BNP PARIBAS, GISKARD, MISTRAL AI GOOGLE CLOUD AI Finance by Artefact AI voor bedrijven op het gebied van klantenservice

Deze discussie belicht de baanbrekende rol van AI in de klantenservice, waarbij de nadruk ligt op hun praktische toepassingen en uitdagingen in diverse sectoren, met name het bankwezen. Er wordt vooral aandacht besteed aan de inzet van AI klantinteracties te automatiseren en te verbeteren, bijvoorbeeld via e-mail en spraakkanalen, met hulpmiddelen die de context begrijpen, taken prioriteren en reacties voorstellen, waardoor de efficiëntie en de klanttevredenheid worden verhoogd.

Hugues vertelt hoe AI bij het verwerken van e-mails door deze te categoriseren, prioriteren en door te sturen, en tegelijkertijd antwoorden voor te stellen ter beoordeling. Voor spraakinteracties AI na afloop van het gesprek samenvattingen, actiepunten en inzichten die kunnen worden gebruikt voor toekomstige vergaderingen. Deze tools helpen banken de kwaliteit van hun dienstverlening te verbeteren door de inhoud en toon van interacties te analyseren, waarmee ze verder gaan dan traditionele methoden voor klantfeedback.

In het gesprek komt ook de rol AIin belangrijke bankprocessen aan bod, zoals kredietaanvragen en het onboarden van klanten. AI maakt gebruik van taalmodellen en computervisie om documenten te verifiëren en informatie te controleren, waardoor deze processen worden gestroomlijnd. De deelnemers benadrukken hoe de rol AIgeneratieve AIzich ontwikkelt van eenvoudige, vooraf geprogrammeerde chatbots naar geavanceerde conversatieassistenten die een breed scala aan vragen kunnen afhandelen en een meer gepersonaliseerde service bieden.

Een belangrijke conclusie uit de discussie is de overgang naar conversatieassistenten die gebruikmaken van grote taalmodellen (LLM’s), die dynamischere reacties bieden dan eerdere chatbots. Deze modellen moeten echter worden afgestemd op specifieke contexten en sectoren, wat aanpassingen vereist zoals ‘low-rank adaptation’. De discussie onderstreept het belang van het behouden van controle over deze AI , met name bij gevoelige data, en benadrukt de samenwerking met AI zoals Mistral om data en prestaties te waarborgen.

Het opschalen van AI de productie brengt uitdagingen met zich mee, zoals data , prestaties en beveiliging. Het behoud AI de efficiëntie en verklaarbaarheid AI , in combinatie met het waarborgen van cyberbeveiliging, is essentieel voor grootschalige implementatie. In de discussie wordt gewezen op de noodzaak van voortdurende modelupdates om te voldoen aan de veranderende eisen van klanten en regelgevende instanties, en wordt benadrukt dat voorlichting van gebruikers over AI cruciaal is voor succes.

Guillaume Bour legt uit dat het verkleinen van de modelomvang, met behoud van nauwkeurigheid en kostenefficiëntie, essentieel is voor schaalbaarheid om de uitdagingen AI aan te pakken. Hij wijst er ook op dat het combineren van kleine modellen met gecoördineerde workflows de prestaties kan optimaliseren, waardoor de kosten worden verlaagd zonder dat dit ten koste gaat van de kwaliteit. Observability- en monitoringsystemen zijn cruciaal voor het onderhoud van deze modellen in realtime productieomgevingen.

Tot slot wordt ingegaan op het probleem van AI – het verstrekken van onjuiste informatie. Grondige tests zijn essentieel om dergelijke fouten in de interactie met klanten te voorkomen. Samenwerkingen tussen bedrijven als BNP en Discard zorgen ervoor dat AI grondig worden getest voordat ze in gebruik worden genomen, om zo de risico’s te beperken. Monitoring na de implementatie is eveneens van cruciaal belang om problemen in de loop van de tijd op te sporen en aan te pakken, aangezien veranderingen in de vraag van klanten, regelgeving en de externe omgeving van invloed zijn op AI .