros da Amex agora usam o GitHub Copilot, principalmente para testes e conclusões de código. O Packer explicou que também há um recurso de conversa sobre seu código que permite aos desenvolvedores fazer perguntas sobre o código. Eventualmente, a empresa gostaria de expandi-lo no Ciclo de Vida de Desenvolvimento de Software (SDLC) de ponta a ponta e à documentação da API.
Notavelmente, Packer disse que mais de 85% dos codificadores expressaram satisfação com a ferramenta, o que reflete a abordagem da empresa ao Gen AI.
“Não está apenas funcionando, mas quando um colega está interagindo com ele, eles gostam?”, Disse Packer. “Tivemos alguns pilotos em que dissemos que podemos alcançar o resultado que queremos, mas não estamos obtendo uma ótima satisfação do colega. Queremos continuar isso? Esse é realmente o resultado certo para nós?”
Fonte ==> Cyberseo
