Ver la conferencia Repetición francés:
Joy y Alexandre Barrière tomaron las riendas del negocio familiar de manos de sus padres, Diane Barrière y Dominique Desseigne, y dieron un nuevo impulso al Grupo Barrière con un enfoque innovador. Esta institución centenaria fue pionera en el concepto de «resort al estilo francés», que combina hoteles, casinos, restaurantes, instalaciones de bienestar y entretenimiento. En 2025, el Grupo cuenta con 33 establecimientos de juego, 20 hoteles de lujo y cerca de 7000 empleados en todo el mundo.
En este contexto de internacionalización comenzó AI data AI del Grupo. Salomon Bentolila, director de Data Adquisiciones, es el impulsor de la iniciativa. Con Artefact como socio estratégico y tecnológico, el Grupo Barrière lanza sus primeros AI personalizados.
Establecimiento de una AI basada en tres objetivos
Para adoptar AI, el Grupo Barrière ha estructurado su enfoque en torno a tres áreas:
- Mejora de la productividad y las operaciones: todos los empleados tienen acceso a AI, independientemente de su nivel de madurez tecnológica. Esto se aplica a todas las líneas de negocio.
- Transforme la experiencia de los clientes y empleados: los chatbots y las soluciones AI mejoran la eficiencia operativa sin comprometer la excelencia del servicio.
- Crear nuevos servicios utilizando AI generativa: El Grupo está experimentando actualmente con nuevos modelos de negocio para diferenciarse.
Casos de uso: tres AI piloto AI para diferentes necesidades empresariales.
En colaboración con Artefact, Groupe Barrière ha desarrollado una AI generativa con tres agentes principales. Cada uno de ellos aborda retos empresariales específicos. Se están implementando gradualmente en un modo de prueba y aprendizaje.
Agente 1 – Barrière GPT: AI todos
Basado en Gemini, el agente GPT de Barrière proporciona un acceso seguro a un modelo lingüístico avanzado. La plataforma integra bibliotecas de indicaciones que los equipos pueden compartir y reutilizar. Implementada en unos cien empleados, la herramienta ya ha generado más de 4000 indicaciones. Esta fase piloto permite evaluar la adopción real y ajustar la estrategia.
«Aprendemos y avanzamos muy rápidamente cuestionando las cosas. Google incluye muchas funciones en su Workspace. Esto plantea la pregunta: ¿debemos mantener Barrière GPT o confiar en las herramientas nativas? Seguimos siendo ágiles». –Salomon Bentolila, director de Data Adquisiciones, Groupe Barrière.
Este enfoque de prueba y aprendizaje permite al Grupo mantener su flexibilidad ante los rápidos cambios del mercado. En lugar de comprometerse con un despliegue masivo, los equipos de Salomon Bentolila evalúan en tiempo real si la solución sigue siendo relevante o si existen alternativas nativas que podrían satisfacer mejor las necesidades.
Agente 2 – Centro de llamadas: Optimización de las relaciones con los clientes
El segundo agente se centra en los centros de atención telefónica. Los asesores tenían que consultar múltiples fuentes: procedimientos, catálogos de productos, etc. Perdía un tiempo valioso durante las interacciones con los clientes.
El equipo de Salomon Bentolila desarrolló un agente de centro de llamadas basado en la arquitectura RAG (Retrieval-Augmented Generation). Esta tecnología agrega toda la documentación comercial. Los asesores obtienen al instante las respuestas que necesitan; se reduce el tiempo de procesamiento de la información; los agentes pueden volver a centrarse en las ventas y la asistencia.
Resultado: más de 1000 mensajes generados por más de 60 usuarios activos con una puntuación de satisfacción de 3,64/4. Se prevé su implementación en todos los centros de atención telefónica del Grupo.
Agente 3 – Barrière Play Support: Asistencia continua disponible
El Grupo Barrière desarrolló Barrière Play, una aplicación que permite a los clientes conectarse a máquinas tragamonedas utilizando una billetera recargable. La aplicación está en constante evolución gracias a sprints ágiles. Sin embargo, cuando surgen problemas técnicos, los empleados sobre el terreno no siempre comprenden los aspectos técnicos lo suficientemente bien como para resolverlos. Esto llevó a la pregunta: ¿cómo podemos garantizar un soporte eficaz en todo momento?
Se tomó la decisión de crear una sección de preguntas frecuentes. La base de datos resultante se colocó en un RAG. Este sistema proporciona AI las 24 horas del día, los 7 días de la semana. Probado en tres casinos piloto, cuenta con más de 350 indicaciones, más de 30 usuarios activos y una puntuación de satisfacción de 3,77/4.
La adopción por parte de las empresas es tan importante como el rendimiento técnico.
La aceptación por parte de los usuarios es tan importante como el rendimiento de la herramienta. Los comentarios recibidos sobre el terreno hicieron necesarios algunos ajustes.
En el caso de los centros de llamadas, los equipos Data Adquisición tuvieron que mejorar la calidad de las bases de datos de documentos en los RAG. Se necesitaban pruebas concretas del valor añadido para convencer a los equipos.
«Los empleados de nuestro centro de atención telefónica ya tienen acceso a unas 32 herramientas. Esto significaba una herramienta más que debían dominar. Por lo tanto, tenía que merecer realmente la pena». – Salomon Bentolila, director de Data Adquisiciones, Groupe Barrière
En cuanto al agente Barrière Play, la interfaz inicial a través de Google Chat no era adecuada para los empleados móviles. Por lo tanto, el Grupo integró el agente directamente en las herramientas administrativas utilizadas a diario, a través de una API.
Artefact estos cambios adaptando la arquitectura técnica y los métodos de integración. Además, abordaron dos aspectos esenciales:
- Adopción por parte de los empleados
- Materiales de apoyo para la gestión del cambio
LLM como juez: supervisar al AI para garantizar la calidad
La sostenibilidad del sistema depende de una supervisión rigurosa. Artefact Groupe Barrière implementaron un LLM como enfoque de evaluación para evaluar continuamente la relevancia de las respuestas.
Esta metodología se estructura de la siguiente manera:
- Información: Creación de data de referencia con líneas de negocio que incluyen pares de preguntas y respuestas anotadas.
- Respuesta: Generación de respuestas a las preguntas de los usuarios a través del agente RAG que se va a evaluar.
- Evaluación: puntuación automatizada de la predicción en una escala del 1 al 4 por parte de un juez LLM, basada en el conjunto de datos de conocimiento. Cada puntuación es explícita y está justificada.
- Recalibración: revisión de las justificaciones de las puntuaciones y posterior modificación del contexto del agente/RAG (actividad humana episódica).
Este ciclo de mejora continua refuerza la confianza de los usuarios y garantiza la fiabilidad a largo plazo de AI .
2026: Un enfoque ágil para AI generalizada AI
Con más de 5000 indicaciones generadas, Groupe Barrière tiene previsto implementar nuevos casos de uso en 2026. La agilidad sigue siendo la prioridad.
«En lugar de seguir rígidamente una hoja de ruta, preferimos aprovechar las oportunidades que puedan ser de interés para nuestros equipos. Establecemos un presupuesto que desplegamos de manera ágil según las necesidades». -Salomon Bentolila, director de Data Adquisiciones, Groupe Barrière
Esta metodología pragmática y flexible permite al Grupo asignar su AI de forma dinámica, en lugar de seguir una priorización fija. Con esta transformación, el Grupo Barrière está demostrando cómo una empresa centenaria del sector hotelero de lujo puede innovar sin perder su identidad. Al situar la adopción por parte de los usuarios en el centro de su estrategia, mantiene unos altos estándares de calidad en sus servicios gracias a unos sólidos sistemas de supervisión.
