En un movimiento pionero, Crypto.com ha dado un paso significativo hacia la optimización de sus servicios al implementar un asistente basado en inteligencia artificial generativa en su plataforma, utilizando tecnologías avanzadas de AWS. Este desarrollo busca elevar la calidad del servicio ofrecido a sus 140 millones de usuarios en 90 países distintos.
Los asistente de inteligencia artificial han evolucionado y ahora enfrentan desafíos cada vez más complejos. Más allá de responder preguntas simples, deben ejecutar acciones significativas y adherirse a las políticas corporativas, lo que aumenta la complejidad de su funcionamiento. Para enfrentar estos retos, se ha recurrido a una arquitectura modular. Esta solución divide el sistema de inteligencia artificial en componentes especializados, que actúan de manera independiente pero colaboran para formar un sistema cohesivo.
Un aspecto clave para mejorar estos sistemas es la ingeniería de prompts. Esta técnica consiste en redactar instrucciones precisas que guían las respuestas de los modelos de lenguaje. Es crucial en entornos empresariales donde la exactitud y confiabilidad son primordiales. La introducción de ciclos de retroalimentación permite a los modelos aprender de sus errores y ajustar sus respuestas, lo que se vuelve fundamental.
Un enfoque novedoso y eficaz es la incorporación de críticos, que emparejan modelos de lenguaje grandes (LLMs) con mecanismos externos de retroalimentación. Esto permite que el modelo corrija sus salidas y se adapte a situaciones desafiantes, mejorando su eficacia y confiabilidad. Por ejemplo, un asistente que maneja consultas sobre límites de crédito puede inicialmente cometer errores en los procedimientos de verificación, pero con un sistema de crítica, puede aprender a incluir estos pasos necesarios.
Estos mecanismos de retroalimentación no solo corrigen errores, sino que también permiten a los LLMs desarrollar una comprensión más profunda y matizada de las instrucciones. Mediante varias iteraciones de retroalimentación, los modelos ajustan sus estrategias para prevenir malentendidos y mejorar su enfoque.
El equipo de Crypto.com ha logrado, a través de un proceso iterativo de refinamiento, transformar un conjunto básico de instrucciones en un sistema robusto que mejora constantemente gracias a la retroalimentación. Durante sus pruebas, experimentaron una mejora notable, aumentando su tasa de precisión de un 60% a un impresionante 94%, validando así la efectividad de su estrategia de optimización iterativa.
Este enfoque ejemplifica cómo los asistentes de inteligencia artificial pueden evolucionar de sistemas estáticos a herramientas dinámicas que se auto-mejoran. Mirando al futuro, la mejora continua de los mecanismos de retroalimentación y las técnicas de ingeniería de prompts serán esenciales para desarrollar sistemas de asistencia cada vez más sofisticados y confiables.
