Um den spezifischen Anwendungsfall der Bank zu berücksichtigen, führte Artefact eine Cluster-Analyse durch, die es den Benutzern ermöglichte, verschiedene Kundengruppen anzusprechen. Die Analyse konzentrierte sich auf eine ausgewählte Untergruppe von Kunden und definierte typische Profile (Personas) durch generative KI. Diese Personas könnten dann nach ihren persönlichen Vorlieben und Konsumgewohnheiten befragt werden.
„Das IBM watsonx.ai-Studio ermöglichte es uns, die gesamte Lösung, vom Backend bis zum Frontend, in nur einem Monat mit einem kleinen Team bereitzustellen. Die Tools von IBM sind äußerst funktional, einfach bereitzustellen und zu bedienen – eine solide Grundlage für die schnelle Entwicklung von KI-Lösungen“, sagt Jérémie Cornet-Vuckovic.
Artefact hebt zwei zentrale Aspekte des IBM Watsonx.ai-Angebots hervor:
• Ein umfassendes Technologiespektrum, das die wichtigsten Open-Source-Technologien umfasst und es den Entwicklungsteams ermöglicht, diese Tools zu nutzen, um das Projekt zu beschleunigen.
• Robuste Datensicherheits- und -schutzfunktionen, die den Einsatz und das Training von KI vor Ort ermöglichen – ein entscheidendes Element für Sektoren wie das Finanzwesen, das Versicherungswesen und den öffentlichen Sektor.
Artefact verwendete anonymisierte Kundendaten für die Anwendungsentwicklung. Dabei wurde akribisch darauf geachtet, die durch generative KI generierten Reaktionen zu verstehen und zu erläutern. „Jede bereitgestellte Information ist in der Bewerbung erklärbar“, bestätigt Jérémie Cornet-Vuckovic. „Es ist von entscheidender Bedeutung, dass man den von der KI bereitgestellten Daten vertrauen kann, ohne die es keinen Nutzen für das Unternehmen geben könnte.“