Dette er et gæsteindlæg af Dr. Naoki Okada, Lead Data Scientist hos BrainPad Inc.
Grundlagt i 2004, BrainPad Inc. er en banebrydende partner inden for dataudnyttelse, der hjælper virksomheder med at skabe forretning og forbedre deres ledelse gennem brug af data. Til dato har BrainPad hjulpet mere end 1,300 virksomheder, primært industriledere. BrainPad har fordelen ved at levere en one-stop service fra formulering af en dataudnyttelsesstrategi til proof of concept og implementering. BrainPads unikke stil er at arbejde sammen med klienter for at løse problemer på stedet, såsom data, der ikke bliver indsamlet på grund af en tilsmudset organisationsstruktur eller data, der eksisterer, men ikke er organiseret.
Dette indlæg diskuterer, hvordan man strukturerer intern videndeling ved hjælp af Amazon Kendra , AWS Lambda og hvordan Amazon Kendra løser de forhindringer omkring videndeling, mange virksomheder står over for. Vi opsummerer BrainPads indsats på fire nøgleområder:
- Hvad er de videndelingsproblemer, som mange virksomheder står over for?
- Hvorfor valgte vi Amazon Kendra?
- Hvordan implementerede vi videndelingssystemet?
- Selvom et værktøj er nyttigt, er det meningsløst, hvis det ikke bliver brugt. Hvordan overvandt vi barrieren for adoption?
Problemer med videndeling, som mange virksomheder står over for
Mange virksomheder opnår deres resultater ved at opdele deres arbejde i forskellige områder. Hver af disse aktiviteter genererer nye ideer hver dag. Denne viden akkumuleres på individuel basis. Hvis denne viden kan deles mellem mennesker og organisationer, kan der skabes synergier i relateret arbejde, og effektiviteten og kvaliteten af arbejdet vil øges dramatisk. Dette er kraften i videndeling.
Der er dog mange fælles barrierer for videndeling:
- Få mennesker er proaktivt involveret, og processen kan ikke opretholdes længe på grund af travle tidsplaner.
- Viden er spredt på flere medier, såsom interne wikier og PDF'er, hvilket gør det svært at finde den information, du har brug for.
- Ingen lægger viden ind i videnkonsolideringssystemet. Systemet vil ikke blive brugt meget på grund af dets dårlige søgbarhed.
Vores virksomhed stod i en lignende situation. Det grundlæggende problem med videndeling er, at selvom de fleste medarbejdere har et stort behov for at opnå viden, har de ringe motivation til at dele deres egen viden til en pris. Det er ikke nemt at ændre medarbejdernes adfærd med det ene formål at dele viden.
Derudover har hver medarbejder eller afdeling sin egen foretrukne metode til at akkumulere viden, og forsøg på at fremtvinge ensretning vil ikke føre til motivation eller præstation i videndeling. Dette er en hovedpine for ledelsen, som ønsker at konsolidere viden, mens de inden for området ønsker at have viden på en decentral måde.
Hos vores virksomhed er Amazon Kendra den cloud-tjeneste, der har løst disse problemer.
Hvorfor vi valgte Amazon Kendra
Amazon Kendra er en cloud-tjeneste, der giver os mulighed for at søge efter intern information fra en fælles grænseflade. Det er med andre ord en søgemaskine, der har specialiseret sig i intern information. I dette afsnit diskuterer vi de tre vigtigste grunde til, at vi valgte Amazon Kendra.
Nem aggregering af viden
Som nævnt i det foregående afsnit har viden, selv når den eksisterer, en tendens til at være spredt ud over flere medier. I vores tilfælde var det spredt ud over vores interne wiki og forskellige dokumentfiler. Amazon Kendra giver kraftfuld stik for denne situation. Vi kan nemt importere dokumenter fra en række forskellige medier, herunder groupware, wikis, Microsoft PowerPoint-filer, PDF'er og mere uden besvær.
Det betyder, at medarbejderne ikke behøver at ændre måden, de opbevarer viden på, for at dele den. Selvom vidensaggregering kan opnås midlertidigt, er det meget dyrt at vedligeholde. Evnen til at automatisere dette var en meget ønskværdig faktor for os.
Stor søgbarhed
Der er en masse groupware og wikier derude, som udmærker sig ved informationsinput. De har dog ofte svagheder i informationsoutput (søgbarhed). Dette gælder især for japansk søgning. For eksempel på engelsk giver matchning på ordniveau en rimelig grad af søgbarhed. På japansk er ordudvinding imidlertid sværere, og der er tilfælde, hvor matchning udføres ved at adskille ord med et passende antal tegn. Hvis en søgning på "Tokyo-to (東京都)" er adskilt af to tegn, "Tokyo (東京)" og "Kyoto (京都)," vil det være svært at finde den viden, du leder efter.
Amazon Kendra tilbyder fantastisk søgbarhed gennem maskinlæring. Ud over traditionelle søgeordssøgninger såsom "teknologitrends", kan naturlige sprogsøgninger såsom "Jeg vil have information om nye teknologiinitiativer" i høj grad forbedre brugeroplevelsen. Evnen til at søge korrekt efter indsamlet information er den anden grund til, at vi valgte Amazon Kendra.
Lave omkostninger ved ejerskab
It-værktøjer, der har specialiseret sig i aggregering og genfinding af viden, kaldes enterprise search-systemer. Et problem med at implementere disse systemer er omkostningerne. For en organisation med flere hundrede ansatte kan driftsomkostningerne overstige 10 millioner yen om året. Dette er ikke en billig måde at starte et videndelingsinitiativ på.
Amazon Kendra tilbydes hos en meget lavere omkostninger end de fleste virksomhedssøgesystemer. Som tidligere nævnt er videndelingsinitiativer ikke lette at implementere. Vi ville starte i det små, og Amazon Kendras lave omkostninger ved ejerskab var en nøglefaktor i vores beslutning.
Derudover er Amazon Kendras lette implementering og fleksibilitet også store fordele for os. Det næste afsnit opsummerer et eksempel på vores implementering.
Hvordan vi implementerede videndelingssystemet
Implementering er ikke en overdreven udviklingsproces; det kan gøres uden kode ved at følge Amazon Kendra-behandlingsflowet. Her er fem nøglepunkter i implementeringsprocessen:
- Datakilde (akkumulerer viden) – Hver afdeling og medarbejder i vores virksomhed holdt ofte interne studiesessioner, og gennem disse aktiviteter blev viden opsamlet i flere medier, såsom wikier og forskellige typer opbevaring. På det tidspunkt var det nemt at gennemgå oplysningerne fra studiesessionerne senere. Men for at udtrække viden om et bestemt område eller teknologi, var det nødvendigt at gennemgå hvert medie i detaljer, hvilket ikke var særlig praktisk.
- Connectors (aggregerer viden) – Med connector-funktionaliteten i Amazon Kendra var vi i stand til at koble viden spredt i hele virksomheden ind i Amazon Kendra og opnå tværsnitssøgelighed. Derudover indlæses forbindelsen via en begrænset konto, hvilket giver mulighed for en sikkerhedsbevidst implementering.
- Søgemaskine (finde information) – Fordi Amazon Kendra har en søgeside for usability test, var vi i stand til hurtigt at teste søgemaskinens anvendelighed umiddelbart efter indlæsning af dokumenter for at se, hvilken slags viden der kunne findes. Dette var meget nyttigt til at styrke billedet af lanceringen.
- Søg UI (søgeside for brugere) – Amazon Kendra har en funktion kaldet Oplevelsesbygger som eksponerer søgeskærmen for brugerne. Denne funktion kan implementeres uden kode, hvilket var meget nyttigt til at få feedback under testimplementeringen. Ud over Experience Builder understøtter Amazon Kendra også Python og React.js API-implementeringer, så vi i sidste ende kan levere tilpassede søgesider til vores medarbejdere for at forbedre deres oplevelse.
- Analytics (overvågning af brugstendenser) – Et virksomhedssøgningssystem er kun værdifuldt, hvis mange mennesker bruger det. Amazon Kendra har evnen til at overvåge hvor mange søgninger der udføres og for hvilke termer. Vi bruger denne funktion til at spore brugstendenser.
Vi har også nogle spørgsmål og svar i forbindelse med vores implementering:
- Hvad var nogle af udfordringerne ved at indsamle intern viden? Vi skulle starte med at samle den viden, som hver afdeling og medarbejder havde, men ikke nødvendigvis et sted, der direkte kunne forbindes med Amazon Kendra.
- Hvordan fik vi fordel af Amazon Kendra? Vi havde forsøgt at dele viden mange gange tidligere, men havde ofte fejlet. Årsagerne var informationsaggregering, søgbarhed, driftsomkostninger og implementeringsomkostninger. Amazon Kendra har funktioner, der løser disse problemer, og vi lancerede det med succes inden for omkring 3 måneder efter undfangelsen. Nu kan vi bruge Amazon Kendra til at finde løsninger på opgaver, der tidligere krævede viden fra enkeltpersoner eller afdelinger som den samlede viden i hele organisationen.
- Hvordan vurderede du systemets søgbarhed, og hvad gjorde du for at forbedre det? For det første fik vi mange medarbejdere til at interagere med systemet og få feedback. Et problem, der opstod i begyndelsen af implementeringen, var, at der var en spredning af information, som havde ringe værdi som viden. Det skyldtes, at nogle af datakilderne for eksempel indeholdt information fra interne blogindlæg. Vi arbejder løbende på at forbedre brugeroplevelsen ved at vælge de rigtige datakilder.
Som tidligere nævnt, ved at bruge Amazon Kendra, var vi i stand til at overvinde mange implementeringshinder til minimale omkostninger. Den største udfordring med denne type værktøj er dog adoptionsbarrieren, der kommer efter implementering. Det næste afsnit giver et eksempel på, hvordan vi overvandt denne forhindring.
Hvordan vi overvandt barrieren for adoption
Har du nogensinde set et værktøj, som du brugte mange kræfter, tid og penge på at implementere, blive forældet uden udbredt brug? Uanset hvor god funktionaliteten er til at løse problemer, vil den ikke være effektiv, hvis folk ikke bruger den.
Et af de initiativer, vi tog med lanceringen af Amazon Kendra, var at levere en chatbot. Med andre ord, når du stiller et spørgsmål i et chatværktøj, får du et svar med den rette viden. Fordi alle vores telependling-medarbejdere bruger et chatværktøj på daglig basis, er det meget mere kompatibelt at bruge chatbots end at få dem til at åbne en ny søgeskærm i deres browsere.
For at implementere denne chatbot bruger vi Lambda, en tjeneste, der giver os mulighed for at køre serverløse, hændelsesdrevne programmer. Konkret implementeres følgende arbejdsgang:
- En bruger stiller et spørgsmål til chatbotten med en omtale.
- Chatbotten udsender en begivenhed til Lambda.
- En Lambda-funktion registrerer hændelsen og søger efter spørgsmålet på Amazon Kendra.
- Lambda-funktionen sender søgeresultaterne til chatværktøjet.
- Brugeren ser søgeresultaterne.
Denne proces tager kun et par sekunder og giver en brugeroplevelse af høj kvalitet til videnopdagelse. Størstedelen af medarbejderne blev eksponeret for videndelingsmekanismen gennem chatbotten, og der er ingen tvivl om, at chatbotten har bidraget til udbredelsen af mekanismen. Og fordi der er nogle områder, som ikke kan dækkes af chatbotten alene, har vi også bedt dem om at bruge den tilpassede søgeskærm i forbindelse med chatbotten for at give en endnu bedre brugeroplevelse.
Konklusion
I dette indlæg præsenterede vi et casestudie af Amazon Kendra til videndeling og et eksempel på en chatbot-implementering, der bruger Lambda til at udbrede mekanismen. Vi ser frem til at se Amazon Kendra tage endnu et spring fremad, efterhånden som store sprogmodeller fortsætter med at udvikle sig.
Hvis du er interesseret i at prøve Amazon Kendra, så tjek ud Forbedring af virksomhedssøgning med Amazon Kendra. BrainPad kan også hjælpe dig med intern videndeling og dokumentudnyttelse ved hjælp af generativ AI. Kontakt os venligst for mere information.
Om forfatteren
Dr. Naoki Okada er en Lead Data Scientist hos BrainPad Inc. Med sin tværfunktionelle erfaring inden for business, analytics og engineering støtter han en bred vifte af kunder fra opbygning af DX-organisationer til at udnytte data i uudforskede områder.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- EVM Finans. Unified Interface for Decentralized Finance. Adgang her.
- Quantum Media Group. IR/PR forstærket. Adgang her.
- PlatoAiStream. Web3 Data Intelligence. Viden forstærket. Adgang her.
- Kilde: https://aws.amazon.com/blogs/machine-learning/how-brainpad-fosters-internal-knowledge-sharing-with-amazon-kendra/
- :har
- :er
- :ikke
- :hvor
- $ 10 millioner
- $OP
- 1
- 10
- 100
- 7
- a
- evne
- I stand
- Om
- Konto
- Akkumuleret
- opnå
- opnået
- tværs
- aktiviteter
- Desuden
- Vedtagelse
- Fordel
- fordele
- Efter
- aggregere
- aggregering
- AI
- Alle
- tillade
- tillader
- alene
- også
- Skønt
- Amazon
- Amazon Kendra
- Amazon Web Services
- blandt
- an
- analytics
- ,
- En anden
- enhver
- api
- passende
- passende
- ER
- OMRÅDE
- områder
- omkring
- AS
- At
- automatisere
- AWS
- barriere
- barrierer
- grundlag
- BE
- fordi
- bliver
- Begyndelse
- være
- gavner det dig
- Bedre
- Største
- Blog
- Blogindlæg
- browsere
- Builder
- Bygning
- virksomhed
- travlt
- men
- by
- kaldet
- CAN
- tilfælde
- casestudie
- tilfælde
- udfordre
- udfordringer
- lave om
- skiftende
- tegn
- chatbot
- chatbots
- billig
- kontrollere
- Vælg
- valgte
- kunder
- Cloud
- CO
- kode
- Indsamling
- kollektive
- kommer
- Fælles
- Virksomheder
- selskab
- kompatibel
- Konceptet
- design
- sammenholdt
- tilsluttet
- konsolidere
- konsolidering
- kontakt
- indeholdt
- løbende
- fortsæt
- bidrog
- Praktisk
- Koste
- kostbar
- Omkostninger
- kunne
- dækket
- skabe
- oprettet
- tilpassede
- dagligt
- data
- dataforsker
- Dato
- dag
- decentral
- beslutning
- Afdeling
- afdelinger
- implementering
- indsættelse. Ud over
- detail
- Udvikling
- DID
- forskellige
- svært
- Broadcasting
- direkte
- opdagelse
- diskutere
- do
- dokumentet
- dokumenter
- færdig
- Dont
- tvivler
- dr
- dramatisk
- grund
- i løbet af
- DX
- hver
- tidligere
- lette
- nemt
- let
- Effektiv
- effektivitet
- indsats
- indsats
- Medarbejder
- medarbejdere
- Engine (Motor)
- Engineering
- Engelsk
- forbedre
- Enterprise
- Går ind i
- Hele
- især
- evaluere
- Endog
- begivenhed
- til sidst
- NOGENSINDE
- Hver
- hver dag
- udvikle sig
- eksempel
- overstige
- Excel
- eksisterer
- erfaring
- udnyttelse
- udsat
- ekstrakt
- Ansigtet
- konfronteret
- faktor
- mislykkedes
- Feature
- Funktionalitet
- tilbagemeldinger
- få
- felt
- Filer
- Finde
- finde
- Fornavn
- Fleksibilitet
- flow
- efter
- Til
- Tving
- formulering
- Videresend
- fundet
- fire
- hyppigt
- fra
- funktion
- funktionalitet
- fundamental
- indsamling
- genererer
- generative
- Generativ AI
- få
- få
- godt
- stor
- stærkt
- Ground
- Gæst
- gæst Indlæg
- havde
- Have
- have
- he
- Held
- hjælpe
- hjulpet
- hjælpsom
- hjælpe
- link.
- høj kvalitet
- hans
- Hvordan
- How To
- Men
- HTML
- HTTPS
- hundrede
- Hurdles
- ideer
- if
- billede
- straks
- gennemføre
- implementering
- implementeret
- gennemføre
- importere
- Forbedre
- in
- I andre
- Inc.
- Herunder
- Forøg
- individuel
- enkeltpersoner
- industrien
- oplysninger
- initiativ
- initiativer
- indgang
- interagere
- interesseret
- grænseflade
- interne
- ind
- involverede
- spørgsmål
- IT
- ITS
- japansk
- Nøgle
- Nøgleområder
- nøglefaktor
- Venlig
- viden
- Sprog
- storstilet
- senere
- lancere
- lanceret
- føre
- ledere
- Leap
- Niveau
- løftestang
- LINK
- lidt
- lastning
- Lang
- Se
- leder
- Lot
- Lav
- lavere
- maskine
- vedligeholde
- Flertal
- Making
- ledelse
- mange
- matchende
- Matter
- midler
- mekanisme
- Medier
- medium
- nævnte
- metode
- microsoft
- million
- mindste
- modeller
- penge
- overvågning
- måned
- mere
- mest
- Motivation
- meget
- flere
- Natural
- nødvendigvis
- nødvendig
- Behov
- Ny
- næste
- ingen
- nu
- nummer
- forældede
- forhindringer
- opnå
- of
- tilbydes
- Tilbud
- tit
- on
- ONE
- kun
- åbent
- drift
- operationelle
- or
- ordrer
- organisation
- organisatorisk
- organisationer
- Organiseret
- Andet
- vores
- Vores firma
- ud
- output
- Overvind
- egen
- ejerskab
- side
- partner
- forbi
- Mennesker
- ydeevne
- udføres
- Banebrydende
- Place
- plato
- Platon Data Intelligence
- PlatoData
- Vær venlig
- punkter
- fattige
- Indlæg
- Indlæg
- magt
- vigtigste
- foretrækkes
- forelagt
- tidligere
- tidligere
- primært
- Problem
- problemer
- behandle
- forarbejdning
- Programmer
- bevis
- Bevis for koncept
- give
- giver
- leverer
- formål
- Python
- Spørgsmål og svar
- kvalitet
- spørgsmål
- hurtigt
- rækkevidde
- Reagerer
- grund
- rimelige
- årsager
- relaterede
- påkrævet
- svar
- begrænset
- Resultater
- gennemgå
- højre
- Kør
- spredt
- Videnskabsmand
- Skærm
- Søg
- søgemaskine
- Anden
- sekunder
- Sektion
- se
- se
- set
- udvælgelse
- adskille
- Serverless
- tjeneste
- Tjenester
- sessioner
- flere
- Del
- delt
- deling
- lignende
- Situationen
- lille
- So
- Løsninger
- SOLVE
- Løser
- Løsning
- nogle
- Kilde
- Kilder
- specialisere
- specialiseret
- specifikke
- specifikt
- brugt
- starte
- opbevaring
- butik
- Strategi
- stærk
- struktur
- Studere
- stil
- Succesfuld
- sådan
- opsummere
- Understøtter
- systemet
- Systemer
- Tag
- tager
- opgaver
- Teknologier
- vilkår
- prøve
- end
- at
- oplysninger
- deres
- Them
- Der.
- Disse
- de
- denne
- dem
- tre
- Gennem
- hele
- tid
- gange
- til
- sammen
- tog
- værktøj
- værktøjer
- spor
- traditionelle
- Tendenser
- forsøgte
- sand
- to
- typen
- typer
- ui
- enestående
- us
- usability
- Brug
- brug
- anvendte
- Bruger
- Brugererfaring
- brugere
- ved brug af
- Værdifuld
- værdi
- række
- forskellige
- meget
- visninger
- ønsker
- ønskede
- ønsker
- var
- Vej..
- we
- web
- webservices
- var
- Hvad
- hvornår
- som
- mens
- WHO
- hvorfor
- bred
- Bred rækkevidde
- bredt
- udbredt
- vilje
- med
- inden for
- uden
- ord
- ord
- Arbejde
- arbejde sammen
- workflow
- arbejder
- år
- Yen
- Du
- zephyrnet