將近有一半的時間，知識工作者找不到他們需要的資訊，因為資訊以非結構化數據的形式分散在他們的組織中。
這些數據不但很難找到，您的員工也經常使用不符合標準的搜尋工具，因為它們會傳回員工必須篩選的長文檔列表。這延長了找到他們正在尋找的資訊所需的時間，如果他們真的找得到的話。
AWS 提供採用機器學習技術的智慧搜尋服務 Amazon Kendra 來解決這個問題。Kendra 使用自然語言搜尋功能來協助您的組織從非結構化內容中快速傳回準確的答案。
為何選擇智慧搜尋
25%
82%
75%
80%
優勢
更快速找到答案
使用單一搜尋界面連接不同的資料孤島，這樣您就可以消除令人沮喪的搜尋體驗、縮小知識差距並更快地找到答案。
提高員工生產力
賦予員工權力並獲得他們所需的洞見，以加速研發、做出數據驅動的商業決策並提高生產力。
提升客戶體驗
將自然語言搜尋功能整合到您的網站和應用程式中，以建立具有 Q+A 功能且更聰明的聊天機器人和更明智的客服人員，並為您的客戶提供更好的搜尋體驗。
客戶案例
加速研究和開發
「當材料科學家從事新研究時，他們需要從之前相關的研究存取資訊，也就是深藏在我們巨型資料庫中眾多專利中的資訊。Kendra 讓我們的科學家藉由自然語言查詢，快速且準確地找到他們需要的資訊。與使用 Amazon Kendra 之前相較，藉由 Kendra，我們預期工程師與研究員將能更快速尋找到資訊。」
3M Corporate Research Systems Lab 技術總監 David Frazee
減少合規和法律風險
「身為最早開始採用 Amazon Kendra 的公司，PwC 目前正在開發及測試進階的搜尋功能，預計實作到我們下一版的 RegRanger 之中。這些進階功能可讓使用者詢問自然語言問題，遠比傳統的關鍵字搜尋方法和手動檢視文件改進了許多。我們對 Kendra 將為管制產業客戶帶來的附加價值感到興奮。」
PwC New Ventures 首席技術長暨合夥人 Chris Curran
改善客戶互動
「在 COVID-19 疫情爆發期間，一些城市報告其呼叫中心的放棄率達到 50%，另一些州則報告等候時間長達 3 小時，約 80% 的呼叫量與 COVID-19 有關。我們期望 Amazon Kendra 讓公民透過與 chatbot 互動快速找到所需的答案，並將等待時間降低 90%。」
Citibot 創始人兼執行長 Bratton Riley
更快地提供相關資訊
「我們發現，使用 Kendra 後，我們客戶搜尋相關資訊的速度比使用 SharePoint 全文字搜尋時快上 10 倍。例如，Amazon Kendra 能讓產品經理用日常語言提出問題，像是「哪些零件是用鈦做的？」，快速搜尋以往使用關鍵字搜尋時所找不到的答案，而且還能將它們連結到橫跨整個企業儲存庫的相關內容，或讓市場經理能快速進行關鍵的顧客行為搜尋。」
Baker Tilly Digital | Labs 進階分析與資料工程主管 Ollie East資深經理 Tom Puch
AWS 上的特色解決方案
探索專門打造的服務、AWS 解決方案、合作夥伴解決方案和指導，以快速解決您的商業和技術使用案例。
Amazon Kendra
使用採用機器學習技術的智慧搜尋服務 Amazon Kendra 來重新構想搜尋。Amazon Kendra 在企業內實現了類似消費者的搜尋體驗，讓員工和客戶在需要時更快地存取他們需要的資訊。為了實現這個可能，Kendra 的機器學習模型不斷努力了解文件的內容以及它們之間的關係，以提供精確的答案，而非隨機的連結列表。
Amazon Kendra 的另一個核心區別在於它的自然語言理解能力，允許員工透過提問的方式來運行搜尋，就像問另一個人一樣。例如，員工可以提出特定的問題，像是「IT 服務台什麼時候開放？」，他們可以預期 Amazon Kendra 會給他們一個直接的答案，像是「上午 9:30」。與員工被迫瀏覽結果頁面的關鍵字搜尋不同，Kendra 將突顯來源文檔中找到答案的段落，以及傳回 IT 工單入口網站和其他相關網站的連結。
Amazon Kendra 經過 14 個產業領域的預先訓練，因此最初就能在各種商業使用案例中擷取較精確的答案。此開箱即用的知識庫，再加上其易於執行，使其處於比傳統搜尋技術更強大的位置，可以為搜尋查詢傳回更好的答案。
我們的解決方案
Amazon Kendra
使用採用機器學習技術的智慧搜尋服務 Amazon Kendra 來重新構想搜尋。Amazon Kendra 在企業內實現了類似消費者的搜尋體驗，讓員工和客戶在需要時更快地存取他們需要的資訊。為了實現這個可能，Kendra 的機器學習模型不斷努力了解文件的內容以及它們之間的關係，以提供精確的答案，而非隨機的連結列表。
Amazon Kendra 的另一個核心區別在於它的自然語言理解能力，允許員工透過提問的方式來運行搜尋，就像問另一個人一樣。例如，員工可以提出特定的問題，像是「IT 服務台什麼時候開放？」，他們可以預期 Amazon Kendra 會給他們一個直接的答案，像是「上午 9:30」。與員工被迫瀏覽結果頁面的關鍵字搜尋不同，Kendra 將突顯來源文檔中找到答案的段落，以及傳回 IT 工單入口網站和其他相關網站的連結。
Amazon Kendra 經過 14 個產業領域的預先訓練，因此最初就能在各種商業使用案例中擷取較精確的答案。此開箱即用的知識庫，再加上其易於執行，使其處於比傳統搜尋技術更強大的位置，可以為搜尋查詢傳回更好的答案。
合作夥伴
