En un movimiento significativo hacia la mejora de sus servicios, Crypto.com ha implementado un asistente basado en inteligencia artificial generativa en su plataforma, utilizando tecnologías de AWS. Este avance busca optimizar la calidad del servicio para sus 140 millones de usuarios distribuidos en 90 países, presentando un hito en la evolución de los asistentes empresariales.

Los asistentes de inteligencia artificial modernos enfrentan desafíos crecientes, más allá de responder preguntas simples. Deben realizar acciones significativas y cumplir con las políticas de la empresa, lo que añade complejidad a su funcionamiento. La arquitectura modular se destaca como una solución efectiva, dividiendo el sistema en componentes especializados que operan de manera independiente pero colaboran en un todo cohesivo.

Un aspecto crucial en la mejora de estos sistemas es la ingeniería de prompts, que se refiere a la redacción de instrucciones que guían las respuestas de los modelos de lenguaje. En entornos empresariales, donde la precisión y fiabilidad son esenciales, la incorporación de ciclos de retroalimentación permite a estos modelos aprender de sus errores y ajustar sus respuestas.

Un enfoque innovador es la crítica, que empareja modelos de lenguaje grande (LLMs) con mecanismos externos que ofrecen retroalimentación. Este método permite que el modelo corrija sus salidas y se adapte a situaciones desafiantes, mejorando su efectividad. Por ejemplo, un asistente que maneja consultas sobre límites de crédito puede inicialmente omitir pasos importantes, pero con crítica, aprende a incluir estos procedimientos en sus respuestas.

La efectividad de estos mecanismos de retroalimentación no solo corrige errores, sino que también permite a los LLMs desarrollar una comprensión más profunda de las instrucciones. A lo largo de varias iteraciones, los modelos ajustan sus estrategias, anticipándose a malentendidos y mejorando su enfoque.

El proceso de refinamiento iterativo ha permitido al equipo de Crypto.com transformar un conjunto básico de instrucciones en un sistema robusto que mejora constantemente. Durante sus pruebas, observaron una mejora notable, elevando la tasa de precisión del 60% a un impresionante 94%. Esto demuestra la eficacia de su estrategia de optimización iterativa.

El enfoque adoptado por Crypto.com ilustra cómo los asistentes de inteligencia artificial pueden evolucionar de sistemas estáticos a herramientas dinámicas y auto-mejorables. De cara al futuro, la refinación continua de los mecanismos de retroalimentación y las técnicas de ingeniería de prompts será crucial para desarrollar sistemas de asistencia de IA cada vez más sofisticados y confiables.