大型语言模型（LLM）的采用大大增加了可以完成的工作量，从而大大降低了每笔交易或工作单位的成本。 Madhusudan Hegde，Coforge BPS（业务流程解决方案）告诉FE。
Furter，Coforge正在积极转向基于结果的模型，该模型超越了传统的任务自动化以完成案例解决方案。这种过渡是由AI驱动的，这可以提高业务成果超出30-40％的常规成本降低。
赫格德说：“从任务自动化到案件解决方案的转变是由于AI造成的 – 这使我们能够提供业务成果。不仅降低了30-40％的成本；效率是给定的，但这与业务有效性和经验有关。”
科弗格还利用代理AI（人工智能），并在专门的小语言模型（SLMS）上建立技术堆栈。这种方法可实现针对个别客户量身定制的更深层次特定的解决方案。
“深层域对于区分和构建客户特定的解决方案是必要的。凭借我们作为AI-第一公司的方法，我们已经能够穿透诸如医疗保健和零售等新的垂直领域，超越了我们的银行业，保险和旅行领域。” Hegde解释说。
预计该过渡将通过从传统的自动化方法转向AI驱动的过程，从而提高效率和生产力，从而重新定义了BPS行业。
“我们认为AI不仅可以释放人类的能力；我们将其视为能力推动者。实际上，这需要我们人民的平均水平。因此，我们成为了性能增强器。”他说。
打破传统的船长工作曲线
传统上，BPS领域的收入增长与员工人数增长成正比。但是，人工智能打破了这种线性关系，使公司可以扩展运营而不会等效地增加劳动力的规模。
“我看到了AI的捐赠 – 这是我认为与人数的非线性收入是未来的重点。我认为人类仍然很重要。这是关于功能增强和驾驶性能。但是我认为曲线已经破裂了，”赫格德说。
此外，该公司还积极扩大其全球能力中心（GCC）。 “实际上，我们已经为海得拉巴的一家大公司建立了海湾合作委员会，可能在不到三个月的时间内扩展到约500人。从接下来的几个月开始，计划是让他们再增加一千个，”赫格德说。
