{"id":130305,"date":"2024-08-06T10:36:17","date_gmt":"2024-08-06T09:36:17","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=130305"},"modified":"2024-10-29T09:02:14","modified_gmt":"2024-10-29T09:02:14","slug":"bnp-paribas-giskard-mistral-ai-google-cloud-at-ai-for-finance-by-artefact-ai-language-models-for-businesses-across-customer-support","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/es\/blog\/bnp-paribas-giskard-mistral-ai-google-cloud-at-ai-for-finance-by-artefact-ai-language-models-for-businesses-across-customer-support\/","title":{"rendered":"BNP PARIBAS, GISKARD, MISTRAL AI &amp; GOOGLE CLOUD en AI for Finance by Artefact - Modelos ling\u00fc\u00edsticos de IA para empresas a trav\u00e9s de la atenci\u00f3n al cliente"},"content":{"rendered":"<p><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1 description\" style=\"--awb-text-color:var(--awb-color5);--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>Cumbre de la IA para las finanzas por Artefact - 17 de septiembre de 2024 - Par\u00eds<\/p>\n<p>Principales conclusiones de la mesa redonda en la que participaron Hugues Even, Director del Grupo Data de BNP Paribas, Matteo Dora, Director T\u00e9cnico de Giskard, Guillaume Bour, Director de Empresa para EMEA de Mistral AI, Anne-Laure Giret, Directora de Google Cloud AI GTM, EMEA Sur de Google Cloud, y Hanan Ouazan, Socia y Directora de IA Generativa de Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div><article class=\"fusion-fullwidth fullwidth-box fusion-builder-row-2 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-justify-content-center fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-1 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-video fusion-youtube\" style=\"--awb-max-width:670px;--awb-max-height:377px;--awb-align-self:center;--awb-width:100%;\"><div class=\"video-shortcode\"><div class=\"fluid-width-video-wrapper\" style=\"padding-top:56.27%;\" ><iframe title=\"Reproductor de video de YouTube 1\" src=\"https:\/\/www.youtube.com\/embed\/93jwHVHvidg?wmode=transparent&autoplay=0\" width=\"670\" height=\"377\" allowfullscreen allow=\"autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture;\"><\/iframe><\/div><\/div><\/div><div class=\"fusion-title title fusion-title-1 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Modelos ling\u00fc\u00edsticos de IA que mejoran el servicio al cliente<\/h2><\/div><div class=\"fusion-text fusion-text-2\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Este debate pone de relieve el papel transformador de los modelos ling\u00fc\u00edsticos de la IA en el servicio al cliente, centr\u00e1ndose en sus aplicaciones y retos en el mundo real en diversos sectores, en particular el bancario. La conversaci\u00f3n hace hincapi\u00e9 en el despliegue de la IA para automatizar y mejorar las interacciones con los clientes, por ejemplo a trav\u00e9s del correo electr\u00f3nico y los canales de voz, con herramientas que comprenden el contexto, priorizan las tareas y sugieren respuestas, mejorando as\u00ed la eficiencia y la satisfacci\u00f3n del cliente.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-2 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">La IA ayuda en el procesamiento del correo electr\u00f3nico y la voz<\/h2><\/div><div class=\"fusion-text fusion-text-3\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Hugues comparte c\u00f3mo la IA ayuda a procesar los correos electr\u00f3nicos categoriz\u00e1ndolos, prioriz\u00e1ndolos y enrut\u00e1ndolos, a la vez que sugiere respuestas para su revisi\u00f3n. Para las interacciones de voz, la IA genera res\u00famenes posteriores a la llamada, elementos de acci\u00f3n y perspectivas que pueden utilizarse para futuras reuniones. Estas herramientas ayudan a los bancos a mejorar la calidad del servicio analizando el contenido y el tono de las interacciones, yendo m\u00e1s all\u00e1 de los m\u00e9todos tradicionales de opini\u00f3n de los clientes.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-3 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">La IA agiliza los procesos bancarios clave<\/h2><\/div><div class=\"fusion-text fusion-text-4\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>La conversaci\u00f3n tambi\u00e9n aborda el papel de la IA en procesos bancarios clave, como las solicitudes de pr\u00e9stamos y la incorporaci\u00f3n de clientes. La IA, utilizando modelos ling\u00fc\u00edsticos y visi\u00f3n por ordenador, ayuda a verificar documentos y a cruzar informaci\u00f3n para agilizar estos procesos. Los participantes destacan c\u00f3mo el papel de la IA generativa est\u00e1 evolucionando de simples chatbots con gui\u00f3n a avanzados asistentes conversacionales que gestionan una amplia gama de consultas y ofrecen un servicio m\u00e1s personalizado.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-4 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Transici\u00f3n a los asistentes conversacionales impulsados por LLM<\/h2><\/div><div class=\"fusion-text fusion-text-5\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Un aspecto clave del debate es la transici\u00f3n hacia asistentes conversacionales impulsados por grandes modelos ling\u00fc\u00edsticos (LLM), que ofrecen respuestas m\u00e1s din\u00e1micas que los chatbots anteriores. Sin embargo, estos modelos deben ajustarse con precisi\u00f3n a contextos e industrias espec\u00edficos, lo que requiere ajustes como la adaptaci\u00f3n de bajo rango. El debate subraya la importancia de mantener el control sobre estos sistemas de IA, especialmente con data sensibles, y destaca las colaboraciones con proveedores de IA como Mistral para garantizar la seguridad y el rendimiento de data.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-5 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Retos de la ampliaci\u00f3n de la IA en la producci\u00f3n<\/h2><\/div><div class=\"fusion-text fusion-text-6\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>El escalado de la IA en la producci\u00f3n plantea retos, como el data governance, el rendimiento y la seguridad. Mantener la eficacia y explicabilidad de los modelos de IA al tiempo que se garantiza la ciberseguridad es esencial para el despliegue a gran escala. El debate se\u00f1ala la necesidad de actualizaciones continuas de los modelos para satisfacer las demandas cambiantes de los clientes y las normativas, y que la educaci\u00f3n de los usuarios sobre las herramientas de IA es fundamental para el \u00e9xito.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-6 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Optimizar el tama\u00f1o del modelo para obtener rentabilidad<\/h2><\/div><div class=\"fusion-text fusion-text-7\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Para hacer frente a los retos de rendimiento de la IA, Guillaume Bour explica que reducir el tama\u00f1o de los modelos manteniendo la precisi\u00f3n y la rentabilidad es clave para la ampliaci\u00f3n. Tambi\u00e9n menciona que la combinaci\u00f3n de modelos peque\u00f1os con flujos de trabajo orquestados puede optimizar el rendimiento, reduciendo los costes sin sacrificar la calidad. La observabilidad y los sistemas de supervisi\u00f3n son cruciales para mantener estos modelos en entornos de producci\u00f3n en tiempo real.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-7 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Mitigar la alucinaci\u00f3n de la IA mediante pruebas rigurosas<\/h2><\/div><div class=\"fusion-text fusion-text-8\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Por \u00faltimo, se discute la cuesti\u00f3n de la \u201calucinaci\u00f3n\u201d de la IA -proporcionar informaci\u00f3n incorrecta-. Es esencial realizar pruebas rigurosas para evitar este tipo de errores en las interacciones con los clientes. Las colaboraciones entre empresas como BNP y Discard garantizan que los sistemas de IA se prueben a fondo antes de su despliegue para mitigar los riesgos. La supervisi\u00f3n posterior al despliegue tambi\u00e9n es fundamental para identificar y abordar los problemas a lo largo del tiempo, ya que los cambios en las demandas de los clientes, las normativas y el entorno externo afectan al rendimiento de la IA.<\/p>\n<\/div><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"<p>Principales conclusiones de la mesa redonda en la que participaron Hugues Even, Director del Grupo Data de BNP Paribas, Matteo Dora, Director T\u00e9cnico de Giskard, Guillaume Bour, Director de Empresa para EMEA de Mistral AI, Anne-Laure Giret, Directora de Google Cloud AI GTM, EMEA Sur de Google Cloud, y Hanan Ouazan, Socia y Directora de IA Generativa de Artefact.<\/p>","protected":false},"featured_media":130306,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[21930],"blog-language":[2991],"class_list":["post-130305","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/130305","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/130306"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=130305"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=130305"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=130305"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}