Capital One développe un agent d'intelligence artificielle pour améliorer l'efficacité des ventes dans le secteur automobile

Innovation dans la conception de systèmes agentiques : Inspiration intersectorielle

Lors du développement de systèmes d'agents intelligents, l'inspiration créative peut provenir de sources inattendues, voire des structures organisationnelles elles-mêmes. Lors du salon VB Transform, Capital One a révélé comment elle a conçu une plateforme agentique pour sa division de financement automobile en s'inspirant à la fois des interactions humaines et des opérations de l'entreprise.

Principes de conception centrés sur l'homme

Milind Naphade, SVP of Technology and Head of AI Foundations chez Capital One, a souligné lors de sa présentation à VB Transform que l'entreprise a donné la priorité à l'émulation des dynamiques humaines efficaces de résolution de problèmes. L'institution financière a commencé à concevoir ses systèmes agentiques il y a 15 mois, bien avant que le terme ne devienne courant dans l'industrie.

"Nous voulions que nos agents numériques reflètent la manière dont nos meilleurs agents humains collaborent avec les clients pour résoudre les problèmes", explique M. Naphade. L'équipe de développement a étudié de près les techniques de questionnement et les approches de collecte d'informations des agents humains performants afin d'identifier efficacement les points faibles des clients.

La structure organisationnelle comme modèle

Capital One a découvert un modèle de conception supplémentaire dans son propre cadre organisationnel. "Nous nous sommes largement inspirés de la structure interne de Capital One", explique M. Naphade. "Comme toutes les institutions financières, nous appliquons des protocoles rigoureux de gestion des risques avec plusieurs niveaux de contrôle - processus d'évaluation, d'audit et de vérification.

Ce modèle de gouvernance à plusieurs niveaux a directement influencé l'architecture des agents. L'équipe a mis en place des agents superviseurs formés aux politiques et réglementations de l'entreprise, capables d'intercepter et de réévaluer les processus en cas de problèmes potentiels. Naphade décrit cette démarche comme la création d'une "équipe numérique de spécialistes où chaque membre apporte son expertise unique à l'élaboration de solutions collectives".

Les institutions financières reconnaissent de plus en plus le potentiel des systèmes agentiques pour améliorer les opérations de service à la clientèle, rationaliser la résolution des problèmes et améliorer l'engagement envers les produits. Plusieurs grandes banques, dont BNY Mellon, ont mis en œuvre des solutions similaires cette année.

Mise en œuvre dans le secteur automobile

Révolutionner les interactions avec les concessionnaires

Capital One a d'abord déployé sa plateforme agentique pour soutenir les clients des concessionnaires automobiles, en les aidant à guider les clients dans le choix de leur véhicule et des options de financement. Le système s'intègre aux inventaires des concessionnaires pour fournir en temps réel la disponibilité des modèles prêts à être essayés.

Naphade a fait état de performances impressionnantes : "Nos partenaires concessionnaires ont observé des améliorations de 55 % sur des indicateurs clés tels que l'engagement des clients et la génération de prospects qualifiés.

L'interface conversationnelle s'est avérée particulièrement utile. "Les agents entretiennent des dialogues naturels et utiles 24 heures sur 24", explique-t-il. "Qu'une personne recherche des véhicules à minuit ou qu'elle ait besoin d'une assistance routière d'urgence, le système lui apporte une aide immédiate."

Possibilités d'expansion future

Forte de son succès dans le secteur automobile, Capital One étudie la possibilité de déployer des agents dans d'autres secteurs d'activité. "Notre division voyages offre des possibilités intéressantes", a déclaré M. Naphade, faisant référence au populaire programme de récompenses de la banque et à son réseau croissant de salons d'aéroport.

Cependant, il a averti que des tests internes significatifs restent nécessaires avant une mise en œuvre plus large. "Chaque nouvelle application doit faire l'objet d'une évaluation approfondie afin de garantir une qualité et une conformité constantes.

Considérations relatives à l'architecture technique

Défis liés à l'intégration des données

Comme beaucoup d'entreprises, Capital One possède de vastes ressources de données, mais est confrontée à des défis de mise en œuvre complexes lorsqu'il s'agit de contextualiser les informations pour les systèmes d'intelligence artificielle. L'équipe de chercheurs appliqués, d'ingénieurs et de data scientists de Naphade a expérimenté de manière approfondie les architectures de modèles et les techniques d'optimisation.

"Nos agents de compréhension représentent le composant le plus gourmand en ressources", explique M. Naphade. "Ces grands modèles gèrent les tâches de désambiguïsation, c'est pourquoi nous utilisons des méthodes de distillation et de prédiction multi-tokens pour améliorer l'efficacité tout en maintenant les performances."

Un travail de pionnier sans précédent

Le processus de développement a impliqué des cycles de tests itératifs intégrant une supervision humaine et des garde-fous robustes. Naphade a mis en évidence un défi particulier : "Nous n'avions pas de manuels de jeu existants dans ce domaine émergent. Contrairement au développement traditionnel de logiciels, nous ne pouvions pas nous référer aux meilleures pratiques établies ou à des études de cas réalisées par des pairs."

Cette approche pionnière a obligé l'équipe à établir ses propres cadres d'évaluation et d'amélioration continue à mesure qu'elle traçait un nouveau territoire pour les applications d'IA d'entreprise.