El análisis de datos se está consolidando como uno de los casos de uso más relevantes para los agentes de inteligencia artificial (IA). Una reciente investigación indica que el 60% de las organizaciones considera que el análisis de datos y la generación de informes son sus aplicaciones más impactantes de IA, y el 65% de las empresas lo sitúa como una de sus principales prioridades. Sin embargo, las empresas se enfrentan a dos desafíos comunes: la dependencia de los equipos de datos para realizar consultas, lo que genera cuellos de botella, y la falta de consistencia en los resultados proporcionados por las soluciones tradicionales de texto a SQL.
BGL, una reconocida compañía que ofrece soluciones de administración para fondos de pensiones autogestionados (SMSF), ha experimentado estos problemas en sus propios casos de uso de análisis de datos e informes. La firma, que atiende a más de 12,700 empresas en 15 países, procesa datos financieros y de cumplimiento a través de más de 400 tablas analíticas que cubren áreas como el rendimiento de inversiones y el seguimiento de cumplimiento. Sus empleados y clientes requieren poder obtener información relevante de esos datos con facilidad.
Para enfrentar estos desafíos, BGL, en colaboración con Amazon Web Services (AWS), ha desarrollado un agente de inteligencia artificial empleando el SDK de Claude Agent, alojado en Amazon Bedrock AgentCore. Este agente permite a los usuarios de negocios recuperar información analítica a través del lenguaje natural, garantizando al mismo tiempo el cumplimiento de los estándares de seguridad y regulación del sector financiero.
El desarrollo del agente de BGL se basa en establecer una sólida fundación de datos, donde las tablas analíticas se construyen y organizan de manera que cada una responde a preguntas comerciales específicas. Esta separación de funciones asegura que la lógica empresarial se valide previamente, lo que reduce el riesgo de inconsistencias en los resultados. Además, el agente utiliza código Python para gestionar datos complejos y generar visualizaciones, optimizando su rendimiento y mantenibilidad.
Otro elemento clave en la implementación del agente es el uso del SDK de Claude, que permite la ejecución de código y la gestión automática del contexto, evitando problemas relacionados con la saturación de memoria durante períodos de interacción prolongados. El agente está diseñado para gestionar datos de manera eficaz, ejecutando consultas SQL y procesando los resultados sin sobrecargar sus límites de memoria.
BGL también ha organizado el conocimiento del agente en torno a sus diversas líneas de productos, utilizando archivos de configuración que permiten que el agente se active de manera dinámica en respuesta a preguntas específicas, integrando así la experiencia del dominio en sus operaciones diarias. Esto ayuda a proporcionar análisis más precisos y oportunos a los empleados.
La arquitectura del sistema soporta un flujo de trabajo seguro y escalable. A través de Amazon Bedrock AgentCore, BGL puede ofrecer sesiones de ejecución aisladas y seguras, mejorando la eficiencia al permitir que los usuarios realicen consultas continuas sin perder el contexto de la conversación.
La revolucionaria implementación del agente de BGL ha cambiado significativamente la manera en que más de 200 empleados extraen inteligencia empresarial. Ahora, los gerentes de producto pueden validar hipótesis de forma instantánea, los equipos de cumplimiento pueden detectar tendencias de riesgo sin necesidad de conocimientos técnicos profundos, lo que fomenta una democratización en el acceso a los datos y transforma el análisis en una ventaja competitiva tangible.
En conclusión, la experiencia de BGL resalta la importancia de contar con una base de datos sólida y la utilización de tecnologías de IA adecuadas para empoderar a los empleados en la toma de decisiones informadas, estableciendo un nuevo estándar en la forma en que las empresas manejan y aprovechan sus datos.
vía: AWS machine learning blog
