Assista replay da conferência replay francês:
Joy e Alexandre Barrière assumiram as rédeas da empresa familiar de seus pais, Diane Barrière e Dominique Desseigne, dando um novo fôlego ao Grupo Barrière com uma abordagem inovadora. Esta instituição centenária foi pioneira no conceito de “resort ao estilo francês”, combinando hotéis, cassinos, restaurantes, instalações de bem-estar e entretenimento. Em 2025, o Grupo conta com 33 estabelecimentos de jogos, 20 hotéis de luxo e quase 7.000 funcionários em todo o mundo.
Foi nesse contexto de internacionalização que começou AI data AI do Grupo. Salomon Bentolila, diretor de Data Aquisição, está liderando a iniciativa. Com Artefact como seu parceiro estratégico e tecnológico, o Grupo Barrière está lançando seus primeiros AI personalizados.
Estabelecer um AI com base em três objetivos
Para adotar AI, o Grupo Barrière estruturou sua abordagem em torno de três áreas:
- Melhoria da produtividade e das operações: todos os funcionários têm acesso à AI, independentemente do seu nível de maturidade tecnológica. Isso se aplica a todas as linhas de negócios.
- Transforme a experiência do cliente e do funcionário: os chatbots e as soluções AI melhoram a eficiência operacional sem comprometer a excelência do serviço.
- Criar novos serviços utilizando AI generativa: O Grupo está atualmente experimentando novos modelos de negócios para se diferenciar.
Casos de uso: Três AI piloto para diferentes necessidades comerciais
Em colaboração com Artefact, o Groupe Barrière desenvolveu uma AI generativa com três agentes principais. Cada um deles aborda desafios comerciais específicos. Eles estão sendo implementados gradualmente em um modo de teste e aprendizagem.
Agente 1 – Barrière GPT: AI todos
Baseado no Gemini, o agente Barrière GPT fornece acesso seguro a um modelo de linguagem avançado. A plataforma integra bibliotecas de prompts que as equipes podem compartilhar e reutilizar. Implantada para cerca de cem funcionários, a ferramenta já gerou mais de 4.000 prompts. Essa fase piloto permite a avaliação da adoção real e o ajuste da estratégia.
“Aprendemos e avançamos muito rapidamente questionando as coisas. O Google inclui muitos recursos em seu Workspace. Isso levanta a questão: devemos manter o Barrière GPT ou confiar nas ferramentas nativas? Continuamos ágeis.” –Salomon Bentolila, diretor de Data aquisição, Groupe Barrière
Essa abordagem de testar e aprender permite que o Grupo permaneça flexível diante das rápidas mudanças do mercado. Em vez de se comprometer com uma implementação em grande escala, as equipes de Salomon Bentolila avaliam em tempo real se a solução continua relevante ou se alternativas nativas poderiam atender melhor às necessidades.
Agente 2 – Central de atendimento: simplificando as relações com os clientes
O segundo agente tem como alvo os call centers. Os consultores precisavam consultar várias fontes: procedimentos, catálogos de produtos, etc. Eles perdiam um tempo valioso durante as interações com os clientes.
A equipe de Salomon Bentolila desenvolveu um agente de call center baseado na arquitetura RAG (Retrieval-Augmented Generation). Essa tecnologia agrega toda a documentação comercial. Os consultores obtêm instantaneamente as respostas de que precisam; o tempo de processamento das informações é reduzido; os agentes podem se concentrar novamente nas vendas e no suporte.
Resultado: mais de 1.000 prompts gerados por mais de 60 usuários ativos, com uma pontuação de satisfação de 3,64/4. A implantação está prevista em todas as centrais de atendimento do Grupo.
Agente 3 – Suporte ao Barrière Play: Assistência contínua disponível
O Grupo Barrière desenvolveu o Barrière Play, um aplicativo que permite aos clientes conectarem-se a máquinas caça-níqueis usando uma carteira recarregável. O aplicativo está em constante evolução por meio de sprints ágeis. No entanto, quando surgem problemas técnicos, os funcionários em campo nem sempre compreendem os aspectos técnicos suficientemente bem para resolvê-los. Isso levou à seguinte questão: como podemos garantir um suporte eficaz em todos os momentos?
Foi tomada a decisão de criar uma FAQ. O banco de dados resultante foi colocado em um RAG. Este sistema oferece AI 24 horas por dia, 7 dias por semana. Testado em três cassinos-piloto, ele tem mais de 350 prompts, mais de 30 usuários ativos e uma pontuação de satisfação de 3,77/4.
A adoção pelos negócios é tão importante quanto o desempenho técnico
A adoção pelo usuário é tão importante quanto o desempenho da ferramenta. O feedback do campo exigiu ajustes.
Para os call centers, as equipes Data Aquisição tiveram que melhorar a qualidade dos bancos de dados de documentos nos RAGs. Era necessária uma evidência concreta de valor agregado para convencer as equipes.
“Os funcionários do nosso call center já têm acesso a cerca de 32 ferramentas. Isso significava mais uma ferramenta para eles dominarem. Portanto, tinha que valer realmente a pena.” – Salomon Bentolila, diretor de Data aquisição, Groupe Barrière
Quanto ao agente Barrière Play, a interface inicial via Google Chat não era adequada para funcionários móveis. O Grupo, portanto, integrou o agente diretamente nas ferramentas administrativas utilizadas diariamente, por meio de uma API.
Artefact essas mudanças, adaptando a arquitetura técnica e os métodos de integração. Além disso, abordaram dois aspectos essenciais:
- Adoção pelos funcionários
- Materiais de apoio à gestão da mudança
LLM como juiz: supervisionando o AI para garantir a qualidade
A sustentabilidade do sistema depende de uma supervisão rigorosa. Artefact o Groupe Barrière implementaram um LLM como abordagem de avaliação para avaliar continuamente a relevância das respostas.
Esta metodologia está estruturada da seguinte forma:
- Informação: Criação de data de referência com linhas de negócios, incluindo pares de perguntas/respostas anotadas.
- Resposta: Geração de respostas às perguntas dos usuários por meio do agente RAG a ser avaliado
- Avaliação: Pontuação automatizada da previsão em uma escala de 1 a 4 por um juiz LLM, com base no conjunto de dados de conhecimento. Cada pontuação é explícita e justificada.
- Recalibração: revisão das justificativas para as pontuações e, em seguida, modificação do prompt de contexto/RAG (atividade humana episódica) do agente.
Esse ciclo de melhoria contínua reforça a confiança do usuário e garante a confiabilidade a longo prazo dos AI .
2026: Uma abordagem ágil para AI generalizada AI
Com mais de 5.000 prompts gerados, o Groupe Barrière planeja implantar novos casos de uso em 2026. A agilidade continua sendo a prioridade.
“Em vez de seguir rigidamente um roteiro, preferimos aproveitar as oportunidades que podem ser do interesse de nossas equipes. Definimos um orçamento que utilizamos de forma ágil, de acordo com as necessidades.” - Salomon Bentolila, Diretor de Data Aquisições, Groupe Barrière
Essa metodologia pragmática e flexível permite ao Grupo alocar seu AI de forma dinâmica, em vez de seguir uma priorização fixa. Com essa transformação, o Grupo Barrière mostra como uma empresa centenária do setor de hotéis de luxo pode inovar sem perder sua identidade. Ao colocar a adoção pelo usuário no centro de sua estratégia, ele mantém altos padrões de qualidade em seus serviços graças a sistemas de monitoramento robustos.
