Traduit de l’original anglais. Les chiffres et les sources sont inchangés. Lire l’original en anglais
Grab
Les agents d'IA de Grab pilotés par des procédures réduisent le temps d'enquête sur la fraude et les prises de contrôle de comptes
Grab a construit un cadre d'agents d'IA qui suivent des procédures opérationnelles standard écrites, et l'a utilisé pour automatiser les enquêtes sur les prises de contrôle de comptes et les contrôles anti-fraude des opérations de risque. Grab indique un temps d'enquête passé de 23 minutes à 3 et 87 % des dossiers automatisés.
Chiffres clés
Repris tels quels des sources. Copiez n’importe quel chiffre avec sa citation.
de 23 minutes à seulement 3
Temps d'enquête sur une prise de contrôle de compte avec le bot ATI1
87 %
Part des dossiers d'enquête sur les prises de contrôle de comptes automatisés par le bot ATI1
45 %
Réduction du temps moyen de traitement des enquêtes sur la fraude1
plus de 300
Heures de travail économisées chaque mois sur les enquêtes sur la fraude1
Ce que cela a demandé
Le coût, la taille de l’équipe et le calendrier ne sont pas communiqués dans les sources.
Le problème
Enquêter sur une prise de contrôle de compte, c'est-à-dire lorsqu'une autre personne prend le contrôle du compte d'un client, était un travail manuel lent. Les analystes extrayaient des données de plusieurs systèmes, exécutaient de nombreuses requêtes de base de données et décidaient sous pression, ce qui entraînait des retards, des erreurs et un besoin de compétences spécialisées.
Ce qu’ils ont construit
Grab a construit un cadre dans lequel un agent d'IA suit pas à pas une procédure opérationnelle standard (SOP) écrite. Le premier usage a été le bot d'enquêtes sur les prises de contrôle de comptes (Account Takeover Investigations, ATI), puis le même cadre a été appliqué aux enquêtes sur la fraude. Les équipes examinent les résultats dans des outils comme Slack.
Comment ils s’y sont pris
La SOP est rédigée en langage courant sous forme d'arbre d'étapes et de décisions, et le personnel non technique peut la modifier dans un éditeur visuel. Un module de planification parcourt l'arbre étape par étape. Un agent exécutant lance les requêtes de base de données et les appels système que chaque étape exige, et stocke les résultats. À la fin, le système rédige une synthèse et une décision. Grab limite les outils que le modèle peut utiliser et compresse le contexte pour réduire les étapes inventées.
Résultats
Grab indique que le bot ATI a ramené le temps d'enquête de 23 minutes à seulement 3 et a automatisé 87 % des dossiers. Le temps moyen de traitement des enquêtes sur la fraude a diminué de 45 %, ce qui représente plus de 300 heures de travail économisées par mois. Un second article de Grab reprend le chiffre de 87 % et donne un temps de départ de 22 minutes plutôt que 23.
Ce qu’il faut retenir
Commencez par un processus qui dispose déjà d'une procédure écrite et de décisions claires. Donnez aux responsables de processus la maîtrise de la procédure, et conservez une trace de chaque exécution.
Enseignements pour votre projet
Codez la procédure humaine sous forme d'arbre d'étapes, avec des points de décision et des appels de données. Grab contraint le modèle avec la procédure écrite au lieu de le laisser improviser.
Laissez les responsables de processus non techniques rédiger et modifier la procédure. Grab leur fournit un éditeur visuel, afin que ceux qui connaissent le processus en gardent la maîtrise.
Gardez l'humain dans la boucle quand c'est nécessaire. Le cadre peut se mettre en pause et reprendre pour qu'une personne puisse intervenir.
Journalisez chaque exécution afin que les décisions puissent être expliquées et revues.
Réserves
- Tous les chiffres viennent de Grab, dans deux articles de son blog d'ingénierie. Aucun tiers ne les confirme.
- Le premier article donne 23 minutes avant le bot et le second 22 minutes, toutes deux ramenées à 3 minutes par ticket. Grab n'explique pas l'écart, et seuls les chiffres du premier article figurent parmi les indicateurs.
- Grab qualifie la précision de plus de 99,8 % et le taux de faux de 0 de résultats d'évaluations initiales. Ils ne figurent pas parmi les indicateurs ici. Les articles ne décrivent pas comment ils ont été mesurés.
- Les articles ne nomment pas les modèles d'IA et ne donnent aucune date de lancement. Ils décrivent des bots déployés, et la date de déploiement affichée est celle du premier article.
- Les articles n'indiquent pas combien de dossiers ou d'analystes les chiffres couvrent, ni le coût de construction.
Sources
- Introducing the SOP-driven LLM agent frameworks
Grab Engineering Blog · 2025-04-25 · Blog de l’entreprise · engineering.grab.com
- Streamlining RiskOps with the SOP agent framework
Grab Engineering Blog · 2025-05-08 · Blog de l’entreprise · engineering.grab.com
Résumé dans nos propres mots à partir des sources ci-dessus. Une erreur ? Consultez les corrections.