情報が非構造化データの形で組織全体に散在しているため、ナレッジワーカーはほぼ 2 回に 1 回の割合で、改善に必要な情報を見つけることができません。
このデータを見つけるのが難しいだけでなく、従業員は検索ツールを使用する際にマークを見逃すことがよくあります。これは、ふるいにかける必要のあるドキュメントの長いリストを返してしまうためです。これにより従業員が探しているものを見つけるのにより長い時間かかります。探しているものが見つけられたとしても、です。
AWS は、この問題に対処するために、機械学習を利用したインテリジェントな検索サービスである Amazon Kendra を提供しています。Kendra は、自然言語検索機能を使用して、組織が非構造化コンテンツから正確な回答をすばやく返すのに役立ちます。
インテリジェントな検索が選ばれる理由
25%
82%
75%
80%
利点
より速く回答を見つける
異種のデータサイロを単一の検索インターフェイスに接続して、検索でのイライラを排除し、知識のギャップを埋め、回答をすばやく見つけることができます。
労働生産性を向上させる
従業員の能力を強化し、研究開発を加速するために必要なインサイトを解き放ち、データ主導のビジネス上の意思決定を行い、生産性を高めます。
カスタマーエクスペリエンスを向上させる
自然言語検索機能をウェブサイトとアプリケーションに組み込んで、QA を備えたよりスマートなチャットボット、より多くの情報に基づいたカスタマーサービスエージェントを作成し、顧客により良い検索エクスペリエンスを提供します。
お客様事例
研究開発を加速させる
「私たちの材料科学者が新たな研究をリードするとき、関連する以前の研究からの情報にアクセスする必要が生じますが、この情報は当社の莫大なナレッジベースに維持されている数多くの特許に埋もれています。Kendra は自然言語クエリを迅速かつ正確に処理することで、当社の科学者が必要な情報を見つけることを可能にしてくれます。Amazon Kendra の使用により、私たちはエンジニアと研究者が Kendra を使用する前と比べてはるかに速く情報を見つけるようになることを期待しています」
3M Corporate Research Systems Lab のテクニカルディレクター、David Frazee 氏
コンプライアンスと規制リスクを最小化する
「Amazon Kendra を早期に採用した PwC は、現在 RegRanger の次のバージョンで実装できる拡張検索機能の開発や試験を行っています。これらの拡張機能により、ユーザーは自然な言葉で質問することが可能になりました。これまでのキーワードを検索する方法や、ドキュメントの中から探す方法に比べると大きな改善です。Kendra が規制のある業界の顧客に提供する、この新たに加えられた機能に期待しています。
PwC New Ventures の最高技術責任者兼パートナー、Chris Curran 氏
顧客とのやり取りを改善する
「新型コロナウイルス (COVID-19) の感染が拡大する中において、一部の都市ではコールセンターでの放棄率が 50% と報告されており、また、州によっては最大 3 時間の待ち時間が発生し、最大 80% が新型コロナウイルス関連であると報告されています。Amazon Kendra は、チャットボットを利用することで住民が求める回答を迅速に見つけることを可能にし、待ち時間が最大 90% 削減されることを期待しています」
Citibot の創立者兼 CEO、Bratton Riley 氏
関連情報をより速く提供する
「SharePoint で全文検索をする時と比べると、Kendra の使用で、クライアントは、関係のある情報を 10 倍速く見つけ出すことができるとわかりました。例えば、製品マネージャーは Amazon Kendra で、「チタンでできている部品は何?」など、日常的な言葉で質問を問いかけ、以前のキーワード検索では取得することのできなかった答えを素早く見つけることができ、エンタープライズ全体のリポジトリから関連のある内容と結び付けたり、営業マネージャーに顧客の行動に関する非常に重要な調査へのアクセスをすぐに付与したりすることができます」
Baker Tilly Digital の高度分析とデータエンジニアリングディレクター 、Ollie East 氏、およびTom Puch 氏、シニアマネージャー、Baker Tilly Digital | Labs
AWS の主なソリューション
ビジネスおよび技術的なユースケースに迅速に対応するための専用サービス、AWS ソリューション、パートナーソリューション、ガイダンスを見つけてください。
Amazon Kendra
機械学習を活用したインテリジェントな検索サービスである Amazon Kendra で検索を再考しましょう。Amazon Kendra は、企業内で消費者のような検索エクスペリエンスを実現し、従業員と顧客が必要なときに必要な情報にすばやくアクセスできるようにします。これを可能にするために、Kendra の機械学習モデルは、ドキュメントの内容とドキュメント間の関係を理解するために継続的に動作し、リンクのランダムなリストではなく、正確な回答を提供します。
Amazon Kendra のもう 1 つの主要な差別化要因は、自然言語理解機能です。これにより、従業員は、他の人に尋ねるのと同じ方法で質問をすることで検索を実行できます。例えば、従業員は「IT ヘルプデスクの始業時間は何時ですか?」などの特定の質問をすることができます。そして、Amazon Kendra から「午前 9 時 30 分です」のようなその質問への直接回答を期待できます。従業員が何ページもの結果の中から手広く探すことを余儀なくされるキーワード検索とは異なり、Kendra は、回答を見つけたソースドキュメント内のパッセージを強調表示し、IT チケットポータルおよび他の関連サイトへのリンクを併せて提示します。
Amazon Kendra は、14 の産業分野について事前にトレーニングされているため、幅広いビジネスユースケースに関するより正確な回答を直ちに得ることができます。このすぐに使えるナレッジベースは、その実装の容易さと相まって、従来の検索テクノロジーよりも検索クエリに対してより良い回答を返すことができます。
AWS のエンタープライズナレッジベースのカスタム検索に関するガイダンス
大規模言語モデル (LLM) を含むインターフェイスノードをデプロイして、エンタープライズナレッジベースの情報に基づいて検索用のアプリケーションを構築します。
AWS のコンテンツとメタデータの強化によるドキュメント検索の強化に関するガイダンス
Amazon Kendra のカスタムドキュメントエンリッチメント機能を使用すると、検索エクスペリエンスが向上します。
当社のソリューション
Amazon Kendra
機械学習を活用したインテリジェントな検索サービスである Amazon Kendra で検索を再考しましょう。Amazon Kendra は、企業内で消費者のような検索エクスペリエンスを実現し、従業員と顧客が必要なときに必要な情報にすばやくアクセスできるようにします。これを可能にするために、Kendra の機械学習モデルは、ドキュメントの内容とドキュメント間の関係を理解するために継続的に動作し、リンクのランダムなリストではなく、正確な回答を提供します。
Amazon Kendra のもう 1 つの主要な差別化要因は、自然言語理解機能です。これにより、従業員は、他の人に尋ねるのと同じ方法で質問をすることで検索を実行できます。例えば、従業員は「IT ヘルプデスクの始業時間は何時ですか?」などの特定の質問をすることができます。そして、Amazon Kendra から「午前 9 時 30 分です」のようなその質問への直接回答を期待できます。従業員が何ページもの結果の中から手広く探すことを余儀なくされるキーワード検索とは異なり、Kendra は、回答を見つけたソースドキュメント内のパッセージを強調表示し、IT チケットポータルおよび他の関連サイトへのリンクを併せて提示します。
Amazon Kendra は、14 の産業分野について事前にトレーニングされているため、幅広いビジネスユースケースに関するより正確な回答を直ちに得ることができます。このすぐに使えるナレッジベースは、その実装の容易さと相まって、従来の検索テクノロジーよりも検索クエリに対してより良い回答を返すことができます。
リソース
パートナー
