巴西最引人注目的生成式人工智能成功案例并非来自研究实验室，而是来自日常运营：产品注册、广告发布、IT支持请求和公民服务。这些都是高容量、高重复性的流程，在这些流程中，生成式人工智能不再是实验性的，而是开始体现在各项指标中。
本文汇总了 Flexa Cloud 与OLX、Gimba、Britânia 和 FEBRABAN合作，在 AWS 上构建的四个项目。对于每个项目，我们都展示了面临的挑战、解决方案以及最终成果。最后，我们阐述了这些案例的共同之处，以及如何将这些经验应用到贵公司。
摘要：4 家公司生成式人工智能的成果
| 我们提供的服务 | 挑战 | 生成式人工智能的结果 |
|---|---|---|
| OLX | 广告发布速度慢且不完整。 | 出版直至 速度提升3倍超过5,5万条广告 |
| 金巴 | 在产品目录中进行手动产品注册 | 每项所需时间 低84％从 13 分钟到 2 分钟 |
| 不列颠尼亚 | 内部服务台不堪重负 | 30 40％至％ 助理塔尼亚负责处理所谓的日常任务。 |
| 斐柏拉邦 | 指导数百万人如何处理债务。 | 用以下方式训练的聊天机器人 15年的数据 我的口袋版最新资讯 |
OLX：广告发布速度提升高达 3 倍
在OLX，瓶颈出在销售漏斗的顶端。任何想要出售物品的人都必须填写广告中的多个字段，许多人因此放弃或发布的信息不完整。这降低了买家的体验，也降低了平台的质量。
解决方案是一款生成式人工智能工具，它能根据卖家已提供的信息自动填写广告内容。结果：发布速度提升高达3倍，每天约有250万人使用该工具，已创建超过5,5万条广告，并且在某些类别中，填写的字段数量增加了10%。
该解决方案目前每天已被约 250 万人使用，并已促成超过 5,5 万条广告的投放。
OLX集团首席技术官马塞洛·温德林
关于 OLX 项目的完整文章已发表在 TI Inside 上。
Gimba：借助 Amazon Bedrock，产品注册速度提升 84%。
在办公用品分销商和B2B电子商务公司Gimba，问题出在产品注册上。每件新产品都需要手动添加描述、属性和进行标准化，这不仅延误了产品录入目录的时间，还导致了信息不一致。
借助Amazon Bedrock上的生成式人工智能，商品目录现在可以自动生成，并由团队进行审核。每件商品的审核时间缩短了84%，从13 分钟降至 2 分钟。目录数据变得更加一致，这也提升了自然搜索排名，预计搜索量将增长 10% 。
Gimba彻底改变了其产品注册流程，将每件商品的处理时间缩短了84%，从13分钟缩短到仅2分钟。
Gimba首席技术官Daniel Arruda
详情请参阅Gimba 案例研究和AWS 发布的案例研究。
Britannia：虚拟助手可解决高达 40% 的 IT 服务请求。
在 Britânia 公司，内部服务台接到大量简单的咨询电话，例如关于访问权限、流程和使用指南的问题。IT 团队每天花费大量时间处理重复性工作，几乎没有时间解决真正需要专家才能解决的问题。
答案是Tânia，一个基于AWS构建并直接集成到工单系统中的生成式人工智能虚拟助手。如今，她每天处理30%到40%的工单，指导员工，并将需要分析的工单转交给人工团队。该项目与云迁移同步推出，云迁移带来了可扩展性、成本降低和更完善的治理。
该解决方案目前已处理了约 30% 至 40% 的日常呼叫，实现了简单支持任务的自动化，正确指导了员工，并直接与我们的呼叫管理系统集成。
Paulo Beber，Britânia 高级软件架构师和人工智能专家
二月：Meu Bolso em Dia（我的口袋有序）为负债个人提供大规模指导。
“ Meu Bolso em Dia ”是巴西金融教育机构FEBRABAN的金融教育项目，它面临着规模化挑战：在不损害信息准确性的前提下，指导数百万巴西人了解债务和违约问题。
该项目从AWS获取了一个基于生成式人工智能的聊天机器人，该机器人基于15年积累的数据构建而成。用户可以使用简单的语言进行对话，并获得基于项目官方内容的、一致的答案，从而获得解决问题的指导。
该聊天机器人基于 15 年的程序数据构建而成，通过简单直观的界面帮助人们解决债务和拖欠问题。
Raul Moreira，Banco Original 董事长兼FEBRABAN 董事会成员。
这些生成式人工智能成功案例有什么共同之处？
这四个项目来自不同的行业，但它们遵循相同的模式。其中有五条经验教训对任何公司都具有价值：
- 他们从一个包含大量练习和重复的过程开始。 注册、广告、电话和客户服务。在这些领域，生成式人工智能可以带来快速且易于衡量的收益。
- 他们事先定义了衡量标准。 每项任务耗时、问题解决率、发布速度。如果没有这些指标，就无法证明投资回报率。
- 他们妥善处理了数据。 回复的质量取决于基础的质量。在 Meu Bolso em Dia，我们已经有 15 年的精心组织的内容。
- 他们将它们整合到已有的系统中。 Tânia 与呼叫系统交互，Gimba 的注册信息则录入目录。人工智能已成为流程的一部分，而非独立工具。
- 他们从一开始就拥有治理体系。 安全措施、数据访问控制以及必要的人工审核，是区分试点项目和成功项目的关键所在。了解以下风险…… 缺乏治理的人工智能.
如何在公司中将生成式人工智能投入生产环境。
为了复制这些成果，大多数公司都面临着同样的问题：他们缺乏一支既了解业务、又精通 AWS 上的 AI 架构，还能优先考虑正确举措的团队。正因如此， Flexa Cloud 才设立了超自动化和受控 AI 卓越中心 (CoE)。
卓越中心 (CoE) 将公司所有的 AI 创意集中到一个队列中，根据预期回报进行优先级排序，在 AWS 上构建解决方案，并衡量每次交付的影响。实际上，它与上述案例中使用的方法相同，由一支高级团队作为您运营部门的延伸。
关于企业中生成式人工智能的常见问题
巴西有哪些成功的生成式人工智能案例研究？
OLX 通过自动完成功能将广告发布速度提高了 3 倍；Gimba 利用 Amazon Bedrock 将产品注册时间缩短了 84%；Britânia 的虚拟助手解决了 30% 到 40% 的 IT 支持请求；FEBRABAN 则为 Meu Bolso em Dia 项目开发了聊天机器人。
生成式人工智能在哪些流程中能更快地交付结果？
在产品注册、内容创作、内部客户服务和客户支持等高容量、重复性高的流程中，节省的时间是立竿见影且易于衡量的。
如何衡量生成式人工智能项目的投资回报率？
在项目开始前定义指标，例如每项任务所需时间、处理量、服务请求解决百分比或每次操作成本，并在实施后将其与之前的情况进行比较。
如何在AWS上启动生成式AI项目？
选择一个高影响力的流程，定义成功指标，准备数据，并从一开始就建立完善的治理机制。像 Flexa Cloud 的人工智能卓越中心这样的机构，可以帮助确定各项计划的优先级并将其投入生产。
你想获得像OLX和Gimba那样的结果吗？
预约 Flexa Cloud CoE 团队的免费诊断。我们将为您规划生成式 AI 如何在您的运营中带来实际收益，以及如何在 AWS 上通过治理将其投入生产。
