Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
Grab
Los agentes de IA de Grab guiados por procedimientos reducen el tiempo de investigación de fraudes y tomas de control de cuentas
Grab construyó un marco de agentes de IA que siguen procedimientos operativos estándar escritos, y lo usó para automatizar las investigaciones de tomas de control de cuentas y las comprobaciones de fraude en operaciones de riesgo. Grab indica que el tiempo de investigación bajó de 23 minutos a 3 y que el 87 % de los casos está automatizado.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
de 23 minutos a solo 3
Tiempo de investigación de una toma de control de cuenta con el bot ATI1
87 %
Proporción de casos de investigación de tomas de control de cuentas automatizados por el bot ATI1
45 %
Reducción del tiempo medio de gestión en la investigación de fraudes1
más de 300
Horas de trabajo ahorradas cada mes en la investigación de fraudes1
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
Investigar una toma de control de cuenta, en la que otra persona se hace con el control de la cuenta de un cliente, era un trabajo manual lento. Los analistas extraían datos de varios sistemas, ejecutaban muchas consultas a bases de datos y tomaban decisiones bajo presión, lo que provocaba retrasos, errores y la necesidad de habilidades especializadas.
Qué construyeron
Grab construyó un marco en el que un agente de IA recorre un procedimiento operativo estándar (SOP) escrito. El primer uso fue el bot de investigaciones de tomas de control de cuentas (Account Takeover Investigations, ATI), y el mismo marco se aplicó a la investigación de fraudes. El personal revisa los resultados en herramientas como Slack.
Cómo lo hicieron
El SOP se escribe en lenguaje sencillo como un árbol de pasos y decisiones, y el personal sin perfil técnico puede editarlo en un editor visual. Un módulo planificador recorre el árbol paso a paso. Un agente de trabajo ejecuta las consultas a bases de datos y las llamadas a sistemas que requiere cada paso y guarda los resultados. Al final, el sistema redacta un resumen y una decisión. Grab limita las herramientas que puede usar el modelo y comprime el contexto para reducir los pasos inventados.
Resultados
Grab indica que el bot ATI redujo el tiempo de investigación de 23 minutos a solo 3 y automatizó el 87 % de los casos. El tiempo medio de gestión de la investigación de fraudes bajó un 45 %, con un ahorro de más de 300 horas de trabajo al mes. Una segunda entrada de Grab repite la cifra del 87 % y da como tiempo inicial 22 minutos en lugar de 23.
Qué replicar
Empiece con un proceso que ya tenga un procedimiento escrito y decisiones claras. Dé a los responsables del proceso el control del procedimiento y conserve un registro de cada ejecución.
Lecciones para su proyecto
Codifique el procedimiento humano como un árbol paso a paso, con puntos de decisión y llamadas a datos. Grab limita al modelo con el procedimiento escrito en lugar de dejarlo improvisar.
Deje que los responsables de proceso sin perfil técnico escriban y editen el procedimiento. Grab les da un editor visual para que quienes conocen el proceso lo controlen.
Mantenga a las personas en el circuito donde haga falta. El marco puede pausarse y reanudarse para que una persona intervenga.
Registre cada ejecución para que las decisiones puedan explicarse y revisarse.
Salvedades
- Todas las cifras son de Grab, de dos entradas de su blog de ingeniería. Ningún tercero las confirma.
- La primera entrada da 23 minutos antes del bot y la segunda 22 minutos, ambos reducidos a 3 minutos por ticket. Grab no explica la diferencia, y solo las cifras de la primera entrada figuran como métricas.
- Grab describe la precisión de más del 99,8 % y la tasa de falsos de 0 como resultados de evaluaciones iniciales. No figuran aquí como métricas. Las entradas no describen cómo se midieron.
- Las entradas no nombran los modelos de IA ni dan fecha de lanzamiento. Describen bots desplegados, y la fecha de despliegue que se muestra es la de la primera entrada.
- Las entradas no indican cuántos casos o analistas abarcan las cifras ni cuánto costó construirlo.
Fuentes
- Introducing the SOP-driven LLM agent frameworks
Grab Engineering Blog · 2025-04-25 · Blog corporativo · engineering.grab.com
- Streamlining RiskOps with the SOP agent framework
Grab Engineering Blog · 2025-05-08 · Blog corporativo · engineering.grab.com
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.