En un destacado avance hacia la optimización de servicios, Crypto.com ha lanzado un asistente impulsado por inteligencia artificial generativa, utilizando tecnologías de AWS. Este desarrollo busca mejorar la calidad del servicio para sus 140 millones de usuarios en 90 países.
Los asistentes de inteligencia artificial actuales enfrentan complejos desafíos: no solo deben responder preguntas simples, sino también ejecutar acciones relevantes y alinear con las políticas corporativas. La arquitectura modular se revela como una solución eficaz, permitiendo dividir el sistema en componentes especializados que funcionan independientemente pero colaboran cohesivamente.
Un elemento clave en la mejora de estos sistemas es la ingeniería de prompts, que consiste en redactar instrucciones precisas para guiar las respuestas de los modelos de lenguaje. Esto es crucial en entornos empresariales donde la precisión es vital. Los ciclos de retroalimentación permiten a los modelos aprender de sus errores y ajustar sus respuestas.
Un enfoque innovador es la crítica, que empareja modelos de lenguaje grande con mecanismos externos de retroalimentación. Este método permite al modelo corregir errores y adaptarse, mejorando su efectividad. Por ejemplo, un asistente que gestiona consultas sobre límites de crédito puede inicialmente omitir pasos de verificación, pero con un sistema de crítica, aprende a incluir estos procedimientos.
La retroalimentación no solo corrige errores, sino que también ayuda a los modelos a desarrollar una comprensión más profunda de las instrucciones. A través de varias iteraciones de retroalimentación, los modelos ajustan sus estrategias anticipando malentendidos y adaptando su enfoque.
El proceso iterativo de refinamiento ha permitido a Crypto.com transformar un conjunto básico de instrucciones en un sistema robusto que mejora constantemente. Durante las pruebas, se observó una mejora significativa, pasando de una precisión del 60% a un 94%, validando la eficacia de su estrategia.
El enfoque de Crypto.com evidencia cómo los asistentes de IA pueden evolucionar de sistemas estáticos a herramientas dinámicas y auto-mejorables. En el futuro, el refinamiento continuo de los mecanismos de retroalimentación y la ingeniería de prompts será esencial para desarrollar sistemas de asistencia cada vez más sofisticados y confiables.
