रिट्रीवल ऑगमेंटेड जेनरेशन और लैंगचेन एजेंटों का उपयोग करके आंतरिक जानकारी तक पहुंच को सरल बनाएं अमेज़न वेब सेवाएँ

यह पोस्ट आपको उन सबसे आम चुनौतियों से रूबरू कराती है जिनका सामना ग्राहकों को आंतरिक दस्तावेज़ खोजते समय करना पड़ता है, और आपको इस बारे में ठोस मार्गदर्शन देता है कि कैसे AWS सेवाओं का उपयोग एक जेनरेटर AI संवादी बॉट बनाने के लिए किया जा सकता है जो आंतरिक जानकारी को अधिक उपयोगी बनाता है।

असंरचित डेटा सभी डेटा का 80% हिस्सा है संगठनों के भीतर पाया जाता है, जिसमें मैनुअल, पीडीएफ, एफएक्यू, ईमेल और अन्य दस्तावेज़ों के भंडार शामिल होते हैं जो प्रतिदिन बढ़ते हैं। व्यवसाय आज आंतरिक जानकारी के लगातार बढ़ते भंडार पर निर्भर हैं, और समस्याएँ तब उत्पन्न होती हैं जब असंरचित डेटा की मात्रा असहनीय हो जाती है। अक्सर, उपयोगकर्ता अपने आवश्यक उत्तर खोजने के लिए कई अलग-अलग आंतरिक स्रोतों को पढ़ते और जांचते हैं।

आंतरिक प्रश्न और उत्तर फ़ोरम उपयोगकर्ताओं को अत्यधिक विशिष्ट उत्तर प्राप्त करने में मदद कर सकते हैं लेकिन इसके लिए लंबे समय तक प्रतीक्षा की भी आवश्यकता होती है। कंपनी-विशिष्ट आंतरिक FAQ के मामले में, लंबे समय तक प्रतीक्षा करने से कर्मचारी उत्पादकता कम हो जाती है। प्रश्न और उत्तर मंचों को मापना कठिन है क्योंकि वे मैन्युअल रूप से लिखे गए उत्तरों पर निर्भर होते हैं। जेनरेटिव एआई के साथ, वर्तमान में उपयोगकर्ताओं द्वारा जानकारी खोजने और खोजने के तरीके में एक आदर्श बदलाव आया है। अगला तार्किक कदम आसान उपयोगकर्ता उपभोग के लिए बड़े दस्तावेज़ों को छोटे आकार की जानकारी में संक्षिप्त करने के लिए जेनरेटिव एआई का उपयोग करना है। पाठ पढ़ने या उत्तरों की प्रतीक्षा करने में लंबा समय बिताने के बजाय, उपयोगकर्ता आंतरिक जानकारी के कई मौजूदा भंडारों के आधार पर वास्तविक समय में सारांश तैयार कर सकते हैं।

समाधान अवलोकन

समाधान ग्राहकों को डेटा के बारे में प्रश्नों के उत्तर उत्पन्न करने के लिए एक ट्रांसफार्मर मॉडल का उपयोग करके आंतरिक दस्तावेजों के बारे में पूछे गए प्रश्नों के क्यूरेटेड प्रतिक्रियाओं को पुनः प्राप्त करने की अनुमति देता है, जिस पर इसे प्रशिक्षित नहीं किया गया है, एक तकनीक जिसे शून्य-शॉट प्रॉम्प्टिंग के रूप में जाना जाता है। इस समाधान को अपनाकर ग्राहक निम्नलिखित लाभ प्राप्त कर सकते हैं:

• आंतरिक दस्तावेज़ों के मौजूदा स्रोतों के आधार पर प्रश्नों के सटीक उत्तर खोजें
• सबसे अद्यतन जानकारी वाले दस्तावेज़ों का उपयोग करके जटिल प्रश्नों के लगभग तत्काल उत्तर प्रदान करने के लिए बड़े भाषा मॉडल (एलएलएम) का उपयोग करके उपयोगकर्ताओं द्वारा उत्तर खोजने में लगने वाले समय को कम करें।
• एक केंद्रीकृत डैशबोर्ड के माध्यम से पहले उत्तर दिए गए प्रश्नों को खोजें
• उत्तर खोजने के लिए जानकारी को मैन्युअल रूप से पढ़ने में समय व्यतीत करने से होने वाले तनाव को कम करें

पुनर्प्राप्ति संवर्धित पीढ़ी (आरएजी)

रिट्रीवल ऑगमेंटेड जेनरेशन (आरएजी) आपके ज्ञान के आधार से उत्तर ढूंढकर और दस्तावेजों को संक्षिप्त प्रतिक्रियाओं में सारांशित करने के लिए एलएलएम का उपयोग करके एलएलएम आधारित प्रश्नों की कुछ कमियों को कम करता है। कृपया इसे पढे पद यह जानने के लिए कि आरएजी दृष्टिकोण को कैसे लागू किया जाए अमेज़ॅन केंद्र. निम्नलिखित जोखिम और सीमाएँ एलएलएम आधारित प्रश्नों से जुड़ी हैं, जिन्हें आरएजी अमेज़ॅन केंद्र पते के साथ देखता है:

• मतिभ्रम और पता लगाने की क्षमता - एलएलएमएस को बड़े डेटा सेट पर प्रशिक्षित किया जाता है और संभावनाओं पर प्रतिक्रियाएं उत्पन्न की जाती हैं। इससे गलत उत्तर मिल सकते हैं, जिन्हें मतिभ्रम के रूप में जाना जाता है।
• एकाधिक डेटा साइलो - आपकी प्रतिक्रिया के भीतर कई स्रोतों से डेटा को संदर्भित करने के लिए, डेटा को एकत्रित करने के लिए एक कनेक्टर पारिस्थितिकी तंत्र स्थापित करने की आवश्यकता होती है। एकाधिक रिपॉजिटरी तक पहुंच मैन्युअल और समय लेने वाली है।
• सुरक्षा - आरएजी और एलएलएम द्वारा संचालित संवादी बॉट तैनात करते समय सुरक्षा और गोपनीयता महत्वपूर्ण विचार हैं। उपयोग करने के बावजूद Amazon Comprehend उपयोगकर्ता प्रश्नों के माध्यम से प्रदान किए जा सकने वाले व्यक्तिगत डेटा को फ़िल्टर करने के लिए, अंतर्ग्रहण किए गए डेटा के आधार पर, अनजाने में व्यक्तिगत या संवेदनशील जानकारी सामने आने की संभावना बनी रहती है। इसका मतलब यह है कि संवेदनशील जानकारी तक अनपेक्षित पहुंच को रोकने के लिए चैटबॉट तक पहुंच को नियंत्रित करना महत्वपूर्ण है।
• डेटा प्रासंगिकता - एलएलएमएस को निश्चित तिथि तक के डेटा पर प्रशिक्षित किया जाता है, जिसका अर्थ है कि जानकारी अक्सर वर्तमान नहीं होती है। हालिया डेटा पर प्रशिक्षण मॉडल से जुड़ी लागत अधिक है। सटीक और अद्यतन प्रतिक्रियाएँ सुनिश्चित करने के लिए, संगठन अनुक्रमित दस्तावेज़ों की सामग्री को नियमित रूप से अद्यतन और समृद्ध करने की ज़िम्मेदारी लेते हैं।
• लागत - इस समाधान को लागू करने से जुड़ी लागत व्यवसायों के लिए विचारणीय होनी चाहिए। इस समाधान को लागू करते समय व्यवसायों को अपने बजट और प्रदर्शन आवश्यकताओं का सावधानीपूर्वक मूल्यांकन करने की आवश्यकता है। एलएलएम चलाने के लिए पर्याप्त कम्प्यूटेशनल संसाधनों की आवश्यकता हो सकती है, जिससे परिचालन लागत बढ़ सकती है। ये लागत उन अनुप्रयोगों के लिए एक सीमा बन सकती है जिन्हें बड़े पैमाने पर संचालित करने की आवश्यकता होती है। हालाँकि, इसके फायदों में से एक एडब्लूएस क्लाउड केवल आप जो उपयोग करते हैं उसके लिए भुगतान करने की लचीलापन है। AWS एक सरल, सुसंगत, भुगतान के अनुसार मूल्य निर्धारण मॉडल प्रदान करता है, इसलिए आपसे केवल आपके द्वारा उपभोग किए गए संसाधनों के लिए शुल्क लिया जाता है।

अमेज़ॅन सेजमेकर जम्पस्टार्ट का उपयोग

ट्रांसफार्मर-आधारित भाषा मॉडल के लिए, संगठन इसका उपयोग करके लाभ उठा सकते हैं अमेज़न SageMaker जम्पस्टार्ट, जो पूर्व-निर्मित मशीन लर्निंग मॉडल का एक संग्रह प्रदान करता है। अमेज़ॅन सेजमेकर जंपस्टार्ट टेक्स्ट जेनरेशन और प्रश्न-उत्तर (क्यू एंड ए) मूलभूत मॉडल की एक विस्तृत श्रृंखला प्रदान करता है जिसे आसानी से तैनात और उपयोग किया जा सकता है। यह समाधान FLAN T5-XL Amazon SageMaker जम्पस्टार्ट मॉडल को एकीकृत करता है, लेकिन ध्यान में रखने के लिए अलग-अलग पहलू हैं एक फाउंडेशन मॉडल चुनना.

हमारे वर्कफ़्लो में सुरक्षा को एकीकृत करना

के सुरक्षा स्तंभ की सर्वोत्तम प्रथाओं का पालन करना अच्छी तरह से तैयार की गई रूपरेखा, अमेज़ॅन कॉग्निटो प्रमाणीकरण के लिए उपयोग किया जाता है। अमेज़ॅन कॉग्निटो यूजर पूल को तीसरे पक्ष के पहचान प्रदाताओं के साथ एकीकृत किया जा सकता है जो ओपन ऑथराइजेशन (ओएथ), ओपनआईडी कनेक्ट (ओआईडीसी), या सुरक्षा अभिकथन मार्कअप लैंग्वेज (एसएएमएल) सहित एक्सेस कंट्रोल के लिए उपयोग किए जाने वाले कई ढांचे का समर्थन करते हैं। उपयोगकर्ताओं और उनके कार्यों की पहचान करने से समाधान को ट्रेसबिलिटी बनाए रखने की अनुमति मिलती है। समाधान का भी उपयोग करता है अमेज़ॅन व्यक्तिगत रूप से पहचान योग्य जानकारी (पीआईआई) का पता लगाता है PII को स्वचालित रूप से पहचानने और संशोधित करने की सुविधा। संशोधित पीआईआई में पते, सामाजिक सुरक्षा नंबर, ईमेल पते और अन्य संवेदनशील जानकारी शामिल हैं। यह डिज़ाइन सुनिश्चित करता है कि इनपुट क्वेरी के माध्यम से उपयोगकर्ता द्वारा प्रदान की गई कोई भी PII संपादित की गई है। पीआईआई को अमेज़ॅन केंद्र द्वारा संग्रहीत, उपयोग नहीं किया जाता है, या एलएलएम को खिलाया नहीं जाता है।

समाधान पूर्वाभ्यास

निम्नलिखित चरण दस्तावेज़ प्रवाह पर उत्तर देने वाले प्रश्न के वर्कफ़्लो का वर्णन करते हैं:

1. उपयोगकर्ता वेब इंटरफ़ेस के माध्यम से एक क्वेरी भेजते हैं।
2. अमेज़ॅन कॉग्निटो वेब एप्लिकेशन तक सुरक्षित पहुंच सुनिश्चित करने के लिए प्रमाणीकरण के लिए उपयोग किया जाता है।
3. वेब एप्लिकेशन फ्रंट-एंड पर होस्ट किया गया है AWS प्रवर्धित करें.
4. अमेज़ॅन एपीआई गेटवे Amazon Cognito का उपयोग करके प्रमाणित उपयोगकर्ता अनुरोधों को संभालने के लिए विभिन्न समापन बिंदुओं के साथ एक REST API होस्ट करता है।
5. पीआईआई पुनर्लेखन के साथ Amazon Comprehend:
   • उपयोगकर्ता क्वेरी प्रोसेसिंग: जब कोई उपयोगकर्ता कोई क्वेरी या इनपुट सबमिट करता है, तो उसे पहले अमेज़ॅन कॉम्प्रिहेंडेंट के माध्यम से पास किया जाता है। सेवा पाठ का विश्लेषण करती है और क्वेरी के भीतर मौजूद किसी भी PII संस्थाओं की पहचान करती है।
   • पीआईआई एक्सट्रैक्शन: अमेज़ॅन कॉम्प्रिहेंड उपयोगकर्ता क्वेरी से पता लगाए गए पीआईआई इकाइयों को निकालता है।
6. प्रासंगिक जानकारी पुनर्प्राप्ति के साथ अमेज़ॅन केंद्र:
   • अमेज़ॅन केंद्र का उपयोग दस्तावेज़ों के एक सूचकांक को प्रबंधित करने के लिए किया जाता है जिसमें उपयोगकर्ता के प्रश्नों के उत्तर उत्पन्न करने के लिए उपयोग की जाने वाली जानकारी होती है।
   • RSI लैंगचेन क्यूए पुनर्प्राप्ति मॉड्यूल का उपयोग एक वार्तालाप श्रृंखला बनाने के लिए किया जाता है जिसमें उपयोगकर्ता के प्रश्नों के बारे में प्रासंगिक जानकारी होती है।
7. साथ एकता अमेज़न SageMaker जम्पस्टार्ट:
   • AWS लैम्ब्डा फ़ंक्शन लैंगचेन लाइब्रेरी का उपयोग करता है और संदर्भ-भरी क्वेरी के साथ अमेज़ॅन सेजमेकर जंपस्टार्ट एंडपॉइंट से जुड़ता है। अमेज़ॅन सेजमेकर जंपस्टार्ट एंडपॉइंट अनुमान के लिए उपयोग किए जाने वाले एलएलएम के इंटरफ़ेस के रूप में कार्य करता है।
8. प्रतिक्रियाएँ संग्रहीत करना और उसे उपयोगकर्ता को लौटाना:
   • एलएलएम से प्रतिक्रिया संग्रहीत है अमेज़ॅन डायनेमोडीबी उपयोगकर्ता की क्वेरी के साथ, टाइमस्टैम्प, एक विशिष्ट पहचानकर्ता, और प्रश्न श्रेणी जैसे आइटम के लिए अन्य मनमाने पहचानकर्ता। प्रश्न और उत्तर को अलग-अलग आइटम के रूप में संग्रहीत करने से AWS लैम्ब्डा फ़ंक्शन प्रश्न पूछे जाने के समय के आधार पर उपयोगकर्ता के वार्तालाप इतिहास को आसानी से फिर से बनाने की अनुमति देता है।
   • अंत में, प्रतिक्रिया अमेज़ॅन एपीआई गेटवे आरईएसटी एपीआई एकीकरण प्रतिक्रिया के माध्यम से HTTPs अनुरोध के माध्यम से उपयोगकर्ता को वापस भेज दी जाती है।

निम्नलिखित चरण AWS लैम्ब्डा फ़ंक्शंस और प्रक्रिया के माध्यम से उनके प्रवाह का वर्णन करते हैं:

1. किसी भी पीआईआई/संवेदनशील जानकारी की जांच करें और उसे संशोधित करें
2. लैंगचेन क्यूए पुनर्प्राप्ति श्रृंखला
   • प्रासंगिक जानकारी खोजें और पुनः प्राप्त करें
3. कॉन्टेक्स्ट स्टफिंग और प्रॉम्प्ट इंजीनियरिंग
4. एलएलएम के साथ अनुमान
5. प्रतिक्रिया लौटाएँ और इसे सहेजें

उपयोग के मामलों

ऐसे कई व्यावसायिक उपयोग के मामले हैं जहां ग्राहक इस वर्कफ़्लो का उपयोग कर सकते हैं। निम्नलिखित अनुभाग बताता है कि वर्कफ़्लो का उपयोग विभिन्न उद्योगों और कार्यक्षेत्रों में कैसे किया जा सकता है।

कर्मचारी सहायता

अच्छी तरह से डिज़ाइन किया गया कॉर्पोरेट प्रशिक्षण कर्मचारियों की संतुष्टि में सुधार कर सकता है और नए कर्मचारियों को शामिल करने के लिए आवश्यक समय को कम कर सकता है। जैसे-जैसे संगठन बढ़ते हैं और जटिलता बढ़ती है, कर्मचारियों को आंतरिक दस्तावेज़ों के कई स्रोतों को समझना मुश्किल हो जाता है। इस संदर्भ में आंतरिक दस्तावेजों में कंपनी के दिशानिर्देश, नीतियां और मानक संचालन प्रक्रियाएं शामिल हैं। इस परिदृश्य के लिए, एक कर्मचारी के पास यह प्रश्न है कि आंतरिक इश्यू टिकटिंग टिकट को कैसे आगे बढ़ाया जाए और संपादित किया जाए। कर्मचारी किसी विशिष्ट टिकट के लिए अगले चरण पूछने और निष्पादित करने के लिए जेनरेटिव आर्टिफिशियल इंटेलिजेंस (एआई) संवादात्मक बॉट तक पहुंच और उपयोग कर सकता है।

विशिष्ट उपयोग का मामला: कॉर्पोरेट दिशानिर्देशों के आधार पर कर्मचारियों के लिए स्वचालित समस्या समाधान।

निम्नलिखित चरण AWS लैम्ब्डा फ़ंक्शंस और प्रक्रिया के माध्यम से उनके प्रवाह का वर्णन करते हैं:

1. इरादे की पहचान करने के लिए लैंगचेन एजेंट
2. कर्मचारी के अनुरोध के आधार पर अधिसूचना भेजें
3. टिकट की स्थिति संशोधित करें

इस आर्किटेक्चर आरेख में, कॉर्पोरेट प्रशिक्षण वीडियो का उपयोग किया जा सकता है Amazon Transcribe इन वीडियो स्क्रिप्ट का एक लॉग एकत्र करने के लिए। इसके अतिरिक्त, विभिन्न स्रोतों (जैसे, कॉन्फ्लुएंस, माइक्रोसॉफ्ट शेयरपॉइंट, गूगल ड्राइव, जीरा, आदि) में संग्रहीत कॉर्पोरेट प्रशिक्षण सामग्री का उपयोग अमेज़ॅन केंद्र कनेक्टर्स के माध्यम से इंडेक्स बनाने के लिए किया जा सकता है। देशी संग्रह के बारे में अधिक जानने के लिए यह लेख पढ़ें connectors आप अमेज़न केंद्र में स्रोत बिंदु के रूप में उपयोग कर सकते हैं। अमेज़ॅन केंद्र क्रॉलर कंपनी कॉर्पोरेट प्रशिक्षण दिशानिर्देशों के लिए विशिष्ट प्रश्नों का उत्तर देने में संवादी बॉट की सहायता के लिए इन अन्य स्रोतों में संग्रहीत कॉर्पोरेट प्रशिक्षण वीडियो स्क्रिप्ट और दस्तावेज़ीकरण दोनों का उपयोग करने में सक्षम है। लैंगचेन एजेंट अनुमतियों की पुष्टि करता है, टिकट की स्थिति को संशोधित करता है, और अमेज़ॅन सरल अधिसूचना सेवा का उपयोग करके सही व्यक्तियों को सूचित करता है (अमेज़ॅन एसएनएस).

ग्राहक सहायता टीमें

ग्राहकों के प्रश्नों का त्वरित समाधान करने से ग्राहक अनुभव में सुधार होता है और ब्रांड के प्रति वफादारी को बढ़ावा मिलता है। एक वफादार ग्राहक आधार बिक्री बढ़ाने में मदद करता है, जो मुनाफे में योगदान देता है और ग्राहक जुड़ाव बढ़ाता है। ग्राहक सहायता टीमें उत्पादों और सेवाओं के बारे में ग्राहकों के प्रश्नों का उत्तर देने के लिए कई आंतरिक दस्तावेजों और ग्राहक संबंध प्रबंधन सॉफ़्टवेयर को संदर्भित करने में बहुत सारी ऊर्जा खर्च करती हैं। इस संदर्भ में आंतरिक दस्तावेज़ों में सामान्य ग्राहक सहायता कॉल स्क्रिप्ट, प्लेबुक, एस्केलेशन दिशानिर्देश और व्यावसायिक जानकारी शामिल हो सकती है। जेनरेटिव एआई कन्वर्सेशनल बॉट लागत अनुकूलन में मदद करता है क्योंकि यह ग्राहक सहायता टीम की ओर से प्रश्नों को संभालता है।

विशिष्ट उपयोग का मामला: सेवा इतिहास और खरीदी गई ग्राहक सेवा योजना के आधार पर तेल परिवर्तन अनुरोध को संभालना।

इस आर्किटेक्चर आरेख में, ग्राहक को या तो जेनरेटिव एआई कन्वर्सेशनल बॉट या पर रूट किया जाता है अमेज़न कनेक्ट संपर्क केंद्र। यह निर्णय आवश्यक सहायता के स्तर या ग्राहक सहायता एजेंटों की उपलब्धता पर आधारित हो सकता है। लैंगचेन एजेंट ग्राहक के इरादे की पहचान करता है और पहचान की पुष्टि करता है। लैंगचेन एजेंट सेवा इतिहास और खरीदी गई सहायता योजना की भी जाँच करता है।

निम्नलिखित चरण AWS लैम्ब्डा फ़ंक्शंस और प्रक्रिया के माध्यम से उनके प्रवाह का वर्णन करते हैं:

1. लैंगचेन एजेंट इरादे की पहचान करता है
2. ग्राहक जानकारी पुनः प्राप्त करें
3. ग्राहक सेवा इतिहास और वारंटी जानकारी की जाँच करें
4. अपॉइंटमेंट बुक करें, अधिक जानकारी प्रदान करें, या संपर्क केंद्र तक जाने का रास्ता बताएं
5. पुष्टिकरण ईमेल भेजें

अमेज़ॅन कनेक्ट का उपयोग आवाज और चैट लॉग एकत्र करने के लिए किया जाता है, और अमेज़ॅन कॉम्प्रिहेंड का उपयोग इन लॉग से व्यक्तिगत रूप से पहचान योग्य जानकारी (पीआईआई) को हटाने के लिए किया जाता है। अमेज़ॅन केंद्र क्रॉलर तब इंडेक्स बनाने के लिए संशोधित आवाज और चैट लॉग, ग्राहक कॉल स्क्रिप्ट और ग्राहक सेवा सहायता योजना नीतियों का उपयोग करने में सक्षम है। एक बार निर्णय हो जाने के बाद, जेनरेटिव एआई कन्वर्सेशनल बॉट तय करता है कि अपॉइंटमेंट बुक करना है या नहीं, अधिक जानकारी प्रदान करनी है या ग्राहक को आगे की सहायता के लिए संपर्क केंद्र तक भेजना है। लागत अनुकूलन के लिए, लैंगचेन एजेंट कम प्राथमिकता वाले ग्राहक प्रश्नों के लिए कम टोकन और कम महंगे बड़े भाषा मॉडल का उपयोग करके उत्तर भी उत्पन्न कर सकता है।

वित्तीय सेवाएँ

वित्तीय सेवा कंपनियाँ प्रतिस्पर्धी बने रहने और वित्तीय नियमों का अनुपालन करने के लिए सूचना के समय पर उपयोग पर भरोसा करती हैं। एक जेनरेटिव एआई संवादात्मक बॉट का उपयोग करके, वित्तीय विश्लेषक और सलाहकार संवादी तरीके से पाठ्य जानकारी के साथ बातचीत कर सकते हैं और बेहतर सूचित निर्णय लेने में लगने वाले समय और प्रयास को कम कर सकते हैं। निवेश और बाजार अनुसंधान के अलावा, एक जेनरेटिव एआई संवादी बॉट उन कार्यों को संभालकर मानवीय क्षमताओं को भी बढ़ा सकता है जिनके लिए पारंपरिक रूप से अधिक मानवीय प्रयास और समय की आवश्यकता होती है। उदाहरण के लिए, व्यक्तिगत ऋण में विशेषज्ञता वाला एक वित्तीय संस्थान ग्राहकों को बेहतर पारदर्शिता प्रदान करते हुए ऋण संसाधित करने की दर बढ़ा सकता है।

विशिष्ट उपयोग का मामला: ऋण निर्णय लेने और समझाने के लिए ग्राहक के वित्तीय इतिहास और पिछले ऋण आवेदनों का उपयोग करें।

निम्नलिखित चरण AWS लैम्ब्डा फ़ंक्शंस और प्रक्रिया के माध्यम से उनके प्रवाह का वर्णन करते हैं:

1. इरादे की पहचान करने के लिए लैंगचेन एजेंट
2. ग्राहक के वित्तीय और क्रेडिट स्कोर इतिहास की जाँच करें
3. आंतरिक ग्राहक संबंध प्रबंधन प्रणाली की जाँच करें
4. मानक ऋण नीतियों की जाँच करें और ऋण अर्हता प्राप्त करने वाले कर्मचारी के लिए निर्णय का सुझाव दें
5. ग्राहक को सूचना भेजें

यह आर्किटेक्चर डेटाबेस में संग्रहीत ग्राहक वित्तीय डेटा और ग्राहक संबंध प्रबंधन (सीआरएम) टूल में संग्रहीत डेटा को शामिल करता है। इन डेटा बिंदुओं का उपयोग कंपनी की आंतरिक ऋण नीतियों के आधार पर निर्णय को सूचित करने के लिए किया जाता है। ग्राहक यह समझने के लिए स्पष्ट प्रश्न पूछने में सक्षम है कि वे किस ऋण के लिए पात्र हैं और वे किन ऋणों को स्वीकार कर सकते हैं। यदि जेनरेटिव एआई कन्वर्सेशनल बॉट ऋण आवेदन को मंजूरी देने में असमर्थ है, तब भी उपयोगकर्ता क्रेडिट स्कोर में सुधार या वैकल्पिक वित्तपोषण विकल्पों के बारे में प्रश्न पूछ सकता है।

सरकार

जनरेटिव एआई संवादात्मक बॉट संचार, दक्षता और निर्णय लेने की प्रक्रियाओं को तेज करके सरकारी संस्थानों को बहुत लाभ पहुंचा सकते हैं। जेनरेटिव एआई कन्वर्सेशनल बॉट सरकारी कर्मचारियों को जानकारी, नीतियों और प्रक्रियाओं (यानी, पात्रता मानदंड, आवेदन प्रक्रियाओं और नागरिक सेवाओं और समर्थन) को जल्दी से प्राप्त करने में मदद करने के लिए आंतरिक ज्ञान आधारों तक त्वरित पहुंच प्रदान कर सकते हैं। एक समाधान एक इंटरैक्टिव प्रणाली है, जो करदाताओं और कर पेशेवरों को कर-संबंधित विवरण और लाभ आसानी से ढूंढने की अनुमति देता है। इसका उपयोग उपयोगकर्ता के प्रश्नों को समझने, कर दस्तावेजों को सारांशित करने और इंटरैक्टिव बातचीत के माध्यम से स्पष्ट उत्तर प्रदान करने के लिए किया जा सकता है।

उपयोगकर्ता इस प्रकार के प्रश्न पूछ सकते हैं:

• विरासत कर कैसे काम करता है और कर सीमाएँ क्या हैं?
• क्या आप आयकर की अवधारणा समझा सकते हैं?
• दूसरी संपत्ति बेचते समय कर संबंधी निहितार्थ क्या हैं?

इसके अतिरिक्त, उपयोगकर्ताओं को सिस्टम में कर फॉर्म जमा करने की सुविधा मिल सकती है, जो प्रदान की गई जानकारी की शुद्धता को सत्यापित करने में मदद कर सकती है।

यह आर्किटेक्चर दर्शाता है कि कैसे उपयोगकर्ता पूर्ण कर फॉर्म को समाधान में अपलोड कर सकते हैं और आवश्यक जानकारी को सही ढंग से पूरा करने के लिए इंटरैक्टिव सत्यापन और मार्गदर्शन के लिए इसका उपयोग कर सकते हैं।

हेल्थकेयर

हेल्थकेयर व्यवसायों के पास बड़ी मात्रा में आंतरिक रोगी जानकारी के उपयोग को स्वचालित करने का अवसर है, साथ ही उपचार के विकल्प, बीमा दावे, नैदानिक ​​​​परीक्षण और फार्मास्युटिकल अनुसंधान जैसे उपयोग के मामलों के संबंध में सामान्य प्रश्नों को भी संबोधित करने का अवसर है। जेनरेटिव एआई कन्वर्सेशनल बॉट का उपयोग प्रदान किए गए ज्ञान आधार से स्वास्थ्य जानकारी के बारे में त्वरित और सटीक उत्तर उत्पन्न करने में सक्षम बनाता है। उदाहरण के लिए, कुछ स्वास्थ्य देखभाल पेशेवर बीमा दावे दायर करने के लिए फॉर्म भरने में बहुत समय व्यतीत करते हैं।

समान सेटिंग में, नैदानिक ​​परीक्षण प्रशासकों और शोधकर्ताओं को उपचार विकल्पों के बारे में जानकारी प्राप्त करने की आवश्यकता होती है। एक जेनरेटिव एआई कन्वर्सेशनल बॉट फार्मास्युटिकल कंपनियों और विश्वविद्यालयों द्वारा किए जा रहे शोध के माध्यम से प्रकाशित लाखों दस्तावेजों से सबसे प्रासंगिक जानकारी प्राप्त करने के लिए अमेज़ॅन केंद्र में पूर्व-निर्मित कनेक्टर का उपयोग कर सकता है।

विशिष्ट उपयोग का मामला: बीमा फॉर्म भरने और भेजने में होने वाली त्रुटियों और समय को कम करें।

इस आर्किटेक्चर आरेख में, एक स्वास्थ्य देखभाल पेशेवर यह पता लगाने के लिए जेनरेटिव एआई संवादी बॉट का उपयोग करने में सक्षम है कि बीमा के लिए कौन से फॉर्म भरने की आवश्यकता है। लैंगचेन एजेंट तब सही फॉर्म प्राप्त करने और रोगी के लिए आवश्यक जानकारी जोड़ने के साथ-साथ बीमा पॉलिसियों और पिछले फॉर्मों के आधार पर फॉर्म के वर्णनात्मक भागों के लिए प्रतिक्रिया देने में सक्षम होता है। स्वास्थ्य देखभाल पेशेवर एलएलएम द्वारा दी गई प्रतिक्रियाओं को मंजूरी देने और बीमा पोर्टल पर फॉर्म पहुंचाने से पहले संपादित कर सकता है।

निम्नलिखित चरण AWS लैम्ब्डा फ़ंक्शंस और प्रक्रिया के माध्यम से उनके प्रवाह का वर्णन करते हैं:

1. इरादे की पहचान करने के लिए लैंगचेन एजेंट
2. रोगी की आवश्यक जानकारी पुनः प्राप्त करें
3. रोगी की जानकारी और फॉर्म दिशानिर्देश के आधार पर बीमा फॉर्म भरें
4. उपयोगकर्ता की मंजूरी के बाद फॉर्म को बीमा पोर्टल पर जमा करें

एडब्ल्यूएस हेल्थलेक पिछले बीमा फॉर्म और रोगी की जानकारी सहित स्वास्थ्य डेटा को सुरक्षित रूप से संग्रहीत करने के लिए उपयोग किया जाता है, और अमेज़ॅन कॉम्प्रिहेंड का उपयोग पिछले बीमा फॉर्म से व्यक्तिगत रूप से पहचान योग्य जानकारी (पीआईआई) को हटाने के लिए किया जाता है। अमेज़ॅन केंद्र क्रॉलर तब सूचकांक बनाने के लिए बीमा फॉर्म और दिशानिर्देशों के सेट का उपयोग करने में सक्षम होता है। एक बार जब फॉर्म जेनेरेटिव एआई द्वारा भर दिए जाते हैं, तो चिकित्सा पेशेवर द्वारा समीक्षा किए गए फॉर्म बीमा पोर्टल पर भेजे जा सकते हैं।

लागत का अनुमान

अवधारणा के प्रमाण के रूप में आधार समाधान को तैनात करने की लागत निम्नलिखित तालिका में दिखाई गई है। चूंकि आधार समाधान को अवधारणा का प्रमाण माना जाता है, अमेज़ॅन केंद्र डेवलपर संस्करण का उपयोग कम लागत वाले विकल्प के रूप में किया गया था क्योंकि कार्यभार उत्पादन में नहीं होगा। अमेज़ॅन केंद्र डेवलपर संस्करण के लिए हमारी धारणा महीने के लिए 730 सक्रिय घंटे थी।

अमेज़ॅन सेजमेकर के लिए, हमने एक धारणा बनाई कि ग्राहक वास्तविक समय अनुमान के लिए ml.g4dn.2xlarge उदाहरण का उपयोग करेगा, प्रति उदाहरण एक एकल अनुमान समापन बिंदु के साथ। आप अमेज़ॅन सेजमेकर मूल्य निर्धारण और उपलब्ध अनुमान उदाहरण प्रकारों के बारे में अधिक जानकारी पा सकते हैं यहाँ उत्पन्न करें.

सर्विस	संसाधनों का उपभोग	USD में प्रति माह लागत अनुमान
AWS प्रवर्धित करें	150 निर्माण मिनट 1 जीबी डेटा परोसा गया 500,000 अनुरोध	15.71
अमेज़ॅन एपीआई गेटवे	1एम रेस्ट एपीआई कॉल	3.5
AWS लाम्बा	1 मिलियन अनुरोध प्रति अनुरोध 5 सेकंड की अवधि 2 जीबी मेमोरी आवंटित	160.23
अमेज़ॅन डायनेमोडीबी	1 मिलियन पढ़ता है 1 मिलियन लिखते हैं 100 जीबी स्टोरेज	26.38
अमेज़न सेजमेकर	ml.g4dn.2xlarge के साथ वास्तविक समय का अनुमान	676.8
अमेज़ॅन केंद्र	730 घंटे/माह के साथ डेवलपर संस्करण 10,000 दस्तावेज़ स्कैन किए गए 5,000 प्रश्न/दिन	821.25
.	.	कुल लागत: 1703.87

* अमेज़ॅन कॉग्निटो के पास 50,000 मासिक सक्रिय उपयोगकर्ता हैं जो कॉग्निटो उपयोगकर्ता पूल का उपयोग करते हैं या 50 मासिक सक्रिय उपयोगकर्ता हैं जो एसएएमएल 2.0 पहचान प्रदाताओं का उपयोग करते हैं।

क्लीन अप

लागत बचाने के लिए, ट्यूटोरियल के हिस्से के रूप में आपके द्वारा तैनात किए गए सभी संसाधनों को हटा दें। आप सेजमेकर कंसोल के माध्यम से अपने द्वारा बनाए गए किसी भी सेजमेकर एंडपॉइंट को हटा सकते हैं। याद रखें, अमेज़ॅन केंद्र इंडेक्स को हटाने से मूल दस्तावेज़ आपके स्टोरेज से नहीं हटते हैं।

निष्कर्ष

इस पोस्ट में, हमने आपको दिखाया कि वास्तविक समय में एकाधिक रिपॉजिटरी से सारांशित करके आंतरिक जानकारी तक पहुंच को कैसे सरल बनाया जाए। व्यावसायिक रूप से उपलब्ध एलएलएम के हालिया विकास के बाद, जेनेरिक एआई की संभावनाएं अधिक स्पष्ट हो गई हैं। इस पोस्ट में, हमने सर्वर रहित चैटबॉट बनाने के लिए AWS सेवाओं का उपयोग करने के तरीके दिखाए जो सवालों के जवाब देने के लिए जेनरेटिव AI का उपयोग करता है। इस दृष्टिकोण में उपयोगकर्ता की क्वेरी में प्रदान की गई किसी भी संवेदनशील जानकारी को फ़िल्टर करने के लिए एक प्रमाणीकरण परत और अमेज़ॅन कॉम्प्रिहेंड की पीआईआई पहचान शामिल है। चाहे वह स्वास्थ्य सेवा से जुड़े व्यक्ति हों जो बीमा दावे दाखिल करने की बारीकियों को समझते हों या एचआर विशिष्ट कंपनी-व्यापी नियमों को समझते हों, ऐसे कई उद्योग और कार्यक्षेत्र हैं जो इस दृष्टिकोण से लाभ उठा सकते हैं। अमेज़ॅन सेजमेकर जम्पस्टार्ट फाउंडेशन मॉडल चैटबॉट के पीछे का इंजन है, जबकि आरएजी तकनीक का उपयोग करके एक संदर्भ स्टफिंग दृष्टिकोण का उपयोग यह सुनिश्चित करने के लिए किया जाता है कि प्रतिक्रियाएं आंतरिक दस्तावेजों को अधिक सटीक रूप से संदर्भित करती हैं।

AWS पर जेनरेटिव AI के साथ काम करने के बारे में अधिक जानने के लिए, देखें एडब्ल्यूएस पर जनरेटिव एआई के साथ बिल्डिंग के लिए नए टूल्स की घोषणा. AWS सेवाओं के साथ RAG तकनीक का उपयोग करने पर अधिक गहन मार्गदर्शन के लिए, देखें Amazon Kendra, LangChain और बड़े भाषा मॉडल का उपयोग करके एंटरप्राइज़ डेटा पर उच्च-सटीकता जनरेटिव AI अनुप्रयोगों का त्वरित निर्माण करें. चूँकि इस ब्लॉग में दृष्टिकोण एलएलएम अज्ञेयवादी है, इसलिए किसी भी एलएलएम का उपयोग अनुमान के लिए किया जा सकता है। अपनी अगली पोस्ट में, हम अमेज़ॅन बेडरॉक और अमेज़ॅन टाइटन एलएलएम का उपयोग करके इस समाधान को लागू करने के तरीकों की रूपरेखा तैयार करेंगे।

---

लेखक के बारे में

अभिषेक मालिगहल्ली शिवलिंगैया AWS में एक वरिष्ठ AI सेवा समाधान वास्तुकार हैं। उन्हें जेनरेटिव एआई, अमेज़ॅन केंद्र और एनएलपी का उपयोग करके एप्लिकेशन बनाने का शौक है। ग्राहकों और उद्यमों के लिए मूल्य बनाने के लिए डेटा और एआई समाधान बनाने में उनके पास लगभग 10 वर्षों का अनुभव है। उन्होंने अपने करियर और पेशेवर यात्रा के बारे में सवालों के जवाब देने के लिए मनोरंजन के लिए एक (व्यक्तिगत) चैटबॉट भी बनाया है। काम के अलावा उन्हें परिवार और दोस्तों के चित्र बनाना और कलाकृतियाँ बनाना पसंद है।

मेधा अय्याह ऑस्टिन, टेक्सास स्थित AWS में एसोसिएट सॉल्यूशंस आर्किटेक्ट हैं। उन्होंने हाल ही में दिसंबर 2022 में डलास में टेक्सास विश्वविद्यालय से एआई/एमएल पर ध्यान केंद्रित करने वाले इंटेलिजेंट सिस्टम में विशेषज्ञता के साथ कंप्यूटर साइंस में मास्टर ऑफ साइंस के साथ स्नातक की उपाधि प्राप्त की। वह एआई/एमएल के बारे में अधिक जानने और ग्राहकों को लाभ पहुंचाने वाले समाधान खोजने के लिए एडब्ल्यूएस सेवाओं का उपयोग करने में रुचि रखती है।

ह्यूगो त्से सिएटल, वाशिंगटन स्थित AWS में एसोसिएट सॉल्यूशंस आर्किटेक्ट हैं। उनके पास एरिज़ोना स्टेट यूनिवर्सिटी से सूचना प्रौद्योगिकी में मास्टर डिग्री और शिकागो विश्वविद्यालय से अर्थशास्त्र में स्नातक की डिग्री है। वह सूचना प्रणाली लेखा परीक्षा और नियंत्रण संघ (आईएसएसीए) और अंतर्राष्ट्रीय सूचना प्रणाली सुरक्षा प्रमाणन कंसोर्टियम (आईएससी)2 के सदस्य हैं। उन्हें ग्राहकों को प्रौद्योगिकी से लाभ उठाने में मदद करने में आनंद आता है।

अयमान इशिम्वे सिएटल, वाशिंगटन स्थित AWS में एसोसिएट सॉल्यूशंस आर्किटेक्ट हैं। उनके पास ओकलैंड यूनिवर्सिटी से सॉफ्टवेयर इंजीनियरिंग और आईटी में मास्टर डिग्री है। उनके पास सॉफ्टवेयर विकास, विशेष रूप से वितरित वेब अनुप्रयोगों के लिए माइक्रोसर्विसेज के निर्माण का पूर्व अनुभव है। सर्वोत्तम प्रथाओं का पालन करते हुए AWS क्लाउड सेवाओं पर ग्राहकों को मजबूत और स्केलेबल समाधान बनाने में मदद करने का उन्हें शौक है।

शेरविन सुरेश ऑस्टिन, टेक्सास स्थित AWS में एसोसिएट सॉल्यूशंस आर्किटेक्ट हैं। उन्होंने सैन जोस स्टेट यूनिवर्सिटी से क्लाउड कंप्यूटिंग और वर्चुअलाइजेशन में एकाग्रता के साथ सॉफ्टवेयर इंजीनियरिंग में मास्टर्स और कंप्यूटर इंजीनियरिंग में स्नातक की उपाधि प्राप्त की है। उन्हें सभी पृष्ठभूमि के लोगों के जीवन को बेहतर बनाने में मदद करने के लिए प्रौद्योगिकी का लाभ उठाने का शौक है।

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. ऑटोमोटिव/ईवीएस, कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• चार्टप्राइम. चार्टप्राइम के साथ अपने ट्रेडिंग गेम को उन्नत करें। यहां पहुंचें।
• BlockOffsets. पर्यावरणीय ऑफसेट स्वामित्व का आधुनिकीकरण। यहां पहुंचें।
• स्रोत: https://aws.amazon.com/blogs/machine-learning/simplify-access-to-internal-information-using-retrieval-augmented-generation-and-langchain-agents/