Migliorare la fiducia nell’intelligenza artificiale degli agenti per i flussi di lavoro finanziari rimane oggi una delle principali priorità per i leader tecnologici.
Negli ultimi due anni, le aziende si sono affrettate a inserire agenti automatizzati in flussi di lavoro reali, abbracciando l’assistenza clienti e le operazioni di back-office. Questi strumenti eccellono nel recupero delle informazioni, ma spesso hanno difficoltà a fornire un ragionamento coerente e spiegabile durante scenari a più fasi.
Risolvere il problema dell’opacità dell’automazione
In particolare, le istituzioni finanziarie fanno affidamento su enormi volumi di dati non strutturati per informare le note di investimento, condurre indagini sulle cause profonde ed eseguire controlli di conformità. Quando gli agenti gestiscono questi compiti, qualsiasi incapacità di tracciare la logica esatta può portare a severe sanzioni normative o a una scarsa allocazione delle risorse. I dirigenti tecnologici spesso scoprono che l’aggiunta di più agenti crea più complessità che valore senza una migliore orchestrazione.
Laboratorio di intelligenza artificiale open source Senziente ha lanciato oggi Arena, progettato come un ambiente di stress test live e di livello produttivo che consente agli sviluppatori di valutare approcci computazionali concorrenti rispetto a problemi cognitivi impegnativi.
Il sistema di Sentient replica la realtà dei flussi di lavoro aziendali, fornendo deliberatamente agli agenti informazioni incomplete, istruzioni ambigue e fonti contrastanti. Invece di valutare se uno strumento ha generato un output corretto, la piattaforma registra la traccia completa del ragionamento per aiutare i team di ingegneri a eseguire il debug degli errori nel tempo.
Costruire sistemi di intelligenza artificiale agenti affidabili per la finanza
La valutazione di queste capacità prima dell’implementazione della produzione ha suscitato non carenza di interesse istituzionale. Sentient ha collaborato con un gruppo che comprende Founders Fund, Pantera e il colosso della gestione patrimoniale Franklin Templeton, che supervisiona oltre 1,5 trilioni di dollari. Altri partecipanti alla fase iniziale includono alphaXiv, Fireworks, Openhands e OpenRouter.
Julian Love, Direttore Generale presso Franklin Templeton Digital Assets, ha affermato: “Mentre le aziende cercano di applicare agenti AI nella ricerca, nelle operazioni e nei flussi di lavoro rivolti ai clienti, la domanda non è più se questi sistemi sono potenti o se possono generare una risposta, ma se sono affidabili nei flussi di lavoro reali.
“Un ambiente sandbox come Arena – in cui gli agenti vengono testati su flussi di lavoro reali e complessi e il loro ragionamento può essere ispezionato – aiuterà l’ecosistema a separare le idee promettenti dalle capacità pronte per la produzione e aumenterà la fiducia nel modo in cui questa tecnologia viene integrata e scalata”.
Himanshu Tyagi, co-fondatore di Sentient, ha aggiunto: “Gli agenti IA non sono più un esperimento all’interno dell’azienda; vengono inseriti in flussi di lavoro che toccano clienti, denaro e risultati operativi.
“Questo cambiamento cambia ciò che conta. Non è sufficiente che un sistema risulti impressionante in una demo. Le aziende devono sapere se gli agenti possono ragionare in modo affidabile nella produzione, dove i guasti sono costosi e la fiducia è fragile.”
Le organizzazioni di settori sensibili come quello finanziario necessitano di ripetibilità, comparabilità e di un metodo per tenere traccia dei miglioramenti dell’affidabilità indipendentemente dai modelli sottostanti che utilizzano per l’intelligenza artificiale degli agenti. L’integrazione di piattaforme come Arena consente ai direttori tecnici di creare pipeline di dati resilienti adattando al tempo stesso le funzionalità degli agenti open source ai propri dati interni privati.
Superare i colli di bottiglia dell’integrazione
I dati dell’indagine evidenziano un divario tra ambizione e realtà. Mentre l’85% delle aziende desidera operare come imprese basate su agenti – e quasi tre quarti pianificano di impiegare agenti autonomi – meno di un quarto possiede strutture di governance mature.
Passare dalla fase pilota a quella su vasta scala si rivela difficile per molti. Ciò accade perché gli attuali ambienti aziendali utilizzano in media dodici agenti separati, spesso in silos.
I modelli di sviluppo open source offrono un percorso da seguire fornendo un’infrastruttura che consente una sperimentazione più rapida. La stessa Sentient funge da architetto dietro framework come ROMA e il modello open source Dobby per assistere in questi sforzi di coordinamento.
Concentrarsi sulla trasparenza computazionale garantisce che quando un processo automatizzato formula una raccomandazione su un portafoglio, i revisori umani possano monitorare esattamente come è stata raggiunta tale conclusione.
Dando priorità agli ambienti che registrano tracce logiche complete piuttosto che a risposte giuste isolate, i leader tecnologici che integrano l’intelligenza artificiale per operazioni come la finanza possono garantire un ROI migliore e mantenere la conformità normativa in tutta la loro azienda.
Vedi anche: Goldman Sachs e Deutsche Bank testano l’intelligenza artificiale per la sorveglianza commerciale
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici tra cui Fiera sulla sicurezza informatica e sul cloud. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
