Günlük ve haftalık bültenlerimize katılarak sektör lideri AI haberlerinden en son güncellemeleri ve özel içerikleri edinin. Daha fazla bilgi edinin.
Wells Fargo, birçok işletmenin hâlâ hayalini kurduğu bir başarıya imza attı: işlevsel ve üretim seviyesinde bir generatif AI sistemi oluşturarak bunu büyük ölçekle hayata geçirdi. 2024 yılı itibarıyla, bankanın AI destekli asistanı Fargo, 245.4 milyon etkileşime ulaştı, bu da ilk tahminlerini iki katına çıkardı ve bunu, hassas müşteri verilerini bir dil modeline asla maruz bırakmadan başardı.
Fargo, müşterilere günlük bankacılık ihtiyaçlarında sesli veya yazılı olarak yardım ediyor; fatura ödeme, para transferi, işlem detayları sağlama ve hesap faaliyetleri hakkında soruları yanıtlama gibi talepleri yönetiyor. Asistan, kullanıcılar için çok sayıda etkileşim sağlayarak popüler bir araç haline geldi.
Gizlilik Odaklı Bir Altyapı
Bu sistem, gizlilik odaklı bir yapı ile çalışıyor. Müşteriler, uygulama üzerinden etkileşime geçiyor; burada konuşmalar bir ses tanıma modeli ile yerel olarak metne dönüştürülüyor. Metin, Wells Fargo’nun iç sistemleri tarafından büyük veri koruma açısından taranıyor ve belirleniyor. Sadece bu aşamadan sonra, kullanıcı niyetini ve ilgili varlıkları çıkarmak için Google’ın Flash 2.0 modeline bir çağrı yapılıyor. Hiçbir hassas veri modele ulaşmıyor.
Wells Fargo CIO’su Chintan Mehta, VentureBeat ile yaptığı bir röportajda şunları belirtti: “Orkestrasyon katmanı modele bağlanır. Ön ve arka planda filtrelerimizi kullanıyoruz.”
Hızlı ve Uyumlu Otomasyon
Wells Fargo’nun iç verileri, etkileşimlerde belirgin bir artışı gösteriyor: 2023’te 21.3 milyon etkileşimden, 2024’te 245 milyon etkileşime ulaştı. Toplamda ise, lansmandan bu yana 336 milyondan fazla etkileşim gerçekleşti. Ayrıca, İspanyolca kullanımının %80’den fazlasını kapsadığı belirtildi.
Bu mimari, daha geniş bir stratejik değişimi yansıtıyor. Mehta, bankanın yaklaşımının “bileşik sistemler” inşa etmek üzerine kurulu olduğunu ifade etti. Görevlerine göre hangi modelin kullanılacağını belirleyen orkestrasyon katmanları oluşturuyorlar. Fargo’yu yönlendiren model Gemini Flash 2.0, ancak Llama gibi daha küçük modeller de içsel olarak başka alanlarda kullanılıyor.
Otonom Sistemler ve Çoklu Model Kullanımı
Wells Fargo, daha otonom sistemlere doğru da adım atıyor. Mehta, 15 yıllık arşivlenmiş kredi belgelerini yeniden değerlendirmek için bir proje gerçekleştirdiklerini belirtti. Banka, bu süreçte LangGraph gibi açık kaynaklı çerçevelerle oluşturulmuş etkileşimli bir ajan ağı kullandı. Her ajan, süreçte belirli bir rol üstlenerek belgeleri almak, içeriği çıkarmak ve veri sistemlerine eşleştirmek gibi görevler üstlendi.
Mehta, günümüzde çoğu modelin günlük görevleri iyi bir şekilde yerine getirdiğini ancak akıl yürütme yeteneklerinin önemli bir ayrım noktası olduğunu vurguladı. Çeşitli modellerin farklı yollarla akıl yürütme yapabildiğini ve bu konudaki yeteneklerin bazı modellerde daha iyi olduğunu söyledi.
Sonuç Olarak
Düşük gecikme süreleri, gerçek zamanlı müşteri uygulamalarına geçişi mümkün kılmakta. Wayfair CTO’su Fiona Tan, Gemini 2.5 Pro‘nun hızlılık açısından iyi bir performans sergilediğini belirtti. Ayrıca, Google’ın bu yıl düzenleyeceği Google Cloud Next konferansında mükemmel otonom ajanlar içeren yeni yetenek ve araçların tanıtılacağı bekleniyor.
Mehta, AI benimsemesinde gerçek engeli, model performansı ya da GPU bulunabilirliğinin değil, güç üretimi ve dağıtımının oluşturacağını ifade etti. “Bunun oldukça güçlü olduğuna hiç şüphem yok” diyen Mehta, “Ancak abartılı beklentilere kapılmamamız gerektiğinin farkında olmalıyız.” şeklinde uyarıda bulundu.
