En un movimiento significativo hacia la mejora de los servicios, Crypto.com ha implementado un avanzado asistente de inteligencia artificial generativa en su plataforma gracias a la tecnología de AWS. Este desarrollo tiene como objetivo optimizar la calidad del servicio para sus 140 millones de usuarios repartidos en 90 países.
Los asistentes de inteligencia artificial modernos enfrentan desafíos cada vez mayores. Ya no se limitan solo a responder preguntas simples; deben ejecutar acciones significativas y alinearse con la política de la empresa, lo cual incrementa la complejidad de su funcionamiento. Para enfrentar estos retos, la arquitectura modular se plantea como una solución eficaz, permitiendo dividir el sistema en componentes especializados que trabajan de manera independiente, pero colaboran en un todo cohesivo.
Un elemento clave en la mejora de estos sistemas es la ingeniería de prompts, el arte de redactar instrucciones que guían las respuestas de los modelos de lenguaje, especialmente crucial en entornos empresariales donde la precisión y fiabilidad son esenciales. Incorporar ciclos de retroalimentación es fundamental para permitir que estos modelos aprendan de sus errores y ajusten sus respuestas en consecuencia.
Un enfoque innovador es la crítica, que empareja modelos de lenguaje grande (LLMs) con mecanismos externos que proporcionan retroalimentación. Este método permite que el modelo corrija sus salidas y se adapte a situaciones desafiantes, mejorando así su efectividad y fiabilidad. Por ejemplo, un asistente de IA que maneja consultas sobre límites de crédito puede comenzar omitiendo pasos de verificación importantes, pero con un sistema de crítica, puede aprender a incluirlos en sus respuestas.
La efectividad de estos mecanismos de retroalimentación no se limita solo a corregir errores, sino que también ayuda a los LLMs a desarrollar una comprensión más matizada de las instrucciones. A través de varias iteraciones de retroalimentación, los modelos pueden ajustar sus estrategias de procesamiento, anticipando malentendidos y adaptando su enfoque.
El proceso de refinamiento iterativo llevado a cabo por el equipo de Crypto.com ha convertido un conjunto básico de instrucciones en un sistema robusto y en constante mejora. Durante sus pruebas, se observó una mejora notable en la tasa de precisión, pasando de un 60% a un impresionante 94%, lo que valida la eficacia de su estrategia de optimización iterativa.
El enfoque adoptado por Crypto.com demuestra cómo los asistentes de inteligencia artificial pueden evolucionar de sistemas estáticos a herramientas dinámicas y auto-mejorables. Mirando hacia el futuro, la refinación continua de los mecanismos de retroalimentación y las técnicas de ingeniería de prompts será esencial para desarrollar sistemas de asistencia de IA cada vez más sofisticados y confiables.
