Sehen Sie sich replay der Konferenz replay Französisch an:

Joy und Alexandre Barrière übernahmen die Leitung des Familienunternehmens von ihren Eltern Diane Barrière und Dominique Desseigne und hauchten der Barrière-Gruppe mit einem neuen Innovationsansatz neues Leben ein. Diese hundertjährige Institution war Vorreiterin des Konzepts des „Resorts im französischen Stil“, das Hotels, Casinos, Restaurants, Wellnesseinrichtungen und Unterhaltung miteinander verbindet. Im Jahr 2025 verfügt die Gruppe über 33 Glücksspieleinrichtungen, 20 Luxushotels und fast 7.000 Mitarbeiter weltweit.

Vor diesem Hintergrund der Internationalisierung begann die data AI der Gruppe. Salomon Bentolila, Director of Data Acquisition, treibt die Initiative voran. Mit Artefact als strategischem und technologischem Partner führt die Barrière-Gruppe ihre ersten maßgeschneiderten AI ein.

Erstellung einer AI auf der Grundlage von drei Zielen

Um AI zu integrieren, hat die Barrière-Gruppe ihren Ansatz auf drei Bereiche ausgerichtet:

  1. Verbesserung der Produktivität und der Betriebsabläufe: Alle Mitarbeiter haben Zugang zu AI, unabhängig von ihrem technologischen Kenntnisstand. Dies gilt für alle Geschäftsbereiche.
  2. Verändern Sie das Kundenerlebnis und die Mitarbeitererfahrung: Chatbots und AI verbessern die betriebliche Effizienz, ohne die Servicequalität zu beeinträchtigen.
  3. Neue Dienstleistungen mithilfe generativer AI schaffen: Der Konzern experimentiert derzeit mit neuen Geschäftsmodellen, um sich von anderen abzuheben.

Anwendungsfälle: Drei AI für unterschiedliche Geschäftsanforderungen

In Zusammenarbeit mit Artefact hat die Groupe Barrière eine generative AI mit drei Hauptagenten entwickelt. Jeder davon befasst sich mit spezifischen geschäftlichen Herausforderungen. Sie werden schrittweise in einem Test- und Lernmodus eingeführt.

Agent 1 – Barrière GPT: AI alle

Basierend auf Gemini bietet der Barrière GPT-Agent sicheren Zugriff auf ein fortschrittliches Sprachmodell. Die Plattform integriert Bibliotheken mit Eingabeaufforderungen, die Teams gemeinsam nutzen und wiederverwenden können. Das Tool wurde für etwa hundert Mitarbeiter bereitgestellt und hat bereits über 4.000 Eingabeaufforderungen generiert. Diese Pilotphase ermöglicht die Bewertung der tatsächlichen Akzeptanz und die Anpassung der Strategie.

„Wir lernen und entwickeln uns sehr schnell weiter, indem wir Dinge hinterfragen. Google bietet in seinem Workspace viele Funktionen. Das wirft die Frage auf: Sollten wir Barrière GPT beibehalten oder auf native Tools setzen? Wir bleiben agil.“ –Salomon Bentolila, Director of Data Acquisition, Groupe Barrière

Dieser Test-and-Learn-Ansatz ermöglicht es der Gruppe, angesichts schneller Marktveränderungen flexibel zu bleiben. Anstatt sich auf eine groß angelegte Einführung festzulegen, bewerten die Teams von Salomon Bentolila in Echtzeit, ob die Lösung weiterhin relevant ist oder ob native Alternativen den Anforderungen besser gerecht werden könnten.

Agent 2 – Callcenter: Optimierung der Kundenbeziehungen

Der zweite Agent zielt auf Callcenter ab. Berater mussten mehrere Quellen konsultieren: Verfahren, Produktkataloge usw. Sie verschwendeten wertvolle Zeit während der Kundeninteraktionen.

Das Team von Salomon Bentolila hat einen Callcenter-Agenten entwickelt, der auf der RAG-Architektur (Retrieval-Augmented Generation) basiert. Diese Technologie aggregiert alle Geschäftsdokumente. Berater erhalten sofort die benötigten Antworten, die Informationsverarbeitungszeit wird reduziert und die Agenten können sich wieder auf den Verkauf und den Support konzentrieren.

Ergebnis: Mehr als 1.000 Eingabeaufforderungen, generiert von mehr als 60 aktiven Benutzern, mit einer Zufriedenheitsbewertung von 3,64/4. Die Einführung ist in allen Callcentern der Gruppe geplant.

Agent 3 – Barrière Play Support: Kontinuierliche Unterstützung verfügbar

Die Barrière-Gruppe hat Barrière Play entwickelt, eine Anwendung, mit der Kunden über eine wiederaufladbare Geldbörse eine Verbindung zu Spielautomaten herstellen können. Die Anwendung wird durch agile Sprints ständig weiterentwickelt. Wenn jedoch technische Probleme auftreten, verstehen die Mitarbeiter vor Ort die technischen Aspekte nicht immer gut genug, um sie zu lösen. Dies führte zu der Frage: Wie können wir jederzeit einen effektiven Support gewährleisten?

Es wurde beschlossen, eine FAQ zu erstellen. Die daraus resultierende Dokumentendatenbank wurde in einem RAG gespeichert. Dieses System bietet rund um die Uhr AI . Es wurde in drei Pilot-Casinos getestet, verfügt über mehr als 350 Eingabeaufforderungen, über 30 aktive Nutzer und eine Zufriedenheitsbewertung von 3,77/4.

Die Akzeptanz durch Unternehmen ist ebenso wichtig wie die technische Leistungsfähigkeit.

Die Akzeptanz durch die Benutzer ist ebenso wichtig wie die Leistungsfähigkeit des Tools. Aufgrund von Rückmeldungen aus der Praxis waren Anpassungen erforderlich.

Für Callcenter mussten die Data Akquisitions-Teams die Qualität der Dokumentendatenbanken in den RAGs verbessern. Um die Teams zu überzeugen, waren konkrete Belege für den Mehrwert erforderlich.

„Unsere Callcenter-Mitarbeiter haben bereits Zugriff auf rund 32 Tools. Das bedeutete für sie ein weiteres Tool, das sie beherrschen mussten. Es musste sich also wirklich lohnen.“ – Salomon Bentolila, Director of Data Acquisition, Groupe Barrière

Was den Barrière Play-Agenten betrifft, so war die ursprüngliche Schnittstelle über Google Chat für mobile Mitarbeiter nicht geeignet. Die Gruppe integrierte den Agenten daher über eine API direkt in die täglich verwendeten Backoffice-Tools.

Artefact diese Umstellungen durch die Anpassung der technischen Architektur und der Integrationsmethoden. Darüber hinaus wurden zwei wesentliche Aspekte berücksichtigt:

  1. Mitarbeiterakzeptanz
  2. Unterstützungsmaterialien für das Änderungsmanagement

LLM als Richter: Überwachung des AI zur Qualitätssicherung

Die Nachhaltigkeit des Systems hängt von einer strengen Überwachung ab. Artefact Groupe Barrière haben einen LLM als Richteransatz implementiert, um die Relevanz der Antworten kontinuierlich zu bewerten.

Diese Methodik ist wie folgt aufgebaut:

  • Informationen: Erstellung von data mit Geschäftsbereichen, einschließlich kommentierter Frage-Antwort-Paare
  • Antwort: Generierung von Antworten auf Benutzerfragen über den RAG-Agenten, die bewertet werden sollen
  • Bewertung: Automatisierte Bewertung der Vorhersage auf einer Skala von 1 bis 4 durch einen LLM-Richter auf der Grundlage des Wissensdatensatzes. Jede Bewertung ist eindeutig und begründet.
  • Neukalibrierung: Überprüfung der Begründungen für die Bewertungen und anschließende Änderung der Kontextanweisung/RAG (episodische menschliche Aktivität) des Agenten

Dieser kontinuierliche Verbesserungsprozess stärkt das Vertrauen der Nutzer und gewährleistet die langfristige Zuverlässigkeit von AI .

2026: Ein agiler Ansatz für AI flächendeckende AI

Mit über 5.000 generierten Prompts plant die Groupe Barrière, im Jahr 2026 neue Anwendungsfälle einzuführen. Agilität bleibt dabei weiterhin oberste Priorität.

„Anstatt uns strikt an einen Fahrplan zu halten, ziehen wir es vor, Chancen zu nutzen, die für unsere Teams interessant sein könnten. Wir legen ein Budget fest, das wir je nach Bedarf flexibel einsetzen.“ – Salomon Bentolila, Director of Data Acquisition, Groupe Barrière

Diese pragmatische und flexible Methodik ermöglicht es der Gruppe, ihr AI dynamisch zu verteilen, anstatt einer festen Priorisierung zu folgen. Mit dieser Transformation zeigt die Barrière-Gruppe, wie ein hundertjähriges Unternehmen der Luxushotelbranche innovativ sein kann, ohne seine Identität zu verlieren. Indem sie die Akzeptanz durch die Nutzer in den Mittelpunkt ihrer Strategie stellt, gewährleistet sie dank robuster Überwachungssysteme einen hohen Qualitätsstandard ihrer Dienstleistungen.