Cómo Just AI Ayudó a un Banco a Romper el Techo de la Automatización con Agentes LLM

El equipo Just AI publicó un análisis de un caso real: cómo transicionar el soporte al cliente de un banco de bots basados en NLU a agentes LLM sin terminar con una ola de alucinaciones en lugar de crecimiento de automatización.

El Techo que No Puedes Eludir

Cuando los escenarios de NLU crecen a cientos de ramas, añadir nuevos diálogos deja de ayudar. El bot comienza a cometer errores en casos límite, requiere soporte constante de etiquetado y no puede manejar formulaciones no estándar. El porcentaje de automatización se estanca.

El banco enfrentó exactamente esto: un sistema maduro de NLU para cashback había alcanzado su límite. El problema no estaba en la calidad de la configuración — el problema estaba en la arquitectura.

Los bots clásicos de NLU funcionan con reglas rígidas: pueden reconocer las intenciones en las que fueron entrenados, pero luchan con variaciones semánticas y contexto dentro de diálogos largos.

Qué Cambió con Agentes LLM

Just AI propuso una transición a una arquitectura de agentes LLM. En lugar de un árbol de escenarios rígido — un modelo de lenguaje que entiende el significado de las solicitudes, mantiene el contexto y genera respuestas basadas en bases de conocimiento actuales.

Cambios clave en el sistema:

• Clasificador de NLU reemplazado por comprensión de LLM — incluyendo paráfrasis y formulaciones no estándar
• Soporte para diálogos multiturn con preservación de contexto
• Respuestas construidas desde la base de conocimiento del banco, no scripts hardcoded
• Un agente-juez introducido que valida cada respuesta antes de enviar
• Si una respuesta no es confirmada por la fuente — se bloquea y el cliente es enrutado a un agente vivo

Agente-Juez Contra Alucinaciones

El principal riesgo al implementar LLM en soporte bancario son las alucinaciones: el modelo puede reportar con confianza condiciones incorrectas de cashback o reglas inexistentes. Para un banco, esto no es solo una experiencia de usuario deficiente — es riesgo regulatorio y reputacional.

Just AI lo resolvió mediante verificación de dos niveles. El primer agente genera una respuesta. El segundo — el agente-juez — verifica contra la base de conocimiento original. El cliente recibe una respuesta correcta o es transferido a un operador vivo.

"El techo de automatización no es un bug, es un límite arquitectónico de NLU.

Ayudamos al banco a romperlo cambiando la tecnología, no ajustando configuraciones," — Just AI.

Qué Significa Esto

La transición de bots de NLU a agentes LLM no es una actualización, es un cambio de paradigma. Para bancos y otras empresas reguladas, esto solo es posible con control de calidad integrado: el agente-juez se convierte en un componente arquitectónico obligatorio, no una opción.