Actualmente, Kriptos cuenta con un laboratorio interno de científicos de datos que ha desarrollado distintos proyectos e iniciativas de alto impacto con el uso de LLMs en nuestros productos y procesos. Hoy en día, manejamos dos formas de utilizar LLMs que agregan un mayor valor a nuestros clientes.
Etiquetado de datos con LLMs
Hemos diseñado un nuevo proceso que automatiza el etiquetado de documentos utilizados para entrenar nuestros modelos de inteligencia artificial. Este proceso, que anteriormente podía tomar semanas, ahora se realiza en horas gracias a esta mejora, asegurando una mayor calidad en el etiquetado de datos e incrementando la precisión en nuestros modelos actuales de IA.
Para lograr este propósito, implementamos un nuevo proceso a través de la suite tecnológica de AWS Bedrock, que cuenta con diferentes foundation models, donde parametrizamos a un LLM con información específica sobre el cliente para que pueda analizar los documentos y, bajo ese contexto, etiquetarlos. La información incluye:
- Roles y accesos: Información sobre quién y cuántas personas acceden a un determinado documento.
- Industria y tamaño: Adaptación a los requisitos regulatorios y prácticas de cada industria.
- País y regulaciones: Clasificación conforme a las leyes locales.
- Políticas de clasificación: Alineación con las políticas específicas de cada empresa.
Beneficios en el etiquetado de datos
- Consistencia: Análisis preciso y consistente de grandes volúmenes de datos.
- Eficiencia operativa: Reducción de tiempo y recursos.
- Precisión: Mejoras en el diseño de algoritmos de clasificación incrementando su precisión en base a datasets de documentos previamente etiquetados por LLMs.
Gestión de riesgos con LLMs
En Kriptos Manejamos volúmenes gigantescos de datos, abarcando millones de archivos de cada uno de nuestros clientes. En esa inmensidad de información, es crítico ayudar a nuestros clientes a analizar riesgos y comportamientos sospechosos alrededor de los usuarios y sus documentos.
A inicios de este año, iniciamos un laboratorio interno con acceso a pocos clientes, donde se comenzó a trabajar en el uso de un LLM que pueda interpretar en tiempo real y de forma precisa alertas y comportamientos de los usuarios, tales como:
- Acceso a información: Análisis de usuarios que acceden a documentos que no deberían según su rol en la empresa.
- Almacenamiento de documentos en rutas sospechosas: Identificación de documentos almacenados en rutas o carpetas sospechosas.
- Manipulación de información inusual: Detección de usuarios que manipulan o modifican documentos en horarios inusuales.
Beneficios de la gestión de riesgos
- Optimización de recursos y tiempo: Gracias a este proceso de automatización y análisis, el equipo de ciberseguridad ya no tiene que dedicar tiempo a analizar los riesgos, permitiendo disponibilizar ese tiempo para otras iniciativas o proyectos.
- Mejoras en la estrategia de protección de datos: Al descubrir nuevos escenarios de riesgo, facilitamos a otras herramientas de protección de datos como DLPs, CASBs y cifrado, entre otros, la protección de archivos o documentos que presenten anomalías detectadas por nuestro LLM.
Futuro de LLMs en Kriptos
Seguiremos mejorando la precisión de sus LLMs y explorando nuevos casos de uso que se enfoquen en reducir tiempos operativos relacionados al análisis de riesgos informáticos y en mejorar la precisión de nuestros modelos al etiquetar y clasificar documentos.
Conclusión
Nos mantendremos a la vanguardia de las últimas tecnologías, contando con laboratorios internos y colaboración con clientes y partners estratégicos para el uso de nuevos modelos de IA como los LLMs. Nuestro objetivo es generar innovación verdadera, resolviendo problemas reales para nuestros clientes.
