בינה מלאכותית היא כבר מזמן לא רק טכנולוגיה חדשנית – היא הופכת במהירות לחלק בלתי נפרד מחיינו. מארגונים עסקיים ועד מוסדות פיננסיים, השאלה אינה האם לאמץ AI, אלא כיצד לעשות זאת באופן שיביא ערך אמיתי ללקוחות ולארגון. השנה הקרובה מסתמנת כשנת הפריצה של הבינה המלאכותית, עם מודלים חדשים שמחוללים מהפכה בשירות, בשיווק, ובניהול חוויית הלקוח.

בבנק ONE ZERO אנו מפעילים מזה כשנה את 'אלה', הבנקאית הדיגיטלית האישית המותאמת לכל לקוח. אלה היא הרבה יותר מצ'אט בוט – היא מבוססת על מודלי שפה גדולים (LLM) ותפקידה לספק מענה מלא, הן על מידע כללי ושירותי הבנק, והן על נתונים פיננסיים אישיים, כמו מעקב הוצאות חודשיות או סטטוס חסכונות. בזכות ההטמעה של אלה, הצלחנו לצמצם ב-60% את כמות הפניות שדורשות התערבות בנקאי אנושי, מה ששיפר את חוויית השירות ללקוחות ואת מיקוד הבנקאים בפניות מורכבות יותר.

למה מוצרי GenAI נתקעים ב"בטא" בארגוני B2C ? 

מרבית הארגונים עדיין בשלב ניסוי זהיר. אז איך אפשר לפרוץ את מעגל הבטא? אנו מאמינים שזה מתחיל ביצירת ערך מעשי ללקוחות, המבוסס על שיטת 'אמון כפול' בעולם ה-LLM – אמון פנימי בארגון ואמון חיצוני מול הלקוחות.

אמון פנימי בארגון

רבים מהארגונים חוששים לחשוף מודלי שפה ישירות ללקוחות, מחשש לטעויות, חוסר שקיפות או מידע לא מהימן. אנחנו בחרנו בגישה שונה: להשיק מוקדם, ללמוד מהשטח ולשפר בהתמדה. במקום להמתין למוצר מושלם, אנו מבססים תהליך שיפור מתמשך, הנשען על אינטראקציה יומיומית עם לקוחות.

ארכיטקטורה: גמישות מודולרית במקום "מודל אחד כל-יכול"

במקום לפתח מודל אחד ענק שמנסה לפתור הכול, פיצלנו את המשימות לתת-רכיבים. כל רכיב ממוקד במשימה ייעודית, מה שמאפשר לפתח, למדוד ולהחליף אותו בקלות. למשל, פירוק מרכיב ה-Retrieval Augmented Generation (RAG) משאר חלקי השרשרת מאפשר להבטיח דיוק ומהימנות תוך שמירה על גישה מודולרית. כך, גם כשמשודרגים מודלי בסיס או מתגלים באגים, ניתן לבצע תיקונים בקלות יחסית מבלי לשנות את כל המערכת .שיטה זו, המשלבת בדיקות אוטומטיות לצד מעקב אנושי, מאפשרת להריץ בדיקות על גרסאות רבות ולמקד את הבדיקות הידניות רק בפתרונות המבטיחים ביותר. כך אנו מייעלים את התהליך תוך שמירה על שליטה ואיכות.

מאימוץ גישה דיכוטומית לחשיבת  LLM 

עבודה עם LLM שונה מגישות מסורתיות של "שחור ולבן". התשובות אינן רק "נכונות" או "שגויות", אלא נעות על סקאלה עשירה של הסתברויות וניואנסים. בבנק הטמענו שיטות QA חדשות, שמאפשרות למדוד איכות תשובה על פי פרמטרים כמו אורך, ניסוח ודגשים, ולא רק על בסיס דיוק עובדתי.

אמון הלקוחות: שיפור מתמיד ומעקב רציף

בניית אמון מול הלקוחות מתבססת על תהליך יומיומי של שיפור, בדיקה והפקת לקחים. מדי יום נבדקות מאות אינטראקציות בין 'אלה' ללקוחות, כדי לוודא שהמענה ברור, שלם ומותאם לצרכי המשתמש. במקרים בהם נדרשים שיפורים, אנו מוסיפים הבהרות, מעדכנים תוכן ומשדרגים את מנגנוני ה-Guardrails למניעת טעויות חוזרות.

תהליך זה, המכונה Feedback Loop, כולל מדידה עקבית של פרמטרים כמו אחוז הפניות שנפתרו אוטומטית ואיכות התשובות. המידע אינו נשאר בגדר תיאוריה – הוא מתורגם לפעולות בזמן אמת, המבוססות על משוב מהלקוחות.

התוצאה: מענה אישי ומותאם

מאז שחרור גרסת הבטא של 'אלה' בינואר, שיעור הפידבק השלילי צנח מ-18% ל-1.2% בלבד. מדובר במוצר שמתפתח ומשתפר ללא הפסקה, ומציע ללקוחות חוויה יוצאת דופן: בנקאית פרטית שמספקת תשובות מיידיות ומסייעת להבין סוגיות פיננסיות מורכבות.

הצצה לעתיד: 

ארגונים שיעזו לצאת מאזור הניסוי ולספק ללקוחותיהם ערך אמיתי, יובילו את עידן ה-GenAI. כפי שמוכיח המקרה של 'אלה', גם בסביבה רגישה ומורכבת כמו בנקאות ניתן להטמיע פתרונות מתקדמים, לשפר את חוויית הלקוח ולחסוך משמעותית במשאבים. זהו שינוי מחשבתי, לא רק טכנולוגי – ואלה הארגונים שינצחו בעתיד הדיגיטלי.