Melhorando a captura comercial com os fluxos de trabalho de IA autocorreção

A integração de grandes modelos de linguagem (LLMS) na automação de processos de negócios está acendendo altas expectativas, principalmente em setores que exigem o tratamento de conteúdo de linguagem natural e de forma livre. Segundo a NVIDIA, ao alcançar a confiabilidade no nível humano nesses fluxos de trabalho, apresentou desafios, estão sendo feitos avanços significativos para aumentar a precisão e a eficiência.

AI em entrada comercial

A entrada comercial faz uma parte crítica da análise financeira do ‘What-If’, onde as negociações em potencial são avaliadas quanto ao seu impacto nos requisitos de risco e capital. Tradicionalmente, as descrições comerciais são de forma livre e variadas, dificultando a automação. Modelos de IA como o NVIDIA da NIM estão sendo empregados para interpretar essas descrições e convertê -los em dados estruturados compatíveis com sistemas de negociação.

Por exemplo, uma descrição comercial pode declarar: “Pagamos 5 anos fixo 3% vs. SOFR em 100m, a partir de 10 de janeiro”, descrevendo uma troca de taxa de juros. O desafio está na ausência de um formato predefinido, pois o mesmo comércio pode ser descrito de várias maneiras, necessitando de um entendimento diferenciado pelos modelos de IA.

Abordando alucinações de IA

Durante a troca de Nvidia.ai Hackathon, observou -se que os LLMs podem atingir alta precisão com textos comerciais simples, mas lutam com insumos complexos, levando a alucinações onde o modelo faz suposições incorretas. Um erro notável envolveu a IA adicionando incorretamente um ano à data de início de uma negociação, destacando a importância do processamento com reconhecimento de contexto.

Para combater esses problemas, a NVIDIA propõe uma abordagem de autocorreção, levando a IA a produzir um modelo de string ao lado de um dicionário de dados que reflete com precisão a entrada. Este método garante que qualquer lógica adicional, como interpretação de data, seja tratada no pós-processamento, reduzindo significativamente os erros.

Implantando modelos de IA

O NVIDIA da NIM oferece uma plataforma para implantar modelos de IA com baixa latência e alta taxa de transferência, suportando uma variedade de tamanhos de modelo. Essa flexibilidade permite que os usuários equilibrem a precisão e a velocidade, com o fluxo de trabalho de auto-corrigir demonstrando uma redução de 20-25% nos erros e as pontuações F1 aprimoradas.

Através da aprendizagem de poucos anos, onde os modelos são fornecidos com entradas e saídas de exemplo, o desempenho é aprimorado ainda mais. Modelos treinados especificamente para raciocínio, como o Deepseek-R1, mostram precisão superior, particularmente com contextos de promoção mais ricos.

Conclusão

A integração de fluxos de trabalho de autocorreção nos sistemas de captura comercial baseada em IA marca um avanço significativo, reduzindo erros e aumentando a precisão. A NVIDIA incentiva a adoção dessa abordagem nos fluxos de trabalho financeiros, alavancando suas APIs de modelo para a implantação local.

Para obter mais informações sobre os aplicativos de IA em serviços financeiros, a NVIDIA convida os profissionais do setor a participar do evento GTC Paris, oferecendo sessões de IA generativa e sua implantação em ambientes de produção.

Fonte da imagem: Shutterstock