Construir IA para software program financeiro requer um guide diferente da IA do consumidor, e da intuição A versão mais recente do QuickBooks fornece um exemplo.
A empresa anunciou o Intuit Intelligence, um sistema que orquestra agentes especializados de IA em sua plataforma QuickBooks para lidar com tarefas que incluem conformidade com impostos sobre vendas e processamento de folha de pagamento. Esses novos agentes aumentam os agentes existentes de contabilidade e gerenciamento de projetos (que também foram atualizados), bem como uma interface unificada que permite aos usuários consultar dados em QuickBooks, sistemas de terceiros e arquivos carregados usando linguagem pure.
O novo desenvolvimento segue anos de investimento e melhoria na Intuit GenOSpermitindo que a empresa desenvolva recursos de IA que reduzam latência e melhorar a precisão.
Mas a verdadeira novidade não é o que a Intuit construiu – é como eles a construíram e por que suas decisões de design tornarão a IA mais utilizável. O mais recente lançamento de IA da empresa representa uma evolução baseada em lições duramente conquistadas sobre o que funciona e o que não funciona ao implantar IA em contextos financeiros.
O que a empresa aprendeu é preocupante: mesmo quando o seu agente de contabilidade melhorou a precisão da categorização das transações em 20 pontos percentuais, em média, ainda recebeu reclamações sobre erros.
"Os casos de uso que estamos tentando resolver para os clientes incluem impostos e finanças; se você cometer um erro neste mundo, você perde a confiança dos clientes em baldes e só a recuperamos em colheradas," Joe Preston, vice-presidente de produto e design da Intuit, disse ao VentureBeat.
A arquitetura da confiança: consultas de dados reais em vez de respostas generativas
A estratégia técnica da Intuit centra-se numa decisão basic de design. Para consultas financeiras e enterprise intelligence, o sistema consulta dados reais, em vez de gerar respostas através de grandes modelos de linguagem (LLMs).
UMTambém é extremamente importante: os dados não estão todos em um só lugar. A implementação técnica da Intuit permite que QuickBooks ingira dados de várias fontes distintas: dados nativos da Intuit, sistemas de terceiros conectados ao OAuth, como Sq., para pagamentos e arquivos carregados por usuários, como planilhas contendo listas de preços de fornecedores ou dados de campanhas de advertising and marketing. Isso cria uma camada de dados unificada que os agentes de IA podem consultar de maneira confiável.
"Na verdade, estamos consultando seus dados reais," Preston explicou. "Isso é muito diferente de se você apenas copiar, colar uma planilha ou PDF e colar no ChatGPT."
Esta escolha arquitetônica significa que o sistema Intuit Intelligence funciona mais como uma camada de orquestração. É uma interface de linguagem pure para operações estruturadas de dados. Quando um usuário pergunta sobre a lucratividade projetada ou deseja executar a folha de pagamento, o sistema traduz a consulta em linguagem pure em operações de banco de dados em relação a dados financeiros verificados.
Isso é importante porque a pesquisa interna da Intuit descobriu o uso generalizado de IA sombria. Quando pesquisados, 25% dos contadores que usam QuickBooks admitiram que já estavam copiando e colando dados no ChatGPT ou no Google Gemini para análise.
A abordagem da Intuit trata a IA como um mecanismo de tradução e orquestração de consultas, não um gerador de conteúdo. Isto reduz o risco de alucinação que tem atormentado as implementações de IA em contextos financeiros.
Explicabilidade como um requisito de design, não uma reflexão tardia
Além da arquitetura técnica, a Intuit tornou a explicabilidade uma experiência central do usuário em todos os seus agentes de IA. Isso vai além de simplesmente fornecer respostas corretas: significa mostrar aos usuários o raciocínio por trás das decisões automatizadas.
Quando o agente contábil da Intuit categoriza uma transação, ele não exibe apenas o resultado; mostra o raciocínio. Esta não é uma cópia de advertising and marketing sobre IA explicável, é uma interface de usuário actual exibindo pontos de dados e lógica.
"Trata-se de fechar o ciclo de confiança e garantir que os clientes entendam o porquê." Alistair Simpson, vice-presidente de design da Intuit, disse ao VentureBeat.
Isso se torna particularmente crítico quando você considera a pesquisa de usuários da Intuit: embora metade das pequenas empresas descreva a IA como útil, quase um quarto nunca usou IA. A camada de explicação atende a ambas as populações: Criando confiança para os recém-chegados, ao mesmo tempo que fornece aos usuários experientes o contexto para verificar a precisão.
O design também reforça o controle humano em pontos críticos de decisão. Essa abordagem vai além da interface. A Intuit conecta usuários diretamente com especialistas humanos, integrados nos mesmos fluxos de trabalho, quando a automação atinge seus limites ou quando os usuários desejam validação.
Navegando na transição de formulários para conversas
Um dos desafios mais interessantes da Intuit envolve o gerenciamento de uma mudança basic nas interfaces de usuário. Preston descreveu isso como ter um pé no passado e outro no futuro.
"Isto não é apenas a Intuit, este é o mercado como um todo," disse Preston. "Hoje ainda temos muitos clientes preenchendo formulários e consultando tabelas cheias de dados. Estamos investindo muito para nos inclinar e questionar a maneira como fazemos isso em nossos produtos hoje, onde você basicamente preenche formulário após formulário, ou mesa após mesa, porque vemos para onde o mundo está indo, o que é realmente uma forma diferente de interagir com esses produtos."
Isso cria um desafio de design de produto: como atender usuários que se sentem confortáveis com interfaces tradicionais e, ao mesmo tempo, introduzir gradualmente recursos de conversação e de agência?
A abordagem da Intuit tem sido incorporar agentes de IA diretamente nos fluxos de trabalho existentes. Isto significa não forçar os usuários a adotar padrões de interação totalmente novos. O agente de pagamentos aparece junto com os fluxos de trabalho de faturamento; o agente contabilístico melhora o processo de reconciliação existente em vez de o substituir. Essa abordagem incremental permite que os usuários experimentem os benefícios da IA sem abandonar os processos familiares.
O que os criadores de IA empresarial podem aprender com a abordagem da Intuit
A experiência da Intuit na implantação de IA em contextos financeiros revela vários princípios que se aplicam amplamente a iniciativas empresariais de IA.
A arquitetura é importante para a confiança: Em domínios onde a precisão é crítica, considere se você precisa de geração de conteúdo ou tradução de consulta de dados. A decisão da Intuit de tratar a IA como uma camada de orquestração e interface de linguagem pure reduz drasticamente o risco de alucinação e evita o uso da IA como um sistema generativo.
A explicabilidade deve ser projetada e não aparafusada: Mostrar aos usuários por que a IA tomou uma decisão não é opcional quando a confiança está em jogo. Isso requer um design UX deliberado. Isso pode restringir as escolhas do modelo.
O controle do usuário preserva a confiança durante melhorias de precisão: O agente de contabilidade da Intuit melhorou a precisão da categorização em 20 pontos percentuais. Ainda assim, manter os recursos de substituição do usuário foi essencial para a adoção.
Transição gradual de interfaces familiares: Não power os usuários a abandonar formulários para conversas. Incorpore primeiro os recursos de IA nos fluxos de trabalho existentes. Permita que os usuários experimentem os benefícios antes de pedir-lhes que mudem de comportamento.
Seja honesto sobre o que é reativo versus proativo: Os agentes de IA atuais respondem principalmente a prompts e automatizam tarefas definidas. A verdadeira inteligência proativa que faz recomendações estratégicas espontâneas continua sendo uma capacidade em evolução.
Aborde as preocupações da força de trabalho com ferramentas, não apenas com mensagens: Se a IA pretende aumentar em vez de substituir os trabalhadores, forneça aos trabalhadores ferramentas de IA. Mostre-lhes como aproveitar a tecnologia.
Para empresas que estão navegando na adoção da IA, a jornada da Intuit oferece uma diretriz clara. A abordagem vencedora prioriza a confiabilidade em detrimento das demonstrações de capacidade. Em domínios onde os erros têm consequências reais, isso significa investir na precisão, na transparência e na supervisão humana antes de prosseguir a sofisticação da conversação ou a acção autónoma.
Simpson enquadra o desafio de forma sucinta: "Não queríamos que fosse uma camada aparafusada. Queríamos que os clientes estivessem em seu fluxo de trabalho pure e que os agentes trabalhassem para os clientes, integrados ao fluxo de trabalho."
