Amazon Kendra es un servicio de búsqueda inteligente basado en machine learning (ML). Amazon Kendra reinventa la búsqueda empresarial para los sitios web y las aplicaciones de manera que los empleados y los clientes puedan encontrar el contenido que buscan, incluso cuando se encuentre esparcido en diferentes ubicaciones y repositorios de contenido dentro de la organización.
Cree experiencias de conversación seguras y con tecnología de IA generativa para sus usuarios, además del contenido de su empresa. Amazon Kendra proporciona una API Kendra Retriever optimizada que le permite utilizar el clasificador semántico de alta precisión de Amazon Kendra como recuperador empresarial para su flujo de trabajo de generación aumentada de recuperación (RAG). La API Kendra Retriever busca y recupera los fragmentos del contenido de su empresa que son más pertinentes desde el punto de vista semántico para la pregunta del usuario y que tienen una granularidad optimizada para maximizar la calidad de su carga útil de RAG, sin necesidad de que tenga experiencia en la recuperación semántica precisa. Estos pasajes optimizados se pueden enviar, junto con la pregunta del usuario, a un LLM para obtener una respuesta generativa. La API Kendra Retriever también incluye características de Kendra, como el filtrado basado en ACL, el ajuste de pertinencia, el filtrado basado en metadatos y más.
El uso de Amazon Kendra y la nueva API Retriever ofrece los siguientes beneficios para crear sus experiencias de IA generativa:
Para comenzar con la API Kendra Retriever, consulte la documentación aquí y consulte esta publicación de blog para obtener consejos, prácticas recomendadas y plantillas de código para comenzar.
Amazon Kendra utiliza ML para ofrecer respuestas más relevantes a partir de datos no estructurados. Busque palabras clave generales (como “beneficios para la salud”) o haga preguntas en lenguaje natural (“¿cuánto dura la licencia de maternidad?”) y Amazon Kendra utilizará la comprensión de lectura para proporcionar respuestas específicas (“14 semanas”). Para preguntas más generales como “¿cómo se configura la VPN?” Amazon Kendra proporciona respuestas descriptivas mediante la extracción del pasaje de texto más relevante.
Amazon Kendra también admite la correspondencia de preguntas frecuentes y extrae respuestas de preguntas frecuentes seleccionadas mediante un modelo especializado que localiza con precisión la pregunta más cercana y devuelve la respuesta correspondiente.
Amazon Kendra incluso puede encontrar respuestas en tablas incrustadas en páginas HTML. Puede preguntar cuál es la tarjeta de crédito con las tasas anuales más bajas y la respuesta se encontrará en una tabla de comparación de tarjetas de crédito en una página web de marketing.
Para complementar las características de búsqueda inteligente descritas anteriormente, Amazon Kendra utiliza un modelo de búsqueda semántica de aprendizaje profundo para lograr una clasificación de documentos precisa. En términos generales, esto proporciona una experiencia de búsqueda más completa que ofrece respuestas específicas y contenido relacionado para explorar en caso de que necesite más información.
Amazon Kendra utiliza ML para optimizar continuamente los resultados de la búsqueda en función de los patrones de búsqueda del usuario final y los comentarios. Por ejemplo, cuando los usuarios buscan “¿Cómo puedo cambiar mis beneficios de salud?”, varios documentos de beneficios de recursos humanos competirán por aparecer en primer lugar. Para determinar el documento más relevante para esta pregunta, Amazon Kendra aprenderá de las interacciones de los usuarios y los comentarios para impulsar los documentos preferidos a los primeros lugares de la lista. Aplica automáticamente técnicas de aprendizaje progresivo sin que se necesite experiencia en machine learning.
Puede ajustar los resultados de la búsqueda e impulsar documentos y respuestas específicos en los resultados en función de objetivos empresariales específicos. Por ejemplo, con el ajuste de la relevancia puede impulsar resultados en función de autores u orígenes de datos más fiables o la fecha de publicación del documento. Obtenga más información en nuestra publicación de blog sobre el ajuste de la relevancia.
Para ampliar la comprensión de Amazon Kendra respecto a su vocabulario específico de negocios, puede proporcionar sus propios sinónimos personalizados. Amazon Kendra los utiliza para expandir automáticamente las consultas con el fin de incluir contenido y respuestas que concuerden con el vocabulario ampliado. Por ejemplo, cuando un usuario pregunta: “¿qué es una HSA?” Amazon Kendra devolvería documentos que hagan referencia a “Cuenta de ahorros de salud” o “HSA”.
El uso de conectores con Amazon Kendra es más rápido y fácil. Solo tiene que agregar orígenes de datos al índice de Amazon Kendra y seleccionar el tipo de conector. Los conectores se pueden programar para sincronizar automáticamente el índice con el origen de datos, de modo que siempre podrá buscar de manera segura en el contenido más actualizado. Amazon Kendra ofrece conectores nativos para orígenes de datos populares como Amazon Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, Google Drive, Confluence, entre otros. Si un conector nativo no está disponible, Amazon Kendra ofrece un conector de origen de datos personalizado, así como un alojamiento de conectores admitidos por socios. Para obtener más información sobre la disponibilidad del conector de Amazon Kendra, visite la biblioteca de conectores de Amazon Kendra.
Amazon Kendra utiliza modelos de aprendizaje profundo para comprender las consultas del lenguaje natural y documentar el contenido y las estructuras para una amplia gama de casos de uso internos, que incluyen recursos humanos, operaciones, soporte e investigación y desarrollo. Amazon Kendra también está optimizado para comprender un lenguaje complejo de dominios como TI, servicios financieros, seguros, productos farmacéuticos, fabricación industrial, gas y petróleo, asuntos legales, contenido multimedia y entretenimiento, viajes y hotelería, salud, noticias, telecomunicaciones, minería, alimentos y bebidas, y sector automotriz. Por ejemplo, si un usuario busca respuestas sobre recursos humanos podría ingresar “plazo para presentar el formulario de la HSA”, Amazon Kendra también buscará “plazo para presentar el formulario de la cuenta de ahorros de salud” para tener una cobertura más amplia y obtener la respuesta más precisa.
Ahora, con solo unos pasos, puede implementar una experiencia de búsqueda totalmente funcional y personalizable con Amazon Kendra, sin necesidad de tener experiencia en programación o ML. Experience Builder ofrece un flujo de trabajo visual intuitivo para crear, personalizar y lanzar rápidamente la aplicación de búsqueda de forma segura en la nube. Puede comenzar con la plantilla de experiencia de búsqueda lista para usar en el creador, que se puede personalizar al arrastrar y soltar los componentes que quiera, como filtros o clasificación. Puede invitar a otras personas a colaborar o probar su aplicación de búsqueda para obtener comentarios y luego compartir el proyecto con todos los usuarios cuando lo tenga todo listo para implementar la experiencia. Amazon Kendra Experience Builder se integra con AWS IAM Identity Center (sucesor de AWS Single Sign-On), que admite proveedores de identidades populares como Azure AD y Okta, lo que brinda autenticación de inicio de sesión único segura para el usuario final mientras accede a la experiencia de búsqueda. Para obtener más información sobre Amazon Kendra Experience Builder, visite la documentación.
Con Amazon Kendra Search Analytics Dashboard puede comprender mejor las métricas de calidad y uso en sus aplicaciones de búsqueda. El panel ayuda a los administradores y creadores de contenido a comprender la facilidad con la que los usuarios finales encuentran resultados de búsqueda relevantes, la calidad de los resultados de búsqueda y las lagunas en el contenido. Proporciona una instantánea de cómo interactúan sus usuarios con su aplicación de búsqueda y de la eficacia de los resultados de la búsqueda. Los datos de análisis se pueden ver en un panel visual en la consola o puede crear sus propios paneles al acceder a los datos a través de una API. Le permite profundizar en las tendencias de búsqueda y el comportamiento del usuario para identificar información, y también ayuda a aportar claridad a las posibles áreas de mejora. Para obtener más información sobre Amazon Kendra Search Analytics Dashboard, visite la documentación.
Con Amazon Kendra Custom Document Enrichment, puede crear una canalización de ingesta personalizada que procese documentos antes de que se indexen en Amazon Kendra. Por ejemplo, mientras captura contenido de un repositorio como SharePoint mediante nuestros conectores, puede enriquecer documentos con metadatos adicionales, convertir documentos escaneados en texto, clasificar documentos, extraer entidades y transformar aún más el documento con procesos ETL personalizados. El enriquecimiento se lleva a cabo mediante reglas que se pueden configurar en la consola o al invocar funciones de AWS Lambda. Estas funciones pueden llamar opcionalmente a otros servicios de IA de AWS, como Amazon Comprehend, Amazon Transcribe o Amazon Textract. Para obtener más información sobre Amazon Kendra Custom Document Enrichment, visite la documentación.
Amazon Kendra incluye la funcionalidad para completar automáticamente la consulta de búsqueda de un usuario final. La característica de consultas completadas automáticamente no solo lo ayuda a reducir lo que escribe en aproximadamente un 25 %, sino que también le guía hacia preguntas más precisas y frecuentes. Estas preguntas suelen arrojar respuestas más relevantes y útiles. Por ejemplo, si comienza a escribir “Dónde está” en el cuadro de búsqueda, Amazon Kendra puede sugerir opciones para completar la consulta, como “¿Dónde está el despacho de TI?” o “¿Dónde está la cafetería?” y otras preguntas frecuentes relacionadas.