Ant International sustituye un flujo de atención a comercios de varios pasos por un único modelo Qwen3 ajustado

El problema

Ant International, una empresa global de pagos y servicios financieros, opera un agente de atención a comercios que gestiona consultas sobre pagos transfronterizos, disputas de reembolso y liquidaciones del comercio electrónico. El agente se había construido como una cadena de módulos independientes: enrutar la pregunta, recuperar información, planificar, actuar, redactar la respuesta y revisarla. Los autores dicen que este tipo de cadena acumula parches para cada caso extraño, dificulta el rastreo de los errores y añade demora en cada paso. Un error al principio de la cadena se arrastra a los pasos posteriores, y la demora frustra a clientes preocupados por su dinero.

Qué construyeron

El equipo sustituyó la cadena por un solo modelo, al que llama OneModel. Un único modelo gestiona todo el intercambio: entender la solicitud, usar herramientas, seguir los procedimientos de la empresa y redactar la respuesta. Las reglas de negocio y los procedimientos operativos estándar se incorporan a los parámetros del modelo mediante entrenamiento adicional, en lugar de residir en módulos separados.

El modelo tiene 8 mil millones de parámetros y se basa en la familia Qwen3 de pesos abiertos de Alibaba. Se sirve en la infraestructura propia de Ant International con GPU NVIDIA H200 y el software de código abierto vLLM.

Cómo lo hicieron

El entrenamiento tuvo tres fases. La primera enseñó al modelo el conocimiento estable del dominio de la empresa con manuales, preguntas frecuentes internas y casos de problemas pasados. La segunda usó unos 200.000 ejemplos extraídos de registros de servicio y procedimientos de máxima calidad para enseñar al modelo a aplicar los procedimientos de negocio paso a paso. La tercera usó aprendizaje por refuerzo, en el que un cliente simulado conversa con el modelo y un sistema de puntuación recompensa el buen comportamiento, para corregir casos límite difíciles y hacer que las respuestas suenen menos robóticas.

Los datos que cambian deprisa, como los tipos de cambio, no se entrenan en el modelo. Se suministran en el momento de cada consulta, lo que evita reentrenar cada vez que cambian las cifras.

Resultados

Ant realizó una prueba A/B en línea de varias semanas que comparó OneModel con el flujo modular existente en el Global Merchant Service Agent. La latencia cayó más del 50 %, de 18,7 s a 8 s, y la Intelligent Resolution Rate subió del 64,3 % al 83,3 %. El artículo también informa de que el OneModel 8B alcanzó una tasa de resolución máxima del 90,75 % en su evaluación, por encima del 87,55 % de GPT-5.2, en una evaluación cuya configuración el artículo no describe.

Qué salió mal

Los autores enumeran lecciones del cambio. Un cliente simulado que sonaba humano (95,8 % de similitud humana, frente al 96,7 % de las personas reales) no se comportaba como uno real. Los clientes reales pedían un agente humano alrededor del 10 % de las veces y el simulador solo el 1,7 %, así que el equipo tuvo que enseñarle a mostrar impaciencia y quejas. Las etiquetas humanas ruidosas también perjudicaron al modelo de puntuación usado en el entrenamiento, por lo que el equipo construyó un ciclo que limpia las etiquetas. Por último, un solo modelo es más difícil de depurar que una cadena de módulos, porque ya no está claro qué paso falló.

Qué replicar

Trace los pasos de su cadena de atención y cuente lo que cada uno añade en demora y en errores. Traslade las reglas estables al modelo y deje fuera los hechos volátiles. Mida la resolución sin derivación a una persona y pruebe el nuevo diseño frente al actual con tráfico real.