Amazon Kendra est un service de recherche intelligente à technologie machine learning (ML). Amazon Kendra réinvente la recherche d'entreprise pour vos sites web et applications afin que vos employés et vos clients puissent trouver le contenu qu'ils recherchent, même lorsque celui-ci est disséminé dans différents sites et référentiels de contenu au sein de votre organisation.
Créez des expériences conversationnelles sécurisées basées sur l'IA générative pour vos utilisateurs à partir de votre contenu d'entreprise. Amazon Kendra fournit une API Kendra Retriever optimisée qui vous permet d'utiliser le classeur sémantique haute précision d'Amazon Kendra comme récupérateur d'entreprise pour votre flux de travail de génération augmentée par récupération (RAG, Retrieval Augmented Generation). L'API Kendra Retriever trouve et extrait de votre contenu d'entreprise les passages les plus pertinents d'un point de vue sémantique par rapport à la question de l'utilisateur et dont la granularité est optimisée pour maximiser la qualité de votre charge utile RAG, sans que vous ayez besoin d'une expertise en matière de récupération sémantique précise. Ces passages optimisés peuvent ensuite être envoyés, avec la question de l'utilisateur, à un LLM pour obtenir une réponse générative. L'API Kendra Retriever inclut également des fonctionnalités Kendra telles que le filtrage basé sur l'ACL, le réglage de la pertinence, le filtrage basé sur les métadonnées, etc.
L'utilisation d'Amazon Kendra et de la nouvelle API Retriever offre les avantages suivants pour créer vos expériences Gen AI :
Pour commencer à utiliser l'API Kendra Retriever, consultez la documentation ici et reportez-vous à cet article de blog pour obtenir des conseils, des bonnes pratiques et des modèles de code pour démarrer.
Amazon Kendra utilise le ML pour fournir des réponses plus pertinentes à partir de données non structurées. Recherchez des mots clés généraux (tels que « bénéfices pour la santé ») ou posez des questions en langage naturel (« combien de temps dure un congé de maternité ? ») et Amazon Kendra utilisera la compréhension de la lecture pour donner des réponses spécifiques (« 14 semaines »). Pour des questions d'ordre plus général telles que « Comment configurer mon VPN ? » Amazon Kendra donne des réponses descriptives en extrayant le passage de texte le plus pertinent.
Amazon Kendra prend également en charge la correspondance des questions fréquentes (FAQ) et extrait les réponses des questions fréquentes organisées à l'aide d'un modèle spécialisé qui identifie la question qui se rapproche le plus de la vôtre et renvoie la réponse correspondante.
Amazon Kendra peut même trouver des réponses dans des tableaux intégrés à des pages HTML. Vous pouvez poser des questions telles que « Quelle est la carte de crédit avec les frais annuels les plus bas ? » où la réponse se trouve dans un tableau de comparaison de cartes de crédit sur une page web de marketing.
Pour compléter les fonctions de recherche intelligente décrites ci-dessus, Amazon Kendra utilise un modèle de recherche sémantique de deep learning pour un classement précis des documents. Dans l'ensemble, il fournit une expérience de recherche plus riche qui présente des réponses spécifiques, ainsi que du contenu connexe à explorer si vous avez besoin de plus d'informations.
Amazon Kendra utilise le ML pour optimiser en continu les résultats des recherches en fonction des modèles de recherche et des commentaires des utilisateurs finaux. Par exemple, lorsque les utilisateurs recherchent « Comment modifier mes prestations de santé ? », plusieurs documents de prestation des ressources humaines (RH) sont en concurrence pour occuper la première place. Pour déterminer le document le plus pertinent pour cette question, Amazon Kendra apprendra des interactions et des commentaires des utilisateurs pour promouvoir les documents préférés en haut de la liste. Il applique automatiquement des techniques d'apprentissage incrémentiel sans avoir besoin d'une expertise en ML.
Vous pouvez affiner les résultats de vos recherches et améliorer des réponses et des documents spécifiques dans les résultats en fonction d'objectifs métier spécifiques. Par exemple, le réglage de la pertinence vous aide à améliorer les résultats en fonction des sources de données de référence, des auteurs ou de la mise à jour récente des documents. Pour en savoir plus, consultez notre billet de blog sur le réglage de la pertinence.
Vous pouvez étendre la compréhension de votre vocabulaire commercial à Amazon Kendra, vous pouvez fournir vos propres synonymes personnalisés. Amazon Kendra les utilise pour étendre automatiquement les requêtes afin d'inclure du contenu et des réponses qui correspondent au vocabulaire étendu. Par exemple, lorsqu'un utilisateur pose la question « Qu'est-ce qu'un HSA ? » Amazon Kendra renverrait des documents qui font référence au « compte d'épargne santé » ou au « HSA ».
L'utilisation de connecteurs avec Amazon Kendra est plus rapide et facile. Il suffit d'ajouter des sources de données à votre index Amazon Kendra et de sélectionner le type de connecteur. Les connecteurs peuvent être programmés pour synchroniser automatiquement votre index avec votre source de données, de sorte que vous recherchez toujours en toute sécurité le contenu le plus à jour. Amazon Kendra propose des connecteurs natifs pour les sources de données populaires telles qu'Amazon Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, Google Drive, Confluence et bien d'autres. Si un connecteur natif n'est pas disponible, Amazon Kendra propose un connecteur de source de données personnalisé, ainsi qu'une multitude de connecteurs pris en charge par les partenaires. Pour plus d’informations sur la disponibilité du connecteur Amazon Kendra, visitez la bibliothèque de connecteurs Amazon Kendra.
Amazon Kendra utilise des modèles de deep learning pour comprendre les requêtes en langage naturel et documenter le contenu et les structures pour un large éventail de cas d'utilisation internes, notamment les RH, les opérations, l'assistance et le R&D. Amazon Kendra est également optimisé pour comprendre un langage complexe dans des domaines tels que l'informatique, les services financiers, les assurances, les produits pharmaceutiques, la fabrication industrielle, le pétrole et le gaz, le juridique, les médias et le divertissement, les voyages et l'hôtellerie, la santé, les actualités, les télécommunications, les mines, la nourriture et les boissons, et l'automobile. Par exemple, un utilisateur recherchant des réponses RH pourrait saisir « date limite de dépôt du formulaire HSA », et Amazon Kendra recherche également « date limite de dépôt du formulaire de compte d'épargne santé » pour une couverture plus large afin d'obtenir la réponse la plus précise.
Vous pouvez désormais déployer, en quelques étapes, une expérience de recherche entièrement fonctionnelle et personnalisable avec Amazon Kendra sans aucune expérience de codage ou de ML. Experience Builder fournit un flux de travail visuel intuitif pour créer, personnaliser et lancer rapidement et en toute sécurité sur le cloud votre application de recherche. Vous pouvez démarrer par le modèle d'expérience de recherche prêt à l'emploi disponible dans le créateur personnalisable. Il vous suffit de faire glisser et de déposer les composants qui vous intéressent comme les filtres ou le tri. Vous pouvez inviter d'autres personnes à collaborer ou à tester votre application de recherche pour recueillir des commentaires, puis partager le projet avec tous les utilisateurs lorsque vous êtes prêt à déployer l'expérience. La fonction Experience Builder d'Amazon Kendra s'intègre à AWS IAM Identity Center (successeur d'AWS Single Sign-On) et prend en charge les fournisseurs d'identité les plus courants tels qu'Azure AD et Okta, ce qui permet à l'utilisateur final de bénéficier d'une authentification unique sécurisée tout en accédant à l'expérience de recherche. Pour en savoir plus sur Experience Builder d'Amazon Kendra, veuillez vous référer à la documentation.
La fonction Search Analytics Dashboard d'Amazon Kendra vous aide à mieux comprendre les métriques de qualité et de convivialité de vos applications de recherche. Le tableau de bord aide les administrateurs et les créateurs de contenu à comprendre avec quelle facilité les utilisateurs finaux parviennent à des résultats de recherche pertinents et à apprécier la qualité des résultats de recherche et les lacunes du contenu. Il fournit un instantané de la manière dont vos utilisateurs interagissent avec votre application de recherche et de l'efficacité de votre résultat de recherche. Vous pouvez visualiser les données d'analytique dans un tableau de bord dans la console. Vous pouvez également créer vos propres tableaux de bord en accédant aux données à travers une API. Vous pouvez ainsi explorer les tendances de recherche et le comportement des utilisateurs afin d'en tirer des informations et d'identifier les domaines susceptibles d'être améliorés. Pour en savoir plus sur Search Analytics Dashboard d'Amazon Kendra, veuillez consulter la documentation.
Grâce aux fonctionnalités Custom Document Enrichment d'Amazon Kendra, vous pouvez créer un pipeline d'ingestion personnalisé capable de prétraiter les documents avant leur indexation dans Amazon Kendra. Par exemple, vous pouvez enrichir les documents avec de nouvelles métadonnées, convertir les documents numérisés en texte, classer les documents, extraire les entités et poursuivre la transformation du document à l'aide de processus ETL personnalisés tout en ingérant du contenu à partir d'un référentiel tel que SharePoint à l'aide de nos connecteurs. L'enrichissement se fait par des règles qui peuvent être configurées dans la console ou en appelant des fonctions d'AWS Lambda. Ces fonctions peuvent éventuellement appeler d'autres services AWS IA tels qu'Amazon Comprehend, Amazon Transcribe ou Amazon Textract. Pour en savoir plus sur la fonction Custom Document Enrichment d'Amazon Kendra, veuillez consulter la documentation.
Amazon Kendra inclut la fonctionnalité qui permet de compléter automatiquement la requête de recherche d'un utilisateur final. La complétion automatique des requêtes vous permet non seulement de réduire la saisie d'environ 25 %, mais vous aide également en vous guidant vers des questions plus précises et fréquemment posées. Ces questions donnent généralement lieu à des réponses plus pertinentes et utiles. Par exemple, si vous commencez à taper « Où est » dans la zone de recherche, Amazon Kendra peut suggérer des options comme « Où est le support informatique ? », ou « Où est la cafétéria ? » et d'autres questions courantes connexes.