Saltar al contenido
Contate-nos

Gobernanza de IA y ecosistema de agentes para aumentar la productividad

Gemini_Generated_Image_ehg626ehg626ehg6

Sector

Servicios financieros

Desafío

La operación dependía de especialistas que transformaran las demandas del negocio en entregas técnicas, lo cual generaba filas, aumentaba el lead time y concentraba el conocimiento crítico en pocas personas. Al mismo tiempo, el uso de la Inteligencia Artificial genérica producía respuestas inconsistentes, retrabajo y baja confianza en los resultados.

Resultados

El proyecto redujo el trabajo de corrección en un 88 %, generó aumentos de productividad superiores al 40 % y alcanzó un uso diario del 60 % entre los encuestados, de los cuales más del 70 % informó haber ahorrado tiempo.

Producto clave

MATH AI Platform

88%
Reducción del retrabajo
+40%
Ganancia de tiempo en las entregas
+70%
Usuarios reportaron ahorro de tiempo
60%
Uso diario entre los encuestados

"El tema nunca fue solamente incorporar la IA para responder, sino garantizar que respondiera de acuerdo con las reglas del negocio y con la consistencia suficiente para convertirse en capacidad operativa."

Superintendente de Datos y Eficiencia Operativa

Servicios financieros

Gemini_Generated_Image_hd2t44hd2t44hd2t

Contexto

La operación pertenece a un banco con alta demanda de datos, múltiples áreas consumidoras de información y un entorno técnico con gran cantidad de sistemas, siglas y flujos. Las solicitudes sencillas y recurrentes, como generación de queries, comprensión de bases de datos y apoyo a la taxonomía, dependían de especialistas técnicos con dominio de SQL, Oracle y Databricks. Esto generaba filas, concentraba el conocimiento y aumentaba el lead time. El uso de IA generativa en formato genérico producía códigos incorrectos y referencias a tablas inexistentes, generando así un ciclo de retrabajo.

Un ecosistema en lugar de un chat genérico

MATH estructuró un ecosistema de agentes especializados sobre Microsoft Copilot Studio. Se crearon capas funcionales diferenciadas: agentes para traducir el lenguaje natural en queries optimizados para Oracle y Databricks; agentes centrados en condensar las señales provenientes de múltiples fuentes de reclamos; agentes para automatización de la taxonomía en Jira y GTM; y agentes orientados al onboarding corporativo. MATH implementó guardrails en los prompts para garantizar adherencia a las reglas del negocio. Se preparó la arquitectura para operar tanto con agentes autónomos como con prompts estructurados en modo guiado.

Una verdadera ganancia de productividad

La reducción del 88% en el retrabajo demuestra que la operación dejó de convivir con respuestas imprecisas y ciclos de corrección. Más del 70% de los usuarios reportaron un verdadero ahorro de tiempo en sus actividades, con beneficios superiores al 40% en las entregas. El uso diario por parte del 60% de los encuestados indica adherencia práctica en la rutina. Incluso cuando los cambios en las políticas de seguridad limitaron durante un cierto periodo a los agentes autónomos, el valor de la solución se mantuvo a través de los prompts guiados.

¿Su operación ya ha transformado el conocimiento especializado en capacidad escalable?

 Converse con nuestros especialistas