Amazon Kendra è un servizio di ricerca intelligente basato sul machine learning (ML). Amazon Kendra reinventa la ricerca aziendale per siti Web e applicazioni, permettendo così a dipendenti e clienti di trovare i contenuti che cercano, anche quando sono sparsi in più posizioni e repository di contenuti all'interno dell'organizzazione.
Crea esperienze di conversazione sicure basate sull'IA generativa per i tuoi utenti sui tuoi contenuti aziendali. Amazon Kendra fornisce un'API Kendra Retriever ottimizzata che consente di utilizzare il ranker semantico ad alta precisione di Amazon Kendra come enterprise retriever per il flusso di lavoro di Retrieval Augmented Generation (RAG). L'API Kendra Retriever trova e recupera i passaggi dai contenuti aziendali che sono semanticamente più pertinenti alla domanda dell'utente e hanno una granularità ottimizzata per massimizzare la qualità del payload RAG, senza che tu debba avere esperienza nel recupero semantico accurato. Questi passaggi ottimizzati possono quindi essere inviati, insieme alla domanda dell'utente, a un LLM per ottenere una risposta generativa. L'API Kendra Retriever include anche funzionalità di Kendra come il filtro basato sull'ACL, l'ottimizzazione della pertinenza, il filtro basato sui metadati e altro ancora.
L'utilizzo di Amazon Kendra e della nuova API Retriever offre i seguenti vantaggi per la creazione di esperienze di IA generativa:
Per iniziare a usare l'API Kendra Retriever, consulta la documentazione qui e questo post del blog per suggerimenti, best practice e modelli di codice per iniziare.
Amazon Kendra utilizza il ML per fornire risposte più rilevanti a partire da dati non strutturati. Cercando parole chiave generiche (come "tutele sanitarie"), o ponendo domande in linguaggio naturale ("quanto dura il congedo di maternità?"), Amazon Kendra sfrutterà la comprensione della lettura per fornire risposte specifiche ("14 settimane"). Per domande più generali, come ad esempio "come si configura un VPN?" Amazon Kendra fornisce risposte descrittive estraendo il passaggio del testo più pertinente.
Amazon Kendra supporta inoltre l'abbinamento delle domande frequenti ed estrae le risposte dalle domande frequenti curate tramite un modello specializzato, che individua la domanda più simile e restituisce la risposta corrispondente.
Amazon Kendra può persino trovare risposte nelle tabelle incorporate nelle pagine HTML. Puoi porre domande come "Qual è la carta di credito con le commissioni annuali più basse?" la cui risposta si trova in una tabella di confronto delle carte di credito su una pagina Web di marketing.
A completamento delle funzioni di ricerca intelligente descritte, Amazon Kendra impiega un modello di ricerca semantico di deep learning che fornisce una classifica accurata dei documenti. Nel complesso, questo fornisce un'esperienza di ricerca più ricca, che presenta risposte specifiche così come contenuti associati da esplorare, se hai bisogno di ulteriori informazioni.
Amazon Kendra impiega il ML per ottimizzare continuamente i risultati di ricerca in base ai pattern di ricerca e ai feedback dell'utente finale. Ad esempio, quando gli utenti chiedono "Come posso modificare i miei benefit sanitari?", per i primi posti competeranno diversi documenti di benefit per le risorse umane (HR). Per determinare il documento più rilevante per questa domanda, Amazon Kendra apprenderà dalle interazioni e dai feedback dell'utente per mettere i documenti preferiti in cima alla lista. Applica automaticamente tecniche di apprendimento incrementale senza che sia necessaria esperienza nel ML.
Puoi ottimizzare i risultati di ricerca e promuovere risposte e documenti specifici nei risultati sulla base di obiettivi aziendali definiti. Ad esempio, l'ottimizzazione della pertinenza consente di ottimizzare i risultati sulla base di creatori di contenuti oppure di origini dati più autorevoli, oppure sulla base dell'aggiornamento dei documenti. Scopri di più nel post del blog dedicato all'ottimizzazione della pertinenza.
Per estendere la comprensione di Amazon Kendra del vocabolario del tuo specifico settore, puoi fornire dei sinonimi personalizzati. Amazon Kendra impiega i sinonimi per espandere automaticamente le domande e includere contenuti e risposte che soddisfano il vocabolario ampliato. Ad esempio, quando un utente chiede: "Che cos'è un HSA?" Amazon Kendra restituirà documenti che parlano di "Health Savings Account (Conto di risparmio sanitario)" o di "HSA".
L'uso dei connettori con Amazon Kendra è semplice e veloce: basta aggiungere origini dati all'indice Amazon Kendra e selezionare il tipo di connettore. I connettori potranno essere programmati per sincronizzare automaticamente il tuo indice con l'origine dati, in modo da cercare sempre in sicurezza i contenuti più aggiornati. Amazon Kendra offre connettori nativi per origini dati popolari come Amazon Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, Google Drive, Confluence e molte altre. Qualora non fosse disponibile un connettore nativo, Amazon Kendra offre un connettore dell'origine dati personalizzato nonché una gamma di connettori supportati dei partner. Per maggiori informazioni sulla disponibilità dei connettori di Amazon Kendra, visita la libreria di connettori di Amazon Kendra.
Amazon Kendra utilizza modelli di deep learning per comprendere le query in linguaggio naturale e il contenuto e le strutture dei documenti per una vasta gamma di casi d'uso interno, tra cui risorse umane, operazioni, supporto e ricerca e sviluppo. Amazon Kendra è inoltre ottimizzato per comprendere il linguaggio complesso da domini come IT, servizi finanziari, assicurazioni, prodotti farmaceutici, produzione industriale, petrolio e gas, ambito legale, media e intrattenimento, settore turistico e alberghiero, salute,notizie, telecomunicazioni, industria mineraria, settore alimentare e settore automobilistico. Ad esempio, se un utente alla ricerca di risposte legate alle risorse umane inserisse "scadenza per la presentazione del modulo HSA", Amazon Kendra cercherebbe anche "scadenza per la presentazione del modulo per il conto di risparmio sanitario" per una copertura più ampia e per ottenere la risposta più accurata.
Ora puoi implementare un'esperienza di ricerca totalmente funzionale e personalizzabile con Amazon Kendra in pochi passaggi, senza la necessità di avere esperienza pregressa con codifica o ML. Experience Builder offre un flusso di lavoro intuitivo a livello grafico per costruire, personalizzare e avviare in modo rapido la tua applicazione di ricerca in modo sicuro sul cloud. Puoi iniziare con il modello pronto all'uso sull'esperienza di ricerca presente nel builder, che può essere personalizzato trascinando e rilasciando i componenti che desideri, come i filtri o le categorizzazioni. Puoi invitare altre persone a collaborare o a testare la tua applicazione di ricerca per ottenere un feedback, per poi condividere il progetto con tutti gli utenti nel momento in cui sei pronto a implementare l'esperienza. Amazon Kendra Experience Builder integra Centro identità AWS IAM (successore di AWS Single Sign-On), che supporta i principali provider di identità come Azure AD e Okta, offrendo un'autenticazione single sign-on sicura all'utente finale mentre accede all'esperienza di ricerca. Per ulteriori informazioni su Amazon Kendra Experience Builder, consulta la documentazione.
Il pannello di controllo per le analisi della ricerca di Amazon Kendra ti consente di comprendere meglio i parametri di qualità e usabilità delle tue applicazioni di ricerca. Il pannello di controllo consente agli amministratori e ai creatori di contenuti di capire con quanta facilità gli utenti finali riescono a trovare i risultati della ricerca, la qualità dei risultati della ricerca e le lacune nei contenuti. Esso fornisce una istantanea di come gli utenti interagiscono con la tua applicazione di ricerca e sul grado di efficacia dei tuoi risultati di ricerca. Puoi visualizzare i dati analitici in un pannello di controllo grafico nella console oppure puoi creare i tuoi pannelli di controllo tramite l'accesso ai dati analitici sulla ricerca attraverso un'API. Dà la possibilità di approfondire le tendenze di ricerca e i comportamenti degli utenti per identificare informazioni dettagliate e aiuta a fare chiarezza sulle potenziali aree di miglioramento. Per ulteriori informazioni sul pannello di controllo per le analisi della ricerca di Amazon Kendra, consulta la documentazione.
Con le funzionalità di arricchimento personalizzato dei documenti di Amazon Kendra, puoi creare una pipeline di importazione dati personalizzata che può pre-elaborare i documenti prima della loro indicizzazione in Amazon Kendra. Per esempio, durante l'importazione di contenuti da una repository come SharePoint utilizzando i nostri connettori, è possibile arricchire i documenti con ulteriori metadati, convertire i documenti scansionati in testo, classificare i documenti, estrarre entità e trasformare ulteriormente il documento utilizzando processi di ETL personalizzati. L'arricchimento viene eseguito sulla base di regole che possono essere configurate nella console o richiamando funzioni da AWS Lambda. Queste funzioni possono chiamare in modo opzionale altri servizi AWS di IA come Amazon Comprehend, Amazon Transcribe o Amazon Textract. Per ulteriori informazioni sulla funzionalità di arricchimento personalizzato dei documenti di Amazon Kendra, consulta la documentazione.
Amazon Kendra include la funzionalità per completare automaticamente la query di ricerca di un utente finale. Il completamento automatico delle query non solo aiuta l'utente a ridurre la digitazione di circa il 25%, ma lo aiuta anche guidandolo verso domande più precise e più frequenti. In genere questi tipi di domande danno come risultato risposte più pertinenti e utili. Ad esempio, se nella casella di ricerca inizi a digitare "Dov'è", Amazon Kendra può suggerire opzioni per completare la query come "Dov'è l'IT desk?" oppure "Dov'è il bar?" e altre domande frequenti correlate.