كيف عملت Capital One على تطوير أنظمة ذكاء اصطناعي متعددة الوكلاء لإثراء تجربة شراء السيارات وإدارة المخاطر بشكل احترافي

كيف بنى كابيتال وان أنظمة الذكاء الاصطناعي متعددة الوكلاء لإدارة الاستخدامات المؤسسية 7 يوليو 2025 - الساعة 7:50 صباحاً قدم ميليند نافادي، نائب الرئيس التنفيذي للتكنولوجيا في قسم أسس الذكاء الاصطناعي في كابيتال وان، أفضل الممارسات والدروس المستفادة من التجارب والتطبيقات الحقيقية لتشغيل وتوسيع نظام الذكاء الاصطناعي متعدد الوكلاء (Multi-Agent AI) الذي يستخدم في تحسين تجربة شراء السيارات. التحديات والاعتبارات الرئيسية كابيتال وان، وهي مؤسسة مالية تسعى دائمًا للبقاء في طليعة التقنيات الناشئة، أطلقت نظامًا للذكاء الاصطناعي متعدد الوكلاء يعمل على مستوى الإنتاج لتعزيز تجربة شراء السيارات. يتكون هذا النظام من عدة وكلاء ذكاء اصطناعي يعملون معًا لتوفير المعلومات وتنفيذ الإجراءات بناءً على تفضيلات واحتياجات العملاء. على سبيل المثال، وكيل واحد يقوم بالتحدث مع العميل، بينما يقوم آخر بإنشاء خطة العمل بناءً على القواعد التجارية والأدوات المتاحة. وكيل ثالث يتحقق من دقة الوكلاء السابقين، ووكيل رابع يشرح ويؤكد الخطة مع المستخدم. مع وجود أكثر من 100 مليون عميل يستخدمون مجموعة متنوعة من التطبيقات الأخرى لدى كابيتال وان، تم تصميم نظام الذكاء الاصطناعي متعدد الوكلاء لتحقيق المرونة والتعقيد. تصميم نظام الذكاء الاصطناعي متعدد الوكلاء في مجال الخدمات المالية، هناك متطلبات صارمة عند تصميم أي تدفق عمل يدعم رحلة العميل. تشمل تطبيقات كابيتال وان العديد من العمليات المعقدة حيث يطرح العملاء قضايا واستفسارات باستخدام أدوات التواصل. هذان العاملان جعلا عملية التصميم معقدة للغاية، مما استلزم نظرة شاملة لجميع خطوات الرحلة، بما في ذلك كيفية رد وتفاعل وتوضيح كل من العملاء والوكلاء البشريين في كل خطوة. أشار نافادي إلى أنه عندما راجعوا كيف يفكر البشر أثناء الرد على العملاء، لاحظوا أن تصميم النظام باستخدام العديد من الوكلاء المنطقيين يمكن أن يحاكي التفكير البشري بشكل جيد. لكن السؤال كان، ماذا يفعل الوكلاء المختلفون؟ لماذا اعتمدوا على أربعة وكلاء وليس ثلاثة أو عشرين؟ درسوا تجارب العملاء في البيانات التاريخية: أين تسير المحادثات بشكل صحيح، وأين تفشل، ومدة المحادثات، وغيرها من الحقائق البارزة. توصلوا إلى أنه غالبًا ما يستغرق عدة دورات من المحادثة مع الوكيل لفهم رغبات العميل، وأن أي تدفق عمل ذكي يجب أن يخطط لذلك بينما يبقى راسخًا في أنظمة المؤسسة والأدوات المتاحة وسياسات الحماية التنظيمية. "الكسرة الرئيسية لنا كانت الإدراك بأن هذا يجب أن يكون ديناميكيًا وتكراريًا"، قال نافادي. "عندما ننظر إلى كيفية استخدام الناس للنماذج اللغوية الكبيرة (LLMs)، فإنهم غالبًا ما يضعون LLMs كواجهة أمامية لنفس الآلية التي كانت موجودة سابقًا. كانوا يستخدمون LLMs فقط لتصنيف النوايا. لكننا أدركنا منذ البداية أن هذا wasn't قابل للتوسع." إدارة المخاطر ومعايير اختيار النماذج أدرجت كابيتال وان إطارًا قويًا لإدارة المخاطر في تطوير نظام الذكاء الاصطناعي متعدد الوكلاء. بصفتها مؤسسة تنظيمية، أشار نافادي إلى أن هناك كيانات مستقلة تقوم بمراقبة وتقييم وطرح أسئلة ومراجعة الأعمال. فكرت الشركة في أن يكون لها وكيل ذكاء اصطناعي مخصص لتقييم ما يقوم به الوكلاء السابقون بناءً على سياسات وقواعد كابيتال وان. يحدد وكيل التقييم ما إذا كان الوكلاء السابقون ناجحين، وإذا لم يكن كذلك، يرفض الخطة ويطلب من وكيل التخطيط تصحيح نتائجه بناءً على حكمه بشأن مكان المشكلة. يحدث هذا في عملية تكرارية حتى يتم الوصول إلى الخطة المناسبة. وقد أثبت هذا أن يكون مفيدًا للغاية للشركة في نهج الذكاء الاصطناعي متعدد الوكلاء. "وكيل التقييم هو ... حيث نجلب نموذج العالم. هذا هو المكان الذي نحاكي فيه ما سيحدث إذا تم تنفيذ سلسلة من الإجراءات. هذا النوع من الدقة، الذي نحتاجه لأننا مؤسسة تنظيمية – أعتقد أن هذا يضعنا على مسار مستدام وقوي. أتوقع أن العديد من المؤسسات ستحل النهاية عند هذه النقطة." التحديات الفنية يحتاج نظام الذكاء الاصطناعي متعدد الوكلاء إلى العمل مع أنظمة التنفيذ عبر المؤسسة، وكلها لديها مجموعة متنوعة من الصلاحيات. كان من بين التحديات الفنية الأخرى ضمان الدقة العالية في استدعاء الأدوات والواجهات البرمجية (APIs) في سياقات مختلفة - من توضيح نوايا المستخدم إلى إنشاء وتنفيذ خطة موثوقة. "لدينا عدة دورات من التجارب والاختبارات والتقييمات والبشر في الحلقة، وذلك قبل أن نتمكن من إطلاق شيء مثل هذا في السوق"، قال نافادي. "لكن أحد أكبر التحديات كان عدم وجود سابقة. لم نتمكن من القول، مثلاً، إن شخصًا آخر فعلها بهذه الطريقة. كيف كانت النتائج؟ كان هناك عنصر جديد. كنا نقوم بذلك للمرة الأولى." اختيار النماذج وشراكة إنفيديا فيما يتعلق بالنماذج، تتابع كابيتال وان بعناية الأبحاث الأكاديمية والصناعية، وتقدم في المؤتمرات وتبقى على اطلاع بما هو رائد في مجال الذكاء الاصطناعي. في الحالة الحالية، استخدموا نماذج ذات وزن مفتوح، بدلاً من المغلق، لأن ذلك سمح لهم بدرجة كبيرة من التخصيص. هذا أمر حيوي بالنسبة لهم، بحسب ما يؤكد نافادي، لأن الميزة التنافسية في استراتيجية الذكاء الاصطناعي تعتمد على البيانات الخاصة. في البنية التكنولوجية نفسها، يستخدمون مزيجًا من الأدوات، بما في ذلك التكنولوجيا الداخلية، وسلاسل الأدوات مفتوحة المصدر، وسلاسل الاستدلال الخاصة بإنفيديا. التعاون الوثيق مع إنفيديا ساعد كابيتال وان في الحصول على الأداء المطلوب، وفي العمل على الفرص الخاصة بالصناعة في مكتبة إنفيديا، وتحديد الميزات ذات الأولوية لخادم Triton ونماذج TensoRT الكبيرة. آفاق الذكاء الاصطناعي متعدد الوكلاء تواصل كابيتال وان نشر وتوسيع وتكرار وكلاء الذكاء الاصطناعي عبر أعمالها. كان أول تدفق عمل ذكي متعدد الوكلاء هو "Chat Concierge"، الذي تم نشره عبر قسم السيارات في الشركة. كان مصممًا لدعم كل من وكلاء السيارات والعملاء في عملية شراء السيارات. بفضل البيانات الغنية للعملاء، يتم تحديد الراغبين الجادين في الشراء، مما ساهم في تحسين مؤشرات المشاركة مع العملاء بشكل كبير - بنسبة تصل إلى 55% في بعض الحالات. "يستطيعون توليد طلبات جادة أفضل من خلال هذا الوكيل الطبيعي، الأسهل، والمتوفر 24/7"، قال نافادي. "نود إ Spurs هذه القدرة إلى المزيد من التفاعلات التي تواجه العملاء. ولكننا نرغب في القيام بذلك بطريقة مدارة بشكل جيد. إنه رحلة." تقييم الحدث من قبل المتخصصين يُعتبر تبني كابيتال وان لأنظمة الذكاء الاصطناعي متعدد الوكلاء خطوة مهمة نحو تحسين تجربة العملاء بشكل ديناميكي ومرن. هذا النهج ليس فقط يعزز الكفاءة والدقة، بل أيضًا يساعد في تطبيق السياسات التنظيمية بشكل أكثر فعالية. تعتبر شراكتها مع إنفيديا عاملاً حاسمًا في تحقيق هذه الأهداف، مما يتيح لها الاستفادة من أفضل التقنيات المتاحة في السوق. نبذة تعريفية عن كابيتال وان كابيتال وان هي شركة خدمات مالية أمريكية رائدة تأسست عام 1988. تعمل الشركة في مجال البطاقات الائتمانية والقروض الاستهلاكية والخدمات المصرفية. تسعى كابيتال وان دائمًا إلى الابتكار والتقدم في مجال التكنولوجيا المالية، وتسخر أحدث التقنيات لتحسين تجربة العملاء وزيادة الكفاءة التشغيلية.