Trasformare l'architettura ESB con l'intelligenza artificiale

Reply e l'istituto finanziario hanno affrontato la sfida della mancanza di set di dati pronti all'uso a causa della specificità del caso d'uso, che coinvolgeva codice sorgente XML proprietario generato dai tradizionali strumenti low-code ESB. Partendo da zero, avevano bisogno di raccogliere dati contemporaneamente dai progetti in corso senza gravare sui team di sviluppo. Reply ha ideato un processo e creato uno strumento di supporto per la gestione automatizzata del ciclo di vita dei dataset e il training dei modelli LLM. Il processo ha comportato una combinazione di automazione deterministica (script) e LLM, che comprendeva la raccolta guidata di set di dati, con controllo delle versioni, intuitivo per gli sviluppatori, la preparazione dei dati per la pulizia e la segmentazione e il supporto al training LLM multipiattaforma, multimodello/multiapproccio.