Muchas compañías de servicios financieros están experimentando con IA a través de programas piloto, pero quedan varios desafíos para la asimilación. Las preocupaciones esencia incluyen la seguridad de los datos, la precisión de los modelos de idiomas grandes (LLM) y el riguroso recuento de los reguladores sobre el papel de la IA en la toma de decisiones financieras. Los casos de uso actuales son en gran medida internos, con algunas soluciones de chatbot orientadas al cliente que abordan consultas de servicios no críticos.
Recientemente, ha habido un creciente interés en todas las industrias, incluidos los servicios financieros, en agentes generativos de AI, a menudo denominados «IA de agente». Agentic AI se fundamento en LLM para realizar tareas de forma autónoma, utilizando las capacidades de los modelos para la comprensión del habla natural, la engendramiento y la interacción. Los LLM fundamentales como Flama, Anthrope Claude, Mistral, GPT y Gemini están entrenados en grandes cantidades de datos de texto (en la medida en que se están quedando sin datos de texto para una capacitación adicional) y pueden realizar una variedad de tareas relacionadas con el habla. Estos modelos, cuando se integran en sistemas de IA de agente en una plataforma como Snowflake, proporcionan la pulvínulo para comprender el contexto, suscitar respuestas, conducir para una anciano automatización y una mejor eficiencia y tomar decisiones en tiempo efectivo más equilibradas en función de la entrada que reciben.
Sistemas agentes
En sistemas de agente, un agente coordinador es un componente central que administra y dirige las actividades de otros agentes (o subsistemas) para alcanzar objetivos generales. Este agente coordinador generalmente actúa como director, orquestando acciones, asignando fortuna y tomando decisiones de detención nivel. Para admitir a parte sus tareas de forma efectiva, el agente coordinador puede usar herramientas, modelos u otros agentes que son orientado al dominio o orientado a las tareas De maneras complementarias, certificar que el sistema pueda comprender el contexto y ejecutar acciones específicas para alcanzar los resultados deseados.
Orientado al dominio
Los servicios orientados al dominio se especializan en la comprensión y el habla de procesamiento relacionado con una industria, campo o ámbito específica de conocimiento. Como tal, pueden suscitar respuestas o decisiones que sean más precisas, relevantes y conscientes del contexto en el interior de ese campo.
En la IA agente, los modelos orientados al dominio pueden ayudar al sistema a comprender y realizar sobre tareas específicas de forma más efectiva. En el seguro, por ejemplo, dichos modelos podrían suscitar un habla de política más preciso, evaluar los factores de peligro o interpretar los datos de reclamos, alinearse con los estándares de la industria.
Orientado a las tareas
Los servicios orientados a tareas, por otro costado, se centran en alcanzar objetivos específicos. Estos modelos están capacitados para comprender la secuencia de pasos necesarios para completar una tarea específica, y se integran con sistemas más amplios para realizar acciones de forma autónoma. Los modelos orientados a tareas están diseñados no solo para comprender el habla sino asimismo para interactuar con las herramientas, recuperar datos y tomar medidas en indagación de un objetivo admisiblemente definido.
Analista de Cortex: engendramiento SQL de inscripción precisión
El analista de Cortex Cortex puede hallarse como un servicio de agente orientado a tareas Porque está optimizado para un objetivo específico, que es una engendramiento SQL precisa para recuperar datos de una tabla de copos de cocaína. Para hacer eso, Cortex Analyst realiza estas tareas:
-
Interpretación de la intención del afortunado: El maniquí procesa la entrada del habla natural o la información contextual (por ejemplo, qué tipo de datos está buscando el afortunado) y verifica que los datos existan para replicar la pregunta o retornar al afortunado y solicitar claridad.
-
Vivientes de consultas SQL procesables: Según esa interpretación, crea un código SQL que se puede ejecutar para recuperar o manipular datos relevantes en una pulvínulo de datos. Su precisión en la engendramiento SQL proviene de comprender el contexto de lo que se almacena en cada tabla.
-
Finalización de la tarea: El objetivo final de este proceso es suscitar un SQL en extremo preciso que satisfaga una escazes específica de consulta o ascendencia de datos, que es una tarea clara y definida.
Sistemas de agente en el seguro
Para las empresas, especialmente en industrias complejas como el seguro, para obtener información procesable, deben ir más allá de alcanzar a las bases de datos para beneficiarse asimismo los contratos, documentos y otros datos no estructurados que se pueden averiguar en otro tipo de servicio orientado a tareas: una tienda vectorial.
Al representar documentos como vectores numéricos, los agentes de IA pueden averiguar rápidamente y acertar automáticamente documentos de reclamos, extraer detalles relevantes (como tipo de incidente, evaluación de daños, cobertura de políticas, etc.) y suscitar consultas SQL para recuperar datos adicionales de una pulvínulo de datos o sistema de políticas de reclamos.
Luego se podría utilizar una LLM para hacer recomendaciones, desempolvar el estado de la petición o activar más acciones, todas impulsadas por la coordinación del agente entre documentos (datos no estructurados) comprensión e interacción de pulvínulo de datos (estructurada).
El papel de Accenture y Snowflake en la facilitación de la IA agente
Accenture y Snowflake están a la vanguardia de habilitar la IA agente para las empresas, abordando las deyección tecnológicas y estratégicas. Nuestro enfoque se centra en:
-
Proporcionar una plataforma unificada de datos y AI con herramientas y capacidades de vanguardia que permite a los desarrolladores, científicos de datos y equipos de datos construir rápidamente y implementar modelos y aplicaciones de IA con seguridad y gobernanza de división empresarial, con la facilidad de la infraestructura administrada de Snowflake.
-
La gobernanza unificada de extremo a extremo, desde la ingestión hasta la aplicación, permite a los equipos ofrecer una nueva ola de agentes de datos que utilizan la recuperación de inscripción precisión de la caja para datos estructurados y no estructurados
-
Mandar a los clientes en la selección de casos de uso de detención valencia, aprovechando la experiencia de Accenture que aconseja a los ejecutivos de C-suite y al valencia de conducción para los clientes a través de la plataforma de datos de IA unificada de Snowflake que simplifica el proceso
Una plataforma de cirro de datos de IA todo en uno
Snowflake y Accenture ofrecen una decisión integral para la IA empresarial, diseñada para impulsar los casos de uso de IA agente de forma efectiva:
-
Todos sus datos, todos en un solo extensión: Snowflake proporciona una plataforma escalable y unificada para establecer todas sus deyección de datos, ya sea tablas de copo de cocaína o archivos PDF en el almacenamiento de objetos, en un solo extensión, reduciendo los silos, mejorando la calidad de los datos y promoviendo la integración perfecta.
-
Gobernanza robusta: Nuestra plataforma gobernada permite la seguridad y el cumplimiento de los datos desde la ingestión de datos hasta la aplicación AI, de modo que ningún de sus datos se utiliza para capacitar a modelos externos (excepto que dirija el ajuste fino). Esto hace que el copo de cocaína sea una selección extra para pilotar e implementar nuevos casos de uso de AI de agente.
-
Herramientas de IA creadas para empresas
-
Snowflake Cortex Search and Snowflake Cortex Analyst: Interactuar con los datos empresariales a través de interfaces conversacionales y proporcionar comunicación seguro a los LLM fundamentales.
-
Documento AI: Automatiza el procesamiento de varios tipos de documentos, desde formularios tipificado hasta notas escritas a mano.
-
Ml de copos de cocaína: Permite a los científicos de datos construir, entrenar e implementar modelos de estudios automotriz o personalizar modelos de incrustación directamente en el interior del copo de cocaína utilizando lenguajes de programación familiares como Python, al tiempo que aprovecha las poderosas capacidades de procesamiento de datos de Snowflake para flujos de trabajo escalables y eficientes.
-
-
Experiencia de la industria: Accenture comprende las deyección de los clientes y cómo resolver problemas con AI de Agentic.
Al combinar estas capacidades, Snowflake y Accenture empoderan a las empresas para personalizar sus soluciones de IA mientras mantienen flexibilidad y control.
Un situación clave para la asimilación de IA
La implementación de AI de agente requiere un enfoque estructurado. Esto es lo que recomendamos para que las empresas naveguen su alucinación de asimilación:
-
Comience con casos de uso que desbloquean un detención valencia comercial: Concéntrese en los casos de uso donde la precisión aproximada sea aceptable. Priorizar áreas donde la toma de decisiones o la rapidez de procesos más rápida proporcionan más valencia que la precisión minuciosa. Huelga el permanencia entre la trámite de riesgos y la creación de valencia rápido al mercado.
-
Áreas de pérdida regulación objetivo primero: En industrias en extremo reguladas, como los servicios financieros, el despliegue de IA en áreas pesadas de cumplimiento puede ser más moroso conveniente a los estrictos estándares de atención y procesos de aprobación. Comience con dominios menos regulados para alcanzar resultados más rápidos al tiempo que se aborda gradualmente los casos de uso regulados a medida que mejoría la confiabilidad de IA.
-
Mantenga a un humano en el tirabuzón (por ahora): Para mitigar los riesgos relacionados con la explicabilidad, el servicio al cliente y la precisión, mantienen la supervisión humana en los procesos impulsados por la IA. A medida que la tecnología madura y la confiabilidad aumenta, puede compendiar gradualmente la intervención humana. Sin bloqueo, para los casos de uso regulados o de detención peligro, la revisión humana debe seguir siendo un componente esencia hasta que la confiabilidad de la IA esté completamente establecida.
Caso de uso: Agente de reclamos de Gen AI por Accenture
Accenture ha laborioso la plataforma de Snowflake para crear una innovadora Agente de reclamos de seguro de IAcombinando las herramientas de Snowflake para automatizar partes esencia del proceso de reclamos con la experiencia de Accenture en AI de Agentic. Este agente de IA puede revisar documentos, resumir información, tomar decisiones de reclamos y suscitar cartas de reclamos personalizadas a los clientes, explicar el razonamiento detrás de una aprobación o abjuración.
Según Mike Lao, líder del equipo de datos y IA de Accenture, «subyacente al agente de reclamos de Gen AI es la cirro de datos de AI de Snowflake, que incluye capacidades como la IA de documentos que puede procesar varios documentos, como las licencias de conducir, los recibos y los formularios. Todavía utilizamos el analista de cortes de Snowflake, que ayuda al agente de reclamos de IA a analizar los documentos de datos y las documentos de las políticas para tomar decisiones informadas,» «.» «.» «». «» «.» «». «» «.» «». «» «.» «». «»
El enfoque de Accenture en las reclamaciones proviene de los conocimientos de la industria de servicios financieros, donde la aprobación de reclamos no siempre requiere una precisión del 100%. Curiosamente, los clientes a menudo están dispuestos a aceptar pagos parciales a cambio de un procesamiento más rápido. Como se encontró Accenture, hay espacio para la flexibilidad en los pagos de reclamos: las decisiones se pueden apelar internamente, evitando la intervención regulatoria. Esto contrasta con los requisitos de precisión más estrictos de las áreas como el asesoramiento financiero, que exige la responsabilidad fiduciaria. Las reclamaciones, en comparación, están menos reguladas, lo que ofrece a las compañías de seguros más ganancia para ajustar los pagos en el interior de sus márgenes. La capacidad de acelerar los pagos puede mejorar significativamente tanto el resultado final de la aseguradora como la satisfacción del cliente.
Para certificar la confiabilidad y la satisfacción del cliente, Accenture ha incluido el ingenio humano en el agente de reclamos de IA. Mike Lao enfatizó: «Surtir a un humano en el tirabuzón es importante. Estamos utilizando la IA para reinventar los procesos de trabajo para progresar la asimilación de IA en las organizaciones y cumplir con las expectativas de los clientes».
El equipo de Accenture en Manila, Filipinas, aporta una profunda experiencia en pagos de reclamos que apoyan a las compañías de seguros globales. Este esquema marca el primer paso en dirección a la asimilación más amplia de agentes de IA en varios sectores de servicios financieros. Como señaló Kaushik GD, dirigente de servicios financieros de Snowflake en APJ, «en el futuro, esperamos ver a los agentes de IA que ayudan con la planificación financiera y los asesoramiento de inversión personal. Sin bloqueo, esto llevará tiempo, a medida que evolucione tanto las soluciones técnicas como la acogida regulatoria».