Clientes y socios de Amazon Comprehend

Nos esforzamos para combinar nuestra experiencia empresarial y tecnológica a fin de que nuestros clientes puedan comprender los riesgos de conformidad de sus cadenas de suministro. Necesitábamos encontrar la forma de procesar documentos de conformidad a escala. Nuestro proceso consiste en leer imágenes y documentos PDF con formularios, tablas y texto sin formato y extraer datos de interés de dichos documentos. La tecnología OCR de Amazon Textract nos permitió extraer textos de esos documentos. Las API de NLP sensibles al contexto de Amazon Comprehend extrajeron entidades específicas del negocio y sus valores del texto. También incorporamos personas en nuestro flujo de trabajo con Amazon Augmented AI (Amazon A2I), para que nuestros equipos revisen los datos extraídos y brinden su opinión a los modelos de ML de modo que estos puedan mejorar con el tiempo. Utilizar esta combinación tan eficiente de personas y aprendizaje automático junto con AppSync y Amplify nos ha brindado información más precisa sobre los riesgos de las cadenas de suministro de nuestros clientes y nos ha ahorrado cientos de horas de revisión manual de documentos. Ahora, los clientes pueden recibir de manera inmediata opiniones sobre los riesgos de conformidad de su empresa.

Las implementaciones digitales de AWS y Amazon Business en la organización de aprovisionamiento de ExxonMobil mejoran sus operaciones globales y las preparan para interrupciones inesperadas.  “Hemos trabajado con Amazon ML Solutions Lab para desarrollar una prueba de concepto destinada a maximizar el uso de los contratos y reducir aún más los costos. Un enfoque aprovecha Amazon SageMaker para mejorar la identificación de los artículos del catálogo con la mejor coincidencia a partir de entradas de texto libre en el sistema de aprovisionamiento electrónico de ExxonMobil, Smart by GEP. Cuando las descripciones de los artículos del catálogo no están disponibles, usamos Amazon Comprehend para crear un modelo de clasificación a medida para asignar las entradas de texto libre a los acuerdos contractuales de los proveedores.

FINRA recibe millones de documentos con datos no estructurados que admiten procesos de investigación, examen y conformidad. Nuestros investigadores y evaluadores tenían que pasar manualmente por los documentos, página por página, o ejecutar búsquedas muy localizadas para encontrar lo que necesitaban. Con Amazon Comprehend, podemos extraer rápidamente individuos y organizaciones, hacer coincidir las entidades extraídas con los registros de FINRA, etiquetar individuos de interés y detectar similitudes con otros documentos.

Proporcionamos a los profesionales del sector legal análisis y estudios de investigación repletos de datos para ayudarlos a tomar decisiones informadas. Por tanto, siempre estamos buscando mejores formas de descubrir información a partir de documentos legales. Gracias al machine learning (ML) automático de Amazon Comprehend, ahora podemos crear modelos de reconocimiento de entidades personalizados y precisos sin las complejidades asociadas con el ML. Las entidades que más nos importan, como la de juez y la de abogado, pueden identificarse rápidamente a partir de más de 200 millones de documentos con una precisión superior al 92 %.

Procurar el procesamiento humano y el análisis de encuestas anteriores a empleados cuesta varios euros por entrevista. Al utilizar Amazon Comprehend y otros productos de AWS, conseguimos traducir, procesar y analizar por menos de un euro por entrevista.

Usar Comprehend para exponer el problema de un cliente a la persona adecuada realmente nos brinda la mejor oportunidad de retener a ese cliente en el futuro.

 

Nuestra plataforma Sparq conecta los datos de los clientes más importantes de cualquier origen, incluso los datos de transacciones, actitudes, emociones e intenciones, para crear perfiles dinámicos de clientes que brinden a cada equipo y sistema empresarial una vista unificada del cliente. Al integrarse con la capacidad de análisis de opiniones de Amazon Comprehend, la plataforma convierte los comentarios cualitativos de los clientes en información que se puede procesar; para ello, determina si el comentario es positivo, negativo o neutral con más del 90 % de precisión.

Entender el sentimiento del cliente a través de varios productos o servicios es clave para comprender el estado del negocio. Amazon Comprehend Targeted Sentiment permite a nuestros clientes no sólo entender el sentimiento de una conversación, sino también profundizar en áreas específicas del producto o del negocio a escala.

Estamos muy entusiasmados con la característica de Amazon Comprehend Targeted Sentiment porque mejorará nuestros informes existentes de respuesta de la encuesta abierta en Gallup Access. Actualmente, reportamos métricas relacionadas con el sentimiento general y con esta nueva característica, podremos proporcionar un sentimiento más específico dentro de esas respuestas de encuestas. Esto mejorará la propuesta de valor de nuestros informes generales y proporcionará a nuestros usuarios datos más precisos y procesables.

Nuestro objetivo se centra en ofrecer el mejor contenido de marketing posible a las marcas que confían en nosotros. Con Amazon Comprehend, pudimos aumentar de manera significativa la calidad y precisión de las capacidades de análisis de contenido de nuestra plataforma, que identifica el contenido correcto para lograr las campañas de marketing de mayor impacto. Amazon Comprehend nos permite centrarnos en nuestro producto principal y despreocuparnos de la ardua tarea asociada con la creación de nuestros propios modelos de machine learning.

La mensajería móvil conecta a las marcas con los consumidores de forma directa, personal y auténtica. En Vibes, procesamos miles de millones de mensajes móviles cada mes y obtenemos informaciones detalladas latentes en el gran número de mensajes que procesamos. Amazon Comprehend nos permite extraer frases clave, detectar opiniones y modelar rápidamente los temas del contenido de los mensajes sin estructurar. Así, podemos proporcionar a los profesionales de marketing un conocimiento más exhaustivo de su rendimiento y también información procesable para ofrecer experiencias gratificantes a sus consumidores.