Capital One desenvolve agente de IA para aumentar a eficiência das vendas automotivas

Inovação no design de sistemas agênticos: Inspiração em vários setores

Ao desenvolver sistemas de agentes inteligentes, a inspiração criativa pode surgir de fontes inesperadas, até mesmo das próprias estruturas organizacionais. Na VB Transform, a Capital One revelou como arquitetou uma plataforma agêntica para sua divisão de financiamento automotivo, extraindo insights das interações humanas e das operações corporativas.

Princípios de design centrados no ser humano

Milind Naphade, vice-presidente sênior de tecnologia e diretor de fundações de IA da Capital One, enfatizou, durante sua apresentação na VB Transform, que a empresa priorizou a emulação da dinâmica humana eficaz de solução de problemas. A instituição financeira começou a projetar seus sistemas agênticos há 15 meses, bem antes de o termo se tornar comum no setor.

"Queríamos que nossos agentes digitais refletissem a forma como nossos principais agentes humanos solucionam problemas de forma colaborativa com os clientes", explicou Naphade. A equipe de desenvolvimento estudou de perto as técnicas de questionamento dos agentes humanos bem-sucedidos e as abordagens de coleta de informações para identificar com eficiência os pontos problemáticos dos clientes.

Estrutura organizacional como modelo

A Capital One descobriu um modelo de design adicional em sua própria estrutura corporativa. "Nós nos inspiramos significativamente na estrutura interna da Capital One", observou Naphade. "Como todas as instituições financeiras, mantemos protocolos rigorosos de gerenciamento de risco com várias camadas de supervisão - processos de avaliação, auditoria e verificação."

Esse modelo de governança em várias camadas informou diretamente a arquitetura de seus agentes. A equipe implementou agentes supervisores treinados nas políticas e normas da empresa que podem interceptar e reavaliar processos quando surgem possíveis problemas. Naphade descreve isso como a criação de "uma equipe digital de especialistas em que cada membro contribui com um conhecimento exclusivo para a criação de soluções coletivas".

As instituições financeiras reconhecem cada vez mais o potencial dos sistemas agênticos para aprimorar as operações de atendimento ao cliente, agilizar a resolução de problemas e melhorar o envolvimento com o produto. Vários bancos importantes, incluindo o BNY Mellon, implementaram soluções semelhantes este ano.

Implementação no setor automotivo

Revolucionando as interações com as concessionárias

A Capital One implantou pela primeira vez sua plataforma agêntica para dar suporte a clientes de concessionárias de automóveis, ajudando-os a orientar os clientes na seleção de veículos e nas opções de financiamento. O sistema se integra aos estoques das concessionárias para fornecer disponibilidade em tempo real de modelos prontos para test drives.

A Naphade relatou métricas de desempenho impressionantes: "Nossos parceiros de concessionárias observaram melhorias de 55% nos principais indicadores, incluindo o envolvimento do cliente e a geração de leads qualificados."

A interface de conversação mostrou-se particularmente valiosa. "Os agentes mantêm diálogos naturais e úteis o tempo todo", explicou ele. "Se alguém está pesquisando veículos à meia-noite ou precisa de assistência emergencial na estrada, o sistema oferece suporte imediato."

Oportunidades de expansão futura

Impulsionado pelo sucesso automotivo, o Capital One está explorando a implantação de agentes em outras linhas de negócios. "Nossa divisão de viagens apresenta possibilidades interessantes", disse Naphade, referindo-se ao popular programa de recompensas de viagens do banco e à crescente rede de salas de espera em aeroportos.

No entanto, ele advertiu que ainda são necessários testes internos significativos antes de uma implementação mais ampla. "Cada novo aplicativo requer uma avaliação completa para garantir qualidade e conformidade consistentes."

Considerações sobre a arquitetura técnica

Desafios da integração de dados

Como muitas empresas, a Capital One possui vastos recursos de dados, mas enfrenta desafios complexos de implementação ao contextualizar informações para sistemas de IA. A equipe de pesquisadores aplicados, engenheiros e cientistas de dados do Naphade fez muitas experiências com arquiteturas de modelos e técnicas de otimização.

"Nossos agentes de compreensão representam o componente que mais consome recursos", explicou Naphade. "Esses modelos maiores lidam com tarefas de desambiguação, por isso empregamos métodos de destilação e previsão de vários tokens para melhorar a eficiência e, ao mesmo tempo, manter o desempenho."

Pioneirismo sem precedentes

O processo de desenvolvimento envolveu ciclos de testes iterativos, incorporando supervisão humana e proteções robustas. Naphade destacou um desafio distinto: "Não tínhamos manuais existentes nesse campo emergente. Ao contrário do desenvolvimento tradicional de software, não podíamos fazer referência a práticas recomendadas estabelecidas ou a estudos de caso de implementações de colegas."

Essa abordagem pioneira exigiu que a equipe estabelecesse suas próprias estruturas para avaliação e aprimoramento contínuo à medida que traçavam um novo território em aplicativos de IA corporativos.