Únase a nuestros boletines diarios y semanales para obtener las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder de la industria. Obtenga más información
La industria de servicios financieros es uno de los sectores más regulados. También administra grandes cantidades de datos. Consciente de la necesidad de precaución, las compañías financieras han AI generativo agregado lentamente y agentes de IA a sus establos de servicios.
La industria no es ajena a la automatización. Pero el uso del término “agente” ha sido silenciado. Y comprensiblemente, muchos en la industria tomaron un postura muy cautelosa hacia la IA generativaespecialmente en ausencia de marcos regulatorios. Ahora, sin embargo, bancos como JP Morgan y Financial institution of America ha debutado Asistentes con AI.
Un banco a la vanguardia de la tendencia es Bny. La compañía de servicios financieros fundada por Alexander Hamilton está actualizando su herramienta AI, Eliza (llamada así por la esposa de Hamilton), desarrollándola en un recurso de múltiples agentes. El banco considera que los agentes de IA brindan asistencia valiosa a sus representantes de ventas mientras involucran más a sus clientes.
Un enfoque de múltiples agentes
Sarthak Pattanaik, jefe del centro de inteligencia synthetic de BNY, dijo a VentureBeat en una entrevista que el banco comenzó descubriendo cómo conectar sus muchas unidades para que se pueda acceder fácilmente a su información.
BNY creó un agente de recomendación principal para sus diversos equipos. Pero hizo más. De hecho, utiliza una arquitectura de múltiples agentes para ayudar a su equipo de ventas a hacer recomendaciones adecuadas a los clientes.
“Tenemos un agente que tiene todo [the sales team] saber[s] sobre nuestro cliente ”, dijo Pattanaik. “Tenemos otro agente que habla sobre productos, todos los productos que el banco tiene … desde liquidez hasta garantías, pagos, el tesoro, and so forth. En última instancia … estamos tratando de resolver una necesidad del cliente a través de las capacidades que tenemos, las capacidades del producto que tenemos “.
Pattanaik agregó que sus agentes han reducido el número de personas con las que muchas de sus empleados orientados a los clientes deben hablar para determinar una buena recomendación para los clientes. Entonces, “en lugar de que los vendedores hablen con 10 gerentes de productos diferentes, 10 personas con clientes diferentes, 10 personas de segmento diferentes, todo eso se hace ahora a través de este agente”.
El agente permite que su equipo de ventas responda preguntas muy específicas que los clientes podrían tener. Por ejemplo, ¿el banco apoya monedas extranjeras como el Ringgit de Malasia si un cliente quiere lanzar una tarjeta de crédito en el país?
Como lo construyeron
Las capacidades de recomendación de múltiples agentes debutaron en la herramienta Eliza de BNY.
Hay alrededor de 13 agentes que “negocian entre sí” para encontrar una buena recomendación de productos, dependiendo del segmento de advertising and marketing. Pattanaik explicó que los agentes van desde agentes funcionales como agentes de clientes hasta agentes de segmento que tocan los datos estructurados y no estructurados. Muchos de los agentes dentro de Eliza tienen un “sentido de razonamiento”.
El banco entiende que su ecosistema de agente es no completamente agente. Como señaló Pattanaik, “la versión totalmente agente sería que generaría automáticamente un PowerPoint que podamos darle al cliente, pero eso no es lo que hacemos”.
Pattanaik dijo que el banco recurrió a Autógeno de Microsoft para dar vida a sus agentes de IA.
“Comenzamos con el autógeno ya que es de código abierto”, dijo. “Generalmente somos una empresa de constructor; Dondequiera que podamos usar el código abierto, lo hacemos “.
Pattanaik dijo que el autógeno proporcionó al banco un conjunto de barandillas sólidas que puede usar para fundamentar muchas de las respuestas de los agentes y hacerlas más deterministas. El banco también examinó a Langchain para arquitectar el sistema.
BNY construyó un marco en torno al sistema de agente que les da a los agentes un plan para responder a las solicitudes. Para lograr esto, los ingenieros de IA de la compañía trabajaron estrechamente con otros departamentos bancarios. Pattanaik subrayó que BNY ha estado construyendo plataformas de misión crítica durante años y ha escalado productos como su autorización y plataformas colaterales. Este profundo banco de conocimiento fue clave para ayudar a los ingenieros de IA a cargo de la plataforma de agentes a dar a los agentes la experiencia especializada que necesitaban.
“Tener menos alucinación es una característica que siempre ayuda, en comparación con solo los ingenieros de IA que conducen el motor”, dijo Pattanaik. “Nuestros ingenieros de IA trabajaron muy de cerca con los ingenieros de pila completa que construyeron los sistemas de misión crítica para ayudarnos a fundamentar el problema. Se trata de componentes para que sea reutilizable “.
La construcción, por ejemplo, un agente de recomendación de plomo de esta manera permite desarrollar las diferentes líneas de negocios de BNY. Actúa como un microservicio “que continúa aprendiendo, razonando y actuando”.
Expansión de Eliza
A medida que su huella de agente se expande, BNY planea actualizar aún más su herramienta de IA insignia, Eliza. BNY lanzó la herramienta en 2024, aunque ha estado en desarrollo desde 2023. Eliza permite a los empleados de BNY acceder a un mercado de aplicaciones de IA, obtener conjuntos de datos aprobados y buscar información.
Pattanaik dijo que Eliza ya está proporcionando un plan sobre cómo BNY puede avanzar con los agentes de IA y ofrecer a los usuarios un servicio más avanzado e inteligente. Pero el banco no quiere estar estancado y quiere que la próxima iteración de Eliza sea más inteligente.
“Lo que construimos usando Eliza 1.0 es una representación y el aspecto de aprendizaje de las cosas”, dijo Pattanaik. “Con 2.0, vamos a mejorar el proceso y también preguntaremos, ¿cómo construimos un gran agente? Si piensa en los agentes, se trata de algo que puede aprender y razonar y, en algún momento, proporcionar algunas acciones sobre esto es un descanso, esto no es un descanso, and so forth. Esta es la dirección a la que seguimos a medida que construimos 2.0, porque muchas cosas deben establecerse en términos de las barandillas de riesgo, la explicabilidad, la transparencia, los vínculos, and so forth., antes de que nos volvamos completamente autónomos ”.
