Introdução
A transformação digital tem impactado profundamente todas as indústrias, e o setor financeiro não é exceção. Recentemente, iniciamos um projeto estratégico com um dos maiores bancos, focado na implementação de um assistente de IA. O objetivo era utilizar as tecnologias mais avançadas para melhorar a experiência do cliente, garantindo eficiência e conformidade regulatória.
A colaboração estreita entre nossa equipe e a do banco levou à identificação de um dos maiores pontos problemáticos dos clientes: transações não reconhecidas nos extratos. Ao implementar uma solução baseada em IA, o banco busca não só melhorar a eficiência, mas também aumentar a fidelidade do cliente e fortalecer sua posição competitiva.
O caso de negócios
As transações não reconhecidas representam um desafio constante para os clientes e para as equipes de suporte, que precisam de tempo e recursos para verificar e corrigir essas discrepâncias. O processo atual é demorado, propenso a erros e resulta em um aumento nas reclamações formais, que exigem acompanhamento adicional e recursos administrativos. Para resolver isso, precisávamos de uma solução inteligente e rápida.
Implementar um assistente de IA permitiria que tanto clientes quanto agentes de suporte acessassem rapidamente os detalhes das transações, facilitando a resolução instantânea e evitando queixas formais. A redução do número de reclamações também garantiria que o banco permanecesse em conformidade com as regulamentações financeiras, além de melhorar a satisfação do cliente.
Nossa solução
A solução foi construída com LangChain e Azure Open AI, aproveitando o poder do GPT-Turbo e GPT-4 para fornecer respostas rápidas e precisas. O assistente de IA foi projetado para analisar dados em tempo real e referenciar múltiplas fontes de dados, garantindo que os clientes e os agentes de suporte tivessem informações detalhadas e corretas.
Ao operar em um ambiente multi-nuvem, a solução consegue gerenciar dados complexos com segurança e alta performance. Isso permite que o banco resolva rapidamente as transações não reconhecidas, mantendo a eficiência operacional e melhorando a experiência do cliente.
Problemas ao longo do caminho
Durante a implementação, enfrentamos desafios inesperados. À medida que mais fontes de dados foram integradas, a complexidade do sistema aumentou significativamente, tornando o processo de recuperação de dados mais lento e propenso a erros. O uso inicial de um único agente para gerenciar todas as consultas tornou-se ineficaz, especialmente com a variação na qualidade dos dados. As “alucinações” do modelo – quando o assistente gera respostas incorretas ou fabricadas – também foram um obstáculo.
Refatoração para desempenho e eficiência
Para lidar com esses desafios, decidimos refatorar o sistema para um modelo multiagente. Isso permitiu que cada consulta fosse direcionada a um agente especializado, acelerando o processo e tornando as respostas mais precisas. A especialização dos agentes resultou em respostas mais rápidas e confiáveis, minimizando as alucinações e melhorando a experiência do usuário.
A arquitetura modular agora permite que os agentes se concentrem em tarefas específicas, otimizando a interação com os dados e melhorando a precisão geral.
Conclusões
O projeto de implementar um assistente de IA no setor bancário trouxe importantes aprendizados sobre a complexidade da recuperação de dados e o impacto de prompts grandes. Com a refatoração para um sistema multiagente, conseguimos enfrentar esses desafios e entregar uma solução mais escalável e eficiente.
O sucesso deste projeto não só melhora a experiência do cliente, mas também posiciona o banco como líder em inovação no setor financeiro, oferecendo uma solução que equilibra conformidade regulatória e excelência no atendimento.
Você já experimentou integrar IA em processos financeiros? Como tem sido a experiência?
