Pega systems vient d’annoncer la sortie de Process AI, un nouvel ensemble de fonctions pour la plateforme Pega Platform, destiné à optimiser les opérations commerciales et clients en temps réel. La solution est dotée de fonctions pour trier intelligemment des millions de demandes clients, de transactions et autres événements à l’échelle de l’entreprise. Process Ai est une des rares solutions low code à proposer l’optimisation continue via une IA qui évalue constamment les événements client à grande échelle. Celle-ci propose également l’aide à la décision via des inférences et des suggestions.
Ses fonctions s’appuient sur la puissance de l’IA temps réel, mais aussi sur le traitement des flux d’événements (ESP), l’apprentissage automatique, l’aide à la décision et le traitement du langage naturel (NLP). « Des millions d’événements sont analysés en continu afin de prendre immédiatement des décisions intelligentes et de résoudre rapidement chaque dossier », explique le communiqué. Grâce à des centaines de modèles d’autoapprentissage, Process AI rationalise à la volée les processus inefficaces pour mieux optimiser les résultats et offrir la meilleure expérience possible aux clients et aux employés.
Des mécanismes de contrôle des biais
Ce tri permet un traitement plus rapide de tous ces événements, tout en réduisant les coûts d’exploitation et en simplifiant l’expérience utilisateur, aussi bien pour les clients que pour les opérateurs. Process AI propose une interface low-code de machine learning qui simplifie le développement et la gestion des modèles d’IA tout au long de leur cycle de vie.
Les modèles sont facilement modifiables en fonction de l’évolution des besoins. Des rapports permettent de suivre l’état et les performances de ces modèles, et les fonctions sont personnalisables pour différents utilisateurs. Ce qui est idéal pour les équipes pluridisciplinaires et facilite la collaboration entre les informaticiens, les data scientists et les utilisateurs métier. Process AI respecte les principes d’une IA responsable, pour garantir que les algorithmes produisent des résultats justes et équilibrés, exempts de biais involontaires. Des paramètres de transparence offrent plus de contrôle aux utilisateurs. Les entreprises peuvent ainsi limiter les risques tout en respectant la réglementation.
