Η Accenture δημιουργεί μια λύση Βοήθειας Γνώσης χρησιμοποιώντας παραγωγικές υπηρεσίες AI στο AWS | Υπηρεσίες Ιστού της Amazon

Αυτή η ανάρτηση συντάχθηκε με τους Ilan Geller και Shuyu Yang από την Accenture.

Οι επιχειρήσεις σήμερα αντιμετωπίζουν μεγάλες προκλήσεις όσον αφορά τη χρήση των βάσεων πληροφοριών και γνώσεών τους τόσο για εσωτερικές όσο και για εξωτερικές επιχειρηματικές δραστηριότητες. Με τις συνεχώς εξελισσόμενες λειτουργίες, διαδικασίες, πολιτικές και απαιτήσεις συμμόρφωσης, μπορεί να είναι εξαιρετικά δύσκολο για τους εργαζόμενους και τους πελάτες να παραμένουν ενημερωμένοι. Ταυτόχρονα, η αδόμητη φύση μεγάλου μέρους αυτού του περιεχομένου καθιστά χρονοβόρο την εύρεση απαντήσεων χρησιμοποιώντας την παραδοσιακή αναζήτηση.

Εσωτερικά, οι εργαζόμενοι μπορούν συχνά να περνούν αμέτρητες ώρες αναζητώντας πληροφορίες που χρειάζονται για να κάνουν τη δουλειά τους, οδηγώντας σε απογοήτευση και μειωμένη παραγωγικότητα. Και όταν δεν μπορούν να βρουν απαντήσεις, πρέπει να κλιμακώσουν τα ζητήματα ή να λάβουν αποφάσεις χωρίς πλήρες πλαίσιο, κάτι που μπορεί να δημιουργήσει κίνδυνο.

Εξωτερικά, οι πελάτες μπορεί επίσης να βρουν απογοητευτικό να εντοπίζουν τις πληροφορίες που αναζητούν. Παρόλο που οι βάσεις γνώσεων για τις επιχειρήσεις έχουν, με την πάροδο του χρόνου, βελτίωσαν την εμπειρία των πελατών, μπορεί να είναι ακόμη δυσκίνητες και δύσκολες στη χρήση. Είτε αναζητάτε απαντήσεις σε μια ερώτηση που σχετίζεται με το προϊόν είτε χρειάζεστε πληροφορίες σχετικά με τις ώρες και τις τοποθεσίες λειτουργίας, μια κακή εμπειρία μπορεί να οδηγήσει σε απογοήτευση ή ακόμη χειρότερα σε απόσπαση πελάτη.

Και στις δύο περιπτώσεις, καθώς η διαχείριση γνώσης γίνεται πιο περίπλοκη, η γενετική τεχνητή νοημοσύνη παρουσιάζει μια ευκαιρία που αλλάζει το παιχνίδι στις επιχειρήσεις να συνδέσουν τους ανθρώπους με τις πληροφορίες που χρειάζονται για να επιτελέσουν και να καινοτομήσουν. Με τη σωστή στρατηγική, αυτές οι έξυπνες λύσεις μπορούν να μεταμορφώσουν τον τρόπο με τον οποίο η γνώση συλλαμβάνεται, οργανώνεται και χρησιμοποιείται σε έναν οργανισμό.

Για να βοηθήσει στην αντιμετώπιση αυτής της πρόκλησης, η Accenture συνεργάστηκε με την AWS για να δημιουργήσει μια καινοτόμο γενετική λύση τεχνητής νοημοσύνης που ονομάζεται Knowledge Assist. Χρησιμοποιώντας υπηρεσίες τεχνητής νοημοσύνης που δημιουργούνται από το AWS, η ομάδα έχει αναπτύξει ένα σύστημα που μπορεί να απορροφήσει και να κατανοήσει τεράστιες ποσότητες μη δομημένου εταιρικού περιεχομένου.

Αντί για τις παραδοσιακές αναζητήσεις λέξεων-κλειδιών, οι χρήστες μπορούν τώρα να κάνουν ερωτήσεις και να εξάγουν ακριβείς απαντήσεις σε μια απλή, συνομιλητική διεπαφή. Το Generative AI κατανοεί το πλαίσιο και τις σχέσεις μέσα στη γνωσιακή βάση για να παρέχει εξατομικευμένες και ακριβείς απαντήσεις. Καθώς θέτει περισσότερα ερωτήματα, το σύστημα βελτιώνει συνεχώς την επεξεργασία της γλώσσας του μέσω αλγορίθμων μηχανικής εκμάθησης (ML).

Από την έναρξη αυτού του πλαισίου βοήθειας τεχνητής νοημοσύνης, οι εταιρείες έχουν δει δραματικές βελτιώσεις στη διατήρηση της γνώσης και στην παραγωγικότητα των εργαζομένων. Παρέχοντας γρήγορη και ακριβή πρόσβαση σε πληροφορίες και δίνοντας τη δυνατότητα στους υπαλλήλους να αυτοεξυπηρετούνται, αυτή η λύση μειώνει τον χρόνο εκπαίδευσης για νέες προσλήψεις κατά περισσότερο από 50% και μειώνει τις κλιμακώσεις έως και 40%.

Με τη δύναμη της γενετικής τεχνητής νοημοσύνης, οι επιχειρήσεις μπορούν να μεταμορφώσουν τον τρόπο με τον οποίο συλλαμβάνεται, οργανώνεται και μοιράζεται η γνώση σε ολόκληρο τον οργανισμό. Ξεκλειδώνοντας τις υπάρχουσες βάσεις γνώσεών τους, οι εταιρείες μπορούν να ενισχύσουν την παραγωγικότητα των εργαζομένων και την ικανοποίηση των πελατών. Όπως αποδεικνύει η συνεργασία της Accenture με την AWS, το μέλλον της διαχείρισης επιχειρηματικής γνώσης βρίσκεται στα συστήματα που βασίζονται στην τεχνητή νοημοσύνη που εξελίσσονται μέσω των αλληλεπιδράσεων μεταξύ ανθρώπων και μηχανών.

Η Accenture συνεργάζεται με το AWS για να βοηθήσει τους πελάτες να αναπτύξουν Θεμέλιο του Αμαζονίου, χρησιμοποιήστε τα πιο προηγμένα θεμελιώδη μοντέλα όπως π.χ Amazon Titan, και να αναπτύξουν κορυφαίες στον κλάδο τεχνολογίες όπως Amazon SageMaker JumpStart και Amazon Inferentia παράλληλα με άλλες υπηρεσίες AWS ML.

Αυτή η ανάρτηση παρέχει μια επισκόπηση μιας ολοκληρωμένης λύσης τεχνητής νοημοσύνης που αναπτύχθηκε από την Accenture για μια περίπτωση χρήσης παραγωγής χρησιμοποιώντας το Amazon Bedrock και άλλες υπηρεσίες AWS.

Επισκόπηση λύσεων

Ένας μεγάλος πελάτης του δημόσιου τομέα υγείας εξυπηρετεί εκατομμύρια πολίτες καθημερινά και απαιτούν εύκολη πρόσβαση σε ενημερωμένες πληροφορίες σε ένα διαρκώς μεταβαλλόμενο τοπίο υγείας. Η Accenture έχει ενσωματώσει αυτήν τη λειτουργικότητα τεχνητής νοημοσύνης σε ένα υπάρχον bot συχνών ερωτήσεων, επιτρέποντας στο chatbot να παρέχει απαντήσεις σε ένα ευρύτερο φάσμα ερωτήσεων των χρηστών. Η αύξηση της δυνατότητας των πολιτών να έχουν πρόσβαση σε σχετικές πληροφορίες με τρόπο αυτοεξυπηρέτησης εξοικονομεί χρόνο και χρήμα του τμήματος, μειώνοντας την ανάγκη για αλληλεπίδραση με εκπρόσωπο του τηλεφωνικού κέντρου. Τα βασικά χαρακτηριστικά της λύσης περιλαμβάνουν:

• Προσέγγιση υβριδικής πρόθεσης – Χρησιμοποιεί γενετικές και προεκπαιδευμένες προθέσεις
• Πολυγλωσσική υποστήριξη – Συνομιλεί στα Αγγλικά και Ισπανικά
• Συνομιλητική ανάλυση – Αναφορές για τις ανάγκες, τα συναισθήματα και τις ανησυχίες των χρηστών
• Φυσικές συζητήσεις – Διατηρεί το πλαίσιο με την ανθρώπινη επεξεργασία φυσικής γλώσσας (NLP)
• Διαφανείς παραπομπές – Οδηγεί τους χρήστες στις πληροφορίες πηγής

Η γενετική λύση AI της Accenture παρέχει τα ακόλουθα πλεονεκτήματα σε σχέση με τα υπάρχοντα ή παραδοσιακά πλαίσια chatbot:

• Δημιουργεί γρήγορα ακριβείς, σχετικές και με φυσικό ήχο απαντήσεις στα ερωτήματα των χρηστών
• Θυμάται το πλαίσιο και απαντά σε επόμενες ερωτήσεις
• Χειρίζεται ερωτήματα και δημιουργεί απαντήσεις σε πολλές γλώσσες (όπως αγγλικά και ισπανικά)
• Μαθαίνει συνεχώς και βελτιώνει τις απαντήσεις με βάση τα σχόλια των χρηστών
• Ενσωματώνεται εύκολα με την υπάρχουσα διαδικτυακή σας πλατφόρμα
• Απορροφά ένα τεράστιο αποθετήριο επιχειρηματικής βάσης γνώσεων
• Ανταποκρίνεται με τρόπο που μοιάζει με άνθρωπο
• Η εξέλιξη της γνώσης είναι συνεχώς διαθέσιμη με ελάχιστη έως καθόλου προσπάθεια
• Χρησιμοποιεί ένα μοντέλο πληρωμής, χωρίς προκαταβολικά έξοδα

Η ροή εργασίας υψηλού επιπέδου αυτής της λύσης περιλαμβάνει τα ακόλουθα βήματα:

1. Οι χρήστες δημιουργούν μια απλή ενοποίηση με υπάρχουσες πλατφόρμες ιστού.​
2. Τα δεδομένα εισάγονται στην πλατφόρμα ως μαζική μεταφόρτωση την ημέρα 0 και, στη συνέχεια, αυξητικές μεταφορτώσεις την ημέρα 1+.,
3. Τα ερωτήματα των χρηστών υποβάλλονται σε επεξεργασία σε πραγματικό χρόνο με το σύστημα να κλιμακώνεται όπως απαιτείται για την κάλυψη της ζήτησης των χρηστών.
4. Οι συνομιλίες αποθηκεύονται σε βάσεις δεδομένων εφαρμογών (Amazon Dynamo DB) για υποστήριξη συνομιλιών πολλαπλών γύρων.​
5. Το μοντέλο θεμελίωσης Anthropic Claude επικαλείται μέσω του Amazon Bedrock, το οποίο χρησιμοποιείται για τη δημιουργία απαντήσεων ερωτημάτων με βάση το πιο σχετικό περιεχόμενο.
6. Το μοντέλο θεμελίωσης Anthropic Claude χρησιμοποιείται για τη μετάφραση ερωτημάτων καθώς και απαντήσεων από τα αγγλικά σε άλλες επιθυμητές γλώσσες για την υποστήριξη πολυγλωσσικών συνομιλιών.
7. Το μοντέλο θεμελίωσης Amazon Titan επικαλείται μέσω του Amazon Bedrock για τη δημιουργία διανυσματικών ενσωματώσεων​.
8. Η συνάφεια περιεχομένου προσδιορίζεται μέσω της ομοιότητας των ενσωματώσεων ακατέργαστου περιεχομένου και της ενσωμάτωσης ερωτήματος χρήστη χρησιμοποιώντας ενσωματώσεις διανυσματικής βάσης δεδομένων Pinecone.​
9. Το πλαίσιο μαζί με την ερώτηση του χρήστη επισυνάπτεται για τη δημιουργία μιας προτροπής, η οποία παρέχεται ως είσοδος στο μοντέλο Anthropic Claude. Η παραγόμενη απόκριση παρέχεται πίσω στον χρήστη μέσω της διαδικτυακής πλατφόρμας.

Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική λύσεων.

Η ροή της αρχιτεκτονικής μπορεί να κατανοηθεί σε δύο μέρη:

Στις επόμενες ενότητες, θα συζητήσουμε διάφορες πτυχές της λύσης και την ανάπτυξή της με περισσότερες λεπτομέρειες.

Επιλογή μοντέλου

Η διαδικασία επιλογής μοντέλων περιελάμβανε δοκιμές παλινδρόμησης διαφόρων μοντέλων που είναι διαθέσιμα στο Amazon Bedrock, τα οποία περιλάμβαναν μοντέλα AI21 Labs, Cohere, Anthropic και Amazon Foundation. Ελέγξαμε για υποστηριζόμενες περιπτώσεις χρήσης, χαρακτηριστικά μοντέλου, μέγιστα διακριτικά, κόστος, ακρίβεια, απόδοση και γλώσσες. Με βάση αυτό, επιλέξαμε το Claude-2 ως το καταλληλότερο για αυτήν την περίπτωση χρήσης.

Πηγή δεδομένων

Δημιουργήσαμε ένα ευρετήριο Amazon Kendra και προσθέσαμε μια πηγή δεδομένων χρησιμοποιώντας συνδέσεις ανίχνευσης ιστού με διεύθυνση URL ιστού ρίζας και βάθος καταλόγου δύο επιπέδων. Αρκετές ιστοσελίδες ενσωματώθηκαν στο ευρετήριο Amazon Kendra και χρησιμοποιήθηκαν ως πηγή δεδομένων.

Διαδικασία αιτήματος και απάντησης chatbot GenAI

Τα βήματα σε αυτήν τη διαδικασία αποτελούνται από μια αλληλεπίδραση από άκρο σε άκρο με ένα αίτημα από Amazon-Lex και μια απάντηση από ένα μεγάλο γλωσσικό μοντέλο (LLM):

1. Ο χρήστης υποβάλλει το αίτημα στην εφαρμογή front-end συνομιλίας που φιλοξενείται σε ένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) κουβάς μέσα Η διαδρομή του Αμαζονίου 53 και Amazon CloudFront.
2. Η Amazon Lex κατανοεί την πρόθεση και απευθύνει το αίτημα στον ενορχηστρωτή που φιλοξενείται σε ένα AWS Lambda λειτουργία.
3. Η συνάρτηση ενορχηστρωτή Λάμδα εκτελεί τα ακόλουθα βήματα:
   1. Η συνάρτηση αλληλεπιδρά με τη βάση δεδομένων της εφαρμογής, η οποία φιλοξενείται σε μια βάση δεδομένων που διαχειρίζεται το DynamoDB. Η βάση δεδομένων αποθηκεύει το αναγνωριστικό περιόδου σύνδεσης και το αναγνωριστικό χρήστη για το ιστορικό συνομιλιών.
   2. Ένα άλλο αίτημα αποστέλλεται στο ευρετήριο Amazon Kendra για τη λήψη των πέντε κορυφαίων σχετικών αποτελεσμάτων αναζήτησης για τη δημιουργία του σχετικού περιβάλλοντος. Χρησιμοποιώντας αυτό το πλαίσιο, δημιουργείται τροποποιημένη προτροπή που απαιτείται για το μοντέλο LLM.
   3. Η σύνδεση δημιουργείται μεταξύ του Amazon Bedrock και του ενορχηστρωτή. Ένα αίτημα δημοσιεύεται στο μοντέλο Amazon Bedrock Claude-2 για να λάβετε την απάντηση από το επιλεγμένο μοντέλο LLM.
4. Τα δεδομένα υποβάλλονται σε μεταγενέστερη επεξεργασία από την απάντηση LLM και μια απάντηση αποστέλλεται στον χρήστη.

Ηλεκτρονικές αναφορές

Η ηλεκτρονική διαδικασία αναφοράς αποτελείται από τα ακόλουθα βήματα:

1. Οι τελικοί χρήστες αλληλεπιδρούν με το chatbot μέσω ενός επιπέδου διεπαφής CloudFront CDN.
2. Κάθε αλληλεπίδραση αιτήματος/απόκρισης διευκολύνεται από το AWS SDK και στέλνει κίνηση δικτύου στο Amazon Lex (το στοιχείο NLP του bot).
3. Τα μεταδεδομένα σχετικά με τις ζεύξεις αιτήματος/απόκρισης συνδέονται amazoncloudwatch.
4. Η ομάδα καταγραφής CloudWatch έχει διαμορφωθεί με ένα φίλτρο συνδρομής που στέλνει αρχεία καταγραφής σε Amazon OpenSearch Service.
5. Μόλις είναι διαθέσιμα στην Υπηρεσία OpenSearch, τα αρχεία καταγραφής μπορούν να χρησιμοποιηθούν για τη δημιουργία αναφορών και πινάκων εργαλείων χρησιμοποιώντας το Kibana.

Συμπέρασμα

Σε αυτήν την ανάρτηση, παρουσιάσαμε πώς η Accenture χρησιμοποιεί τις υπηρεσίες τεχνητής νοημοσύνης που δημιουργούνται από το AWS για να εφαρμόσει μια προσέγγιση από άκρο σε άκρο προς τον ψηφιακό μετασχηματισμό. Εντοπίσαμε τα κενά στις παραδοσιακές πλατφόρμες απάντησης ερωτήσεων και την επαυξημένη γενετική νοημοσύνη στο πλαίσιό της για ταχύτερους χρόνους απόκρισης και συνεχή βελτίωση του συστήματος ενώ αλληλεπιδρούμε με τους χρήστες σε όλο τον κόσμο. Απευθυνθείτε στην ομάδα του Accenture Center of Excellence για να εμβαθύνετε στη λύση και να αναπτύξετε αυτήν τη λύση για τους πελάτες σας.

Αυτή η πλατφόρμα Knowledge Assist μπορεί να εφαρμοστεί σε διαφορετικούς κλάδους, συμπεριλαμβανομένων, ενδεικτικά, των επιστημών υγείας, των χρηματοοικονομικών υπηρεσιών, της μεταποίησης και άλλων. Αυτή η πλατφόρμα παρέχει φυσικές, ανθρώπινες απαντήσεις σε ερωτήσεις χρησιμοποιώντας τη γνώση που είναι ασφαλής. Αυτή η πλατφόρμα επιτρέπει την αποτελεσματικότητα, την παραγωγικότητα και πιο ακριβείς ενέργειες που μπορούν να κάνουν οι χρήστες της.

Η κοινή προσπάθεια βασίζεται στη 15ετή στρατηγική σχέση μεταξύ των εταιρειών και χρησιμοποιεί τους ίδιους αποδεδειγμένους μηχανισμούς και επιταχυντές που κατασκευάστηκαν από την Accenture AWS Business Group (AABG).

Συνδεθείτε με την ομάδα της AABG στο accentureaws@amazon.com να οδηγήσει τα επιχειρηματικά αποτελέσματα μετατρέποντας σε μια έξυπνη επιχείρηση δεδομένων στο AWS.

Για περισσότερες πληροφορίες σχετικά με το γενετικό AI στο AWS χρησιμοποιώντας το Amazon Bedrock ή Amazon Sage Maker, συνιστούμε τους ακόλουθους πόρους:

Μπορείτε επίσης να εγγραφείτε στο ενημερωτικό δελτίο τεχνητής νοημοσύνης του AWS, το οποίο περιλαμβάνει εκπαιδευτικούς πόρους, ιστολόγια και ενημερώσεις υπηρεσιών.

---

Σχετικά με τους Συγγραφείς

Ίλαν Γκέλερ είναι ο Διευθύνων Σύμβουλος της Accenture με έμφαση στην Τεχνητή Νοημοσύνη, βοηθώντας τους πελάτες να κλιμακώσουν τις εφαρμογές τεχνητής νοημοσύνης και τον Global GenAI COE Partner Lead για το AWS.

Σουγιού Γιανγκ είναι επικεφαλής της Generative AI και Large Language Model Delivery και επίσης ηγείται των ομάδων CoE (Center of Excellence) Accenture AI (AWS DevOps professional).

Shikhar Kwatra είναι ειδικός αρχιτέκτονας λύσεων AI/ML στην Amazon Web Services, συνεργαζόμενος με έναν κορυφαίο Global System Integrator. Έχει κερδίσει τον τίτλο ενός από τους νεότερους Ινδούς Master Inventors με περισσότερες από 500 πατέντες στους τομείς AI/ML και IoT. Ο Shikhar βοηθά στην αρχιτεκτονική, την κατασκευή και τη διατήρηση οικονομικά αποδοτικών, κλιμακούμενων περιβαλλόντων cloud για τον οργανισμό και υποστηρίζει τον συνεργάτη GSI στην κατασκευή στρατηγικών βιομηχανικών λύσεων στο AWS.

Τζέι Πιλάι είναι κύριος αρχιτέκτονας λύσεων στην Amazon Web Services. Σε αυτό το ρόλο, λειτουργεί ως ο παγκόσμιος αρχιτέκτονας της τεχνητής νοημοσύνης ως κύριος αρχιτέκτονας και επίσης ο επικεφαλής αρχιτέκτονας για λύσεις εφοδιαστικής αλυσίδας με την AABG. Ως ηγέτης τεχνολογίας πληροφοριών, ο Jay ειδικεύεται σε τομείς τεχνητής νοημοσύνης, ενοποίησης δεδομένων, επιχειρηματικής νοημοσύνης και διεπαφής χρήστη. Διαθέτει 23 χρόνια εκτεταμένης εμπειρίας σε συνεργασία με πολλούς πελάτες σε τομείς της αλυσίδας εφοδιασμού, των νομικών τεχνολογιών, των ακινήτων, των χρηματοοικονομικών υπηρεσιών, των ασφαλίσεων, των πληρωμών και της έρευνας αγοράς.

Karthik Sonti ηγείται μιας παγκόσμιας ομάδας Αρχιτεκτόνων Λύσεων που επικεντρώνονται στη σύλληψη, τη δημιουργία και την κυκλοφορία οριζόντιων, λειτουργικών και κάθετων λύσεων με την Accenture για να βοηθήσουν τους κοινούς πελάτες μας να μεταμορφώσουν την επιχείρησή τους με διαφοροποιημένο τρόπο στο AWS.

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-knowledge-assist-solution-using-generative-ai-services-on-aws/