Capital One разрабатывает ИИ-агента для повышения эффективности продаж автомобилей

Инновации в проектировании агентных систем: Межотраслевое вдохновение

При разработке интеллектуальных агентных систем творческое вдохновение может прийти из неожиданных источников - даже из самих организационных структур. На конференции VB Transform компания Capital One рассказала о том, как она создала агентную платформу для своего подразделения по финансированию автомобильной промышленности, черпая вдохновение как из взаимодействия с людьми, так и из корпоративных операций.

Принципы человекоцентричного проектирования

Милинд Напхаде, вице-президент по технологиям и руководитель отдела основ искусственного интеллекта Capital One, в ходе своей презентации на VB Transform подчеркнул, что приоритетом компании является имитация эффективной динамики решения проблем человеком. Финансовое учреждение начало разрабатывать свои агентские системы 15 месяцев назад - задолго до того, как этот термин вошел в обиход.

"Мы хотели, чтобы наши цифровые агенты отражали то, как наши лучшие человеческие агенты совместно решают проблемы с клиентами", - объясняет Напхаде. Команда разработчиков внимательно изучила методы ведения переговоров и сбора информации успешными человеческими агентами, чтобы эффективно выявлять болевые точки клиентов".

Организационная структура как образец

Capital One обнаружила дополнительный шаблон дизайна в своей собственной корпоративной структуре. "Мы черпали вдохновение во внутренней структуре Capital One", - отметил Нэпхэйд. "Как и все финансовые учреждения, мы придерживаемся строгих протоколов управления рисками с несколькими уровнями надзора - процессами оценки, аудита и проверки".

Эта многоуровневая модель управления напрямую повлияла на архитектуру агентов. Команда внедрила агентов-надсмотрщиков, обученных политике и правилам компании, которые могут перехватывать и переоценивать процессы при возникновении потенциальных проблем. Нафаде описывает это как создание "цифровой команды специалистов, каждый член которой вносит свой уникальный опыт в коллективное создание решений".

Финансовые учреждения все больше признают потенциал агентских систем для повышения качества обслуживания клиентов, упрощения решения проблем и улучшения вовлеченности в продукт. Несколько крупных банков, включая BNY Mellon, внедрили подобные решения в этом году.

Внедрение в автомобильном секторе

Революция во взаимодействии с дилерами

Capital One впервые развернул свою агентскую платформу для поддержки клиентов автосалонов, помогая им ориентироваться в выборе автомобиля и вариантах финансирования. Система интегрируется со складскими запасами дилерских центров, обеспечивая наличие моделей, готовых к тест-драйву, в режиме реального времени.

Компания Naphade сообщила о впечатляющих показателях эффективности: "Наши партнеры-дилеры отметили 55-процентное улучшение по ключевым показателям, включая вовлеченность клиентов и генерацию квалифицированных лидов".

Особенно ценным оказался разговорный интерфейс. "Агенты поддерживают естественный и полезный диалог круглосуточно", - пояснил он. "Если кто-то изучает автомобили в полночь или нуждается в экстренной помощи на дороге, система обеспечивает немедленную поддержку".

Возможности расширения в будущем

Воодушевленный успехом в автомобильной сфере, Capital One изучает возможности внедрения агентов в других направлениях бизнеса. "Наше туристическое подразделение открывает захватывающие возможности", - говорит Напхаде, имея в виду популярную программу поощрения путешественников и растущую сеть залов ожидания в аэропортах.

Однако он предупредил, что перед более широким внедрением необходимо провести значительное внутреннее тестирование. "Каждое новое приложение требует тщательной оценки для обеспечения постоянного качества и соответствия требованиям".

Технические аспекты архитектуры

Проблемы интеграции данных

Как и многие другие предприятия, Capital One обладает огромными ресурсами данных, но сталкивается со сложными проблемами при внедрении информации для систем искусственного интеллекта. Команда прикладных исследователей, инженеров и специалистов по обработке данных Naphade провела множество экспериментов с архитектурами моделей и методами оптимизации.

"Наши агенты понимания представляют собой наиболее ресурсоемкий компонент", - объясняет Нафаде. "Эти более крупные модели решают задачи по расчленению, поэтому мы используем методы дистилляции и многоточечного предсказания для повышения эффективности при сохранении производительности".

Новаторство без прецедентов

Процесс разработки включал в себя итерационные циклы тестирования с человеческим контролем и надежными ограждениями. Напхаде выделил характерную проблему: "Нам не хватало существующих руководств в этой развивающейся области. В отличие от традиционной разработки программного обеспечения, мы не могли ссылаться на устоявшиеся передовые практики или тематические исследования аналогичных реализаций".

Такой новаторский подход потребовал от команды создания собственных рамок для оценки и постоянного совершенствования, поскольку они прокладывали новую территорию в области корпоративных приложений ИИ.