Cuando usa aplicaciones Genai para hacer un nuevo anuncio para decir un sándwich, la imagen es magnífica y la caída en los títulos, pero se da cuenta demasiado tarde de que el pan representado no es una porción de pan de pan y la copia menciona el queso crema que no está allí. El anuncio debe ser dibujado y reparado. Hay un huevo en la cara de alguien para no detectar errores, pero el daño es limitado.
Para el marketing, solo el 98% correcto quizás (¡probablemente no!) Y aprender por errores es lo que esperas. Sin embargo, cualquier pequeño error en la forma en que procesa una solicitud de préstamo hipotecario o una disputa con tarjeta de crédito puede ser gravemente perjudicial para una empresa de servicios financieros. De hecho, pueden someterse a grandes pérdidas financieras, daños en la reputación y causar insatisfacción del cliente.
Por lo tanto, mientras la industria está comenzando a explorar la IA de la agencia y su capacidad para hacer mucho más independientemente, la ansiedad por la generación de tecnología que generan inexactitudes aún lleva a ciertas organizaciones a presionar el botón de pausa con respecto a la aplicación de IA agente, aparte de ciertos casos de uso básico de discusión básica. Muchos líderes bancarios reflejan correctamente a través de ejecutivos basados en reglas actuales y basadas en políticas en las que su equipo está trabajando. Sí, pueden emitir juicios sobre cosas como la aprobación de este préstamo hipotecario o la empresa, pero todavía está en los parámetros o en un marco de escalada. Y esto también es lo que es necesario para el éxito agente.
Algunos fanáticos de los agentes hacen orgullosas afirmaciones de que se dirigen a una precisión de agente de 95% +. Pero, ¿cuándo es aceptable el 95% de precisión? Si fue al COI y presentó su solución de Nube Business Cloud, promete una disponibilidad del 95%, será expulsado de la sala. Sobre la misma base, ¿confiaría en un banco que tenía el 5% de sus transacciones erróneas?
Para que la IA agente se extienda en el sector, las organizaciones deben tener cuidado con la primera confusión de la tecnología de agente disponible que aún no se adapta completamente a las industrias reguladas. Por supuesto, la forma lógica de seguir es la agencia de IA que se alinea con los regímenes regulatorios que rigen la industria.
La mejor manera de lograr esto es quizás cómo el poderoso poderoso poder de razonamiento ofrecido por el concepto de IA de la agencia se utiliza para la previsibilidad del software de flujo de trabajo que rige cómo los procesos complejos y regulados deben tener lugar dentro de las barandillas claras. Esto seguramente establecería un vínculo con estas reglas y políticas de escalada y ejecutivos que trabajan como guardianes contra errores. Por supuesto, los humanos también cometen errores, pero se trata de minimizar y tener controles y contrapesos razonables.
Siempre ha habido una preocupación por las soluciones opacas o Blackbox AI que no se pueden abrir para remediar errores o hacer cambios importantes para alinearse con nuevas reglas y regulaciones. Es cierto que la mejor IA estadística y predictiva tiene la capacidad de ser muy transparente en su funcionamiento y cómo llegó a su conclusión. Lo mismo debe aplicarse a la IA de agente. Para que la agente tenga éxito en los servicios bancarios, está claro que las soluciones de IA Agentales deben ser transparentes y permitir que las organizaciones sepan que cada agente es predecible, verificada y optimizada para el éxito comercial.