En un esfuerzo por mejorar significativamente sus servicios, Crypto.com ha integrado un asistente basado en inteligencia artificial generativa, aprovechando las tecnologías de Amazon Web Services (AWS). Esta innovación busca optimizar la calidad del servicio para aproximadamente 140 millones de usuarios en 90 naciones.
Los asistentes de IA actuales enfrentan complejos desafíos. No solo deben responder a preguntas básicas, sino también realizar tareas significativas y cumplir con las políticas corporativas. La solución a esta complejidad radica en una arquitectura modular, dividiendo el sistema en componentes especializados que trabajan independientemente pero de forma cohesionada.
Un elemento esencial en el perfeccionamiento de estos sistemas es la ingeniería de prompts, el arte de formular instrucciones que guían la respuesta de los modelos de lenguaje. Esto es crucial en el ámbito empresarial donde la precisión y fiabilidad son primordiales. Los ciclos de retroalimentación se vuelven fundamentales, permitiendo a los modelos aprender de errores y ajustar sus respuestas.
Un enfoque innovador para mejorar estos sistemas es la introducción de la crítica. Al emparejar modelos de lenguaje grande (LLMs) con mecanismos externos de retroalimentación, se les permite corregir salidas y adaptarse a situaciones complejas. Por ejemplo, un asistente que maneje consultas sobre créditos puede inicialmente omitir pasos de verificación, pero a través de la crítica, aprende a incluirlos.
Estos mecanismos de retroalimentación no solo corrigen errores, sino que permiten a los LLMs desarrollar una comprensión más detallada. Con múltiples iteraciones, los modelos ajustan sus estrategias procesales, anticipando malentendidos y modificando su enfoque.
Gracias a un proceso iterativo de refinamiento, el equipo de Crypto.com logró transformar instrucciones básicas en un sistema robusto, que se mejora constantemente a partir de la retroalimentación. Sus pruebas mostraron un aumento en la precisión de un 60% a un destacable 94%, validando la eficacia de su estrategia de optimización.
Este avance ilustra cómo los asistentes de IA pueden evolucionar de sistemas estáticos a herramientas dinámicas y auto-mejorables. Hacia el futuro, la mejora continua de los mecanismos de retroalimentación y la ingeniería de prompts será crucial para desarrollar sistemas de asistencia más sofisticados y confiables.
