Ezt a bejegyzést Ilan Gellerrel és Shuyu Yanggal közösen írták az Accenture-től.
A vállalatok manapság komoly kihívásokkal néznek szembe információ- és tudásbázisaik belső és külső üzleti műveletekhez való felhasználása során. A folyamatosan fejlődő műveletek, folyamatok, irányelvek és megfelelőségi követelmények miatt rendkívül nehéz lehet az alkalmazottak és az ügyfelek számára, hogy naprakészek maradjanak. Ugyanakkor a tartalom nagy részének strukturálatlansága időigényessé teszi a válaszok keresését a hagyományos kereséssel.
Belsőleg az alkalmazottak gyakran számtalan órát tölthetnek a munkájukhoz szükséges információk felkutatásával, ami frusztrációhoz és csökkent termelékenységhez vezet. Ha pedig nem találnak válaszokat, eszkalálniuk kell a problémákat, vagy teljes kontextus nélkül kell döntéseket hozniuk, ami kockázatot jelenthet.
Külsőleg az ügyfelek is frusztrálónak találhatják a keresett információ megtalálását. Bár a vállalati tudásbázisok idővel javították az ügyfélélményt, továbbra is nehézkesek és nehezen használhatók lehetnek. Akár egy termékkel kapcsolatos kérdésre keresi a választ, akár információra van szüksége a nyitvatartási időről és a helyszínekről, a rossz tapasztalatok frusztrációhoz, vagy ami még rosszabb, az ügyfél disszidációjához vezethetnek.
Mindkét esetben, ahogy a tudásmenedzsment egyre összetettebbé válik, a generatív mesterséges intelligencia megváltoztatja a lehetőséget a vállalkozások számára, hogy kapcsolatba lépjenek az emberekkel a teljesítményhez és az innovációhoz szükséges információkhoz. A megfelelő stratégiával ezek az intelligens megoldások átalakíthatják a tudás megszerzését, rendszerezését és felhasználását a szervezeten belül.
Ennek a kihívásnak a leküzdése érdekében az Accenture együttműködött az AWS-szel egy innovatív generatív mesterséges intelligencia-megoldás kidolgozásában, a Knowledge Assist néven. Az AWS generatív AI-szolgáltatások használatával a csapat olyan rendszert fejlesztett ki, amely hatalmas mennyiségű strukturálatlan vállalati tartalmat képes befogadni és megérteni.
A hagyományos kulcsszavas keresés helyett a felhasználók kérdéseket tehetnek fel, és pontos válaszokat kaphatnak egy egyszerű, párbeszédes felületen. A Generatív AI megérti a tudásbázison belüli összefüggéseket és kapcsolatokat, hogy személyre szabott és pontos válaszokat adjon. Ahogy egyre több lekérdezést ad meg, a rendszer folyamatosan fejleszti nyelvi feldolgozását gépi tanulási (ML) algoritmusok segítségével.
Az AI-segítő keretrendszer elindítása óta a vállalatok drámai javulást tapasztaltak az alkalmazottak tudásmegtartásában és termelékenységében. Azáltal, hogy gyors és pontos hozzáférést biztosít az információkhoz, és lehetővé teszi az alkalmazottak önkiszolgálását, ez a megoldás több mint 50%-kal csökkenti az új alkalmazottak képzési idejét, és akár 40%-kal csökkenti az eszkalációt.
A generatív mesterséges intelligencia erejével a vállalkozások átalakíthatják a tudás rögzítésének, rendszerezésének és megosztásának módját a szervezeten belül. Meglévő tudásbázisaik felszabadításával a vállalatok növelhetik az alkalmazottak termelékenységét és az ügyfelek elégedettségét. Ahogy az Accenture és az AWS együttműködése is mutatja, a vállalati tudásmenedzsment jövője az AI-vezérelt rendszerekben rejlik, amelyek az emberek és a gépek közötti interakciókon keresztül fejlődnek.
Az Accenture az AWS-szel együttműködve segíti az ügyfeleket a telepítésben Amazon alapkőzet, használja a legfejlettebb alapozó modelleket, mint pl Amazon Titan, és olyan iparágvezető technológiákat alkalmaz, mint pl Amazon SageMaker JumpStart és a Amazon Inferentia más AWS ML szolgáltatások mellett.
Ez a bejegyzés áttekintést nyújt az Accenture által az Amazon Bedrock és más AWS-szolgáltatások felhasználásával készült éles felhasználási esetekre kifejlesztett, teljes körű generatív AI-megoldásról.
Megoldás áttekintése
A közegészségügyi szektor nagy ügyfelei nap mint nap polgárok millióit szolgálják ki, és a folyamatosan változó egészségügyi környezetben könnyű hozzáférést igényelnek a naprakész információkhoz. Az Accenture ezt a generatív AI-funkciót egy meglévő GYIK-botba integrálta, lehetővé téve a chatbot számára, hogy a felhasználói kérdések szélesebb körére adjon választ. Ha növeljük a polgárok azon képességét, hogy önkiszolgáló módon hozzáférjenek a releváns információkhoz, az osztály időt és pénzt takarít meg, és csökkenti a call center-ügynökök interakciójának szükségességét. A megoldás főbb jellemzői a következők:
- Hibrid szándékos megközelítés – Generatív és előre betanított szándékokat használ
- Többnyelvű támogatás – Angolul és spanyolul beszélget
- Beszélgetési elemzés – Jelentések a felhasználói igényekről, érzésekről és aggályokról
- Természetes beszélgetések - Kontextust tart fenn az emberszerű természetes nyelvi feldolgozással (NLP)
- Átlátszó idézetek – Elvezeti a felhasználókat a forrásinformációkhoz
Az Accenture generatív mesterséges intelligencia megoldása a következő előnyöket nyújtja a meglévő vagy hagyományos chatbot keretrendszerekkel szemben:
- Gyorsan pontos, releváns és természetes válaszokat generál a felhasználói kérdésekre
- Emlékszik a szövegkörnyezetre, és válaszol a további kérdésekre
- Lekérdezéseket kezel és válaszokat generál több nyelven (például angol és spanyol)
- A felhasználói visszajelzések alapján folyamatosan tanulja és fejleszti a válaszokat
- Könnyen integrálható meglévő webes platformjával
- A vállalati tudásbázis hatalmas tárházát tölti be
- Emberszerűen válaszol
- A tudás evolúciója minimális erőfeszítés nélkül folyamatosan elérhető
- Felhasználás szerinti fizetési modellt használ előzetes költségek nélkül
A megoldás magas szintű munkafolyamata a következő lépésekből áll:
- A felhasználók egyszerű integrációt hoznak létre a meglévő webes platformokkal
- Az adatok tömeges feltöltésként kerülnek a platformba a 0. napon, majd növekményes feltöltésként az 1. napon.)
- A felhasználói lekérdezések feldolgozása valós időben történik, a rendszer a felhasználói igények kielégítéséhez szükséges méretezéssel.
- A beszélgetéseket alkalmazás adatbázisokba menti (Amazon Dynamo DB) többfordulós beszélgetések támogatására
- Az Anthropic Claude Foundation modellt az Amazon Bedrock segítségével hívják meg, amely a legrelevánsabb tartalom alapján lekérdezési válaszokat generál.
- Az Anthropic Claude Foundation modell a lekérdezések, valamint a válaszok angolról más kívánt nyelvekre történő fordítására szolgál, hogy támogassa a többnyelvű beszélgetéseket.
- Az Amazon Titan alapozó modellt az Amazon Bedrock segítségével hívják elő a vektoros beágyazások létrehozásához.
- A tartalom relevanciáját a nyers tartalom beágyazások és a Pinecone vektoradatbázis-beágyazások felhasználói lekérdezéseinek hasonlósága határozza meg.
- A kontextus a felhasználó kérdésével együtt hozzá van fűzve egy prompt létrehozásához, amely az Antropikus Claude modell bemeneteként szolgál. A generált válasz a webes platformon keresztül visszakerül a felhasználóhoz.
A következő ábra a megoldás architektúráját mutatja be.
Az architektúra folyamat két részből áll:
A következő részekben a megoldás különböző aspektusait és fejlesztését részletesebben tárgyaljuk.
Modell kiválasztása
A modellválasztási folyamat magában foglalta az Amazon Bedrockban elérhető különféle modellek regressziós tesztelését, amelyek között szerepelt az AI21 Labs, a Cohere, az Anthropic és az Amazon alapozó modellek. Ellenőriztük a támogatott használati eseteket, a modellattribútumokat, a maximális tokeneket, a költségeket, a pontosságot, a teljesítményt és a nyelveket. Ennek alapján a Claude-2-t választottuk ki, mint a legmegfelelőbbet erre a felhasználási esetre.
Adatforrás
Létrehoztunk egy Amazon Kendra indexet, és hozzáadtunk egy adatforrást webrobot-összekötők segítségével, amelyek gyökérweb URL-címe és kétszintű könyvtármélysége. Számos weboldal bekerült az Amazon Kendra indexbe, és adatforrásként használták őket.
GenAI chatbot kérés és válasz folyamata
Ennek a folyamatnak a lépései egy végponttól végpontig történő interakcióból állnak a kéréssel Amazon Lex és egy nagy nyelvi modell (LLM) válasza:
- A felhasználó elküldi a kérelmet a tárhelyen tárolt párbeszédes front-end alkalmazásnak Amazon egyszerű tárolási szolgáltatás (Amazon S3) vödör át Amazon út 53 és a Amazon CloudFront.
- Az Amazon Lex megérti a szándékot, és a kérést a hangszerelőhöz irányítja AWS Lambda funkciót.
- Az Orchestrator Lambda funkció a következő lépéseket hajtja végre:
- A függvény kölcsönhatásba lép az alkalmazás-adatbázissal, amely egy DynamoDB által felügyelt adatbázisban található. Az adatbázis tárolja a munkamenet-azonosítót és a felhasználói azonosítót a beszélgetési előzményekhez.
- Egy másik kérés érkezik az Amazon Kendra indexhez, hogy megkapja az öt legfontosabb releváns keresési eredményt a releváns kontextus kialakításához. Ennek a kontextusnak a felhasználásával az LLM modellhez szükséges módosított prompt összeállításra kerül.
- A kapcsolat létrejön az Amazon Bedrock és a hangszerelő között. Kérést küldünk az Amazon Bedrock Claude-2 modellhez, hogy megkapja a választ a kiválasztott LLM modelltől.
- Az LLM-válaszból származó adatok utófeldolgozásra kerülnek, és válasz kerül elküldésre a felhasználónak.
Online jelentések
Az online jelentéstételi folyamat a következő lépésekből áll:
- A végfelhasználók egy CloudFront CDN front-end rétegen keresztül lépnek kapcsolatba a chatbottal.
- Minden kérés/válasz interakciót megkönnyít az AWS SDK, és hálózati forgalmat küld az Amazon Lexnek (a bot NLP komponense).
- A kérés/válasz párosítással kapcsolatos metaadatok naplózásra kerülnek amazonfelhőóra.
- A CloudWatch naplócsoport egy előfizetési szűrővel van konfigurálva, amely elküldi a bejelentkezéseket Amazon OpenSearch szolgáltatás.
- Amint elérhetők az OpenSearch szolgáltatásban, a naplók felhasználhatók jelentések és irányítópultok létrehozására a Kibana használatával.
Következtetés
Ebben a bejegyzésben bemutattuk, hogy az Accenture hogyan használja az AWS generatív AI-szolgáltatásokat a digitális átalakulás végpontok közötti megközelítésének megvalósítására. Azonosítottuk a hagyományos kérdésmegválaszoló platformok hiányosságait, és keretein belül kibővítettük a generatív intelligenciát a gyorsabb válaszidő és a rendszer folyamatos fejlesztése érdekében, miközben kapcsolatba lépünk a felhasználókkal szerte a világon. Forduljon az Accenture Center of Excellence csapatához, hogy mélyebbre merüljön a megoldásban és a megoldás bevezetésében ügyfelei számára.
Ez a Knowledge Assist platform különböző iparágakban alkalmazható, beleértve, de nem kizárólagosan az egészségtudományokat, a pénzügyi szolgáltatásokat, a gyártást és még sok mást. Ez a platform természetes, emberszerű válaszokat ad a kérdésekre a biztonságos tudás segítségével. Ez a platform hatékonyságot, termelékenységet és pontosabb műveleteket tesz lehetővé a felhasználók számára.
A közös erőfeszítés a vállalatok közötti 15 éves stratégiai kapcsolatra épül, és ugyanazokat a bevált mechanizmusokat és gyorsítókat használja, mint a Accenture AWS Business Group (AABG).
Lépjen kapcsolatba az AABG csapattal a címen accentureaws@amazon.com hogy az AWS-en egy intelligens adatvállalattá alakítsa át az üzleti eredményeket.
További információkért az AWS-en futó generatív AI-ról az Amazon Bedrock vagy Amazon SageMaker, a következő forrásokat ajánljuk:
Ön is iratkozzon fel az AWS generatív AI hírlevélre, amely oktatási forrásokat, blogokat és szolgáltatásfrissítéseket tartalmaz.
A szerzőkről
Ilan Geller az Accenture ügyvezető igazgatója, aki a mesterséges intelligenciára összpontosít, segíti ügyfeleit a mesterséges intelligencia alkalmazások skálázásában, valamint az AWS globális GenAI COE partnervezetője.
Shuyu Yang a Generatív AI és a Large Language Model Delivery Lead, valamint vezeti a CoE (Center of Excellence) Accenture AI (AWS DevOps professzionális) csapatait.
Shikhar Kwatra az Amazon Web Services mesterséges intelligencia/ML-megoldások szakértője, egy vezető globális rendszerintegrátorral dolgozik együtt. Több mint 500 szabadalommal érdemelte ki az egyik legfiatalabb indiai mesterfeltaláló címet az AI/ML és az IoT területén. A Shikhar segítséget nyújt a szervezet költséghatékony, méretezhető felhőkörnyezeteinek tervezésében, felépítésében és karbantartásában, valamint támogatja a GSI-partnert az AWS-en alapuló stratégiai ipari megoldások kidolgozásában.
Jay Pillai az Amazon Web Services fő megoldástervezője. Ebben a szerepkörben a globális generatív mesterségesintelligencia vezető építésze, valamint az AABG ellátási lánc megoldások vezető építészeként dolgozik. Információs technológiai vezetőként Jay a mesterséges intelligencia, az adatintegráció, az üzleti intelligencia és a felhasználói felület tartományaira specializálódott. 23 éves, széleskörű tapasztalattal rendelkezik számos ügyféllel az ellátási lánc, a jogi technológiák, az ingatlanügyek, a pénzügyi szolgáltatások, a biztosítás, a fizetések és a piackutatás területén.
Karthik Sonti a Solutions Architects globális csapatát vezeti, amely a horizontális, funkcionális és vertikális megoldások koncepcionális kidolgozására, megépítésére és bevezetésére összpontosít az Accenture segítségével, hogy segítse közös ügyfeleinket abban, hogy az AWS-en differenciált módon alakítsák át üzletüket.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/accenture-creates-a-knowledge-assist-solution-using-generative-ai-services-on-aws/
- :van
- :is
- :nem
- $ UP
- 100
- 23
- 500
- 7
- a
- képesség
- Rólunk
- gyorsítók
- Accenture
- hozzáférés
- pontosság
- pontos
- át
- cselekvések
- hozzáadott
- fejlett
- előnyei
- Ügynök
- AI
- AI szolgáltatások
- AI / ML
- AIDS
- algoritmusok
- lehetővé téve
- mentén
- mellett
- Is
- Bár
- amazon
- Amazon Kendra
- Amazon Lex
- Az Amazon Web Services
- Összegek
- an
- és a
- válaszok
- Antropikus
- Alkalmazás
- alkalmazások
- alkalmazott
- megközelítés
- építészek
- építészet
- VANNAK
- Sor
- mesterséges
- mesterséges intelligencia
- AS
- kérdez
- szempontok
- segít
- Támogatás
- At
- attribútumok
- bővített
- elérhető
- AWS
- vissza
- bázis
- alapján
- BE
- válik
- BEST
- között
- blogok
- fellendítésére
- Bot
- mindkét
- tágabb
- épít
- Épület
- épít
- épült
- üzleti
- üzleti intelligencia
- de
- by
- hívás
- hívóközpont
- hívott
- TUD
- rögzített
- eset
- esetek
- Központ
- Kiválósági Központ
- lánc
- kihívás
- kihívások
- chatbot
- ellenőrzött
- Állampolgárok
- vásárló
- ügyfél részére
- felhő
- együtt
- együttműködés
- jön
- Companies
- teljes
- bonyolult
- teljesítés
- összetevő
- megért
- konfigurálva
- Csatlakozás
- kapcsolat
- áll
- állandóan
- tartalom
- kontextus
- folyamatosan
- Beszélgetés
- társalgó
- beszélgetések
- Költség
- lánctalpas
- teremt
- készítette
- teremt
- nehézkes
- vevő
- Vásárlói élmény
- Vevői elégedettség
- Ügyfelek
- vágások
- műszerfalak
- dátum
- adatbázis
- adatbázisok
- találka
- nap
- határozatok
- mélyebb
- szállít
- kézbesítés
- Kereslet
- mutatja
- osztály
- telepíteni
- bevezetéséhez
- mélység
- kívánatos
- részlet
- eltökélt
- fejlett
- Fejlesztés
- különböző
- differenciált
- nehéz
- digitális
- digitális átalakítás
- Igazgató
- megvitatni
- merülés
- do
- domainek
- le-
- drámaian
- hajtás
- szerzett
- könnyen
- könnyű
- nevelési
- hatékonyság
- erőfeszítés
- bármelyik
- beágyazás
- munkavállaló
- alkalmazottak
- lehetővé teszi
- lehetővé téve
- végtől végig
- vonzó
- Angol
- Vállalkozás
- Vállalatok
- környezetek
- eszkalálódnak
- megalapozott
- birtok
- folyton változó
- Minden
- minden nap
- evolúció
- fejlődik
- fejlődik
- Kiváló
- létező
- tapasztalat
- kiterjedt
- Átfogó tapasztalat
- külső
- kivonat
- rendkívüli módon
- Arc
- megkönnyítette
- FAQ
- gyorsabb
- Jellemzők
- Fields
- szűrő
- pénzügyi
- pénzügyi szolgáltatások
- Találjon
- öt
- áramlási
- Összpontosít
- összpontosított
- következő
- A
- Alapítvány
- Keretrendszer
- keretek
- ból ből
- frusztráló
- csalódottság
- funkció
- funkcionális
- funkcionalitás
- funkciók
- további
- jövő
- rések
- generál
- generált
- generál
- nemző
- Generatív AI
- kap
- Globális
- földgolyó
- Csoport
- Útmutatók
- Legyen
- he
- Egészség
- segít
- segít
- magas szinten
- bérlő
- történelem
- tart
- Vízszintes
- házigazdája
- NYITVATARTÁS
- Hogyan
- HTML
- http
- HTTPS
- Az emberek
- Vadászat
- ID
- azonosított
- illusztrálja
- végre
- javított
- fejlesztések
- javítja
- javuló
- in
- tartalmaz
- beleértve
- magában foglalja a
- Beleértve
- növekvő
- index
- indián
- iparágak
- ipar
- iparágvezető
- információ
- információs technológia
- újít
- újító
- bemenet
- biztosítás
- integrált
- integráció
- Intelligencia
- Intelligens
- A szándék
- kölcsönhatásba
- kölcsönhatás
- kölcsönhatások
- kölcsönhatásba lép
- Felület
- belső
- bele
- feltalálók
- hivatkozni
- tárgyak internete
- kérdések
- IT
- ITS
- Állások
- közös
- jpg
- Kulcs
- tudás
- Tudásmenedzsment
- Labs
- táj
- nyelv
- Nyelvek
- nagy
- indítás
- réteg
- vezet
- vezető
- vezető
- vezetékek
- tanulás
- Jogi
- szintek
- fekszik
- Korlátozott
- LLM
- helyszínek
- log
- bejelentkezve
- gép
- gépi tanulás
- gép
- fenntartása
- fenntartja
- fontos
- csinál
- KÉSZÍT
- vezetés
- kezelése
- Ügyvezető igazgató
- mód
- gyártási
- piacára
- piackutatás
- tömeges
- mester
- maximális
- mechanizmusok
- Találkozik
- Több millió
- minimális
- ML
- modell
- modellek
- módosított
- pénz
- több
- a legtöbb
- sok
- többszörös
- Természetes
- Természetes nyelvi feldolgozás
- Természet
- Szükség
- igénylő
- igények
- hálózat
- hálózati forgalom
- Új
- NLP
- nem
- Most
- of
- gyakran
- on
- ONE
- online
- üzemeltetési
- Művelet
- Alkalom
- or
- szervezet
- Szervezett
- Más
- mi
- ki
- eredmények
- felett
- áttekintés
- párosítások
- partner
- alkatrészek
- Szabadalmak
- kifizetések
- Emberek (People)
- Teljesít
- teljesítmény
- Előadja
- Személyre
- emelvény
- Platformok
- Plató
- Platón adatintelligencia
- PlatoData
- Politikák
- szegény
- állás
- kiküldött
- hatalom
- pontos
- ajándékot
- Fő
- folyamat
- Feldolgozott
- Folyamatok
- feldolgozás
- Termelés
- termelékenység
- szakmai
- igazolt
- ad
- feltéve,
- biztosít
- amely
- nyilvános
- közegészségügy
- lekérdezések
- kérdés
- Kérdések
- Quick
- Nyers
- el
- igazi
- ingatlan
- real-time
- ajánl
- Csökkent
- csökkenti
- kapcsolat
- Kapcsolatok
- relevancia
- Jelentő
- Jelentések
- raktár
- kérni
- kötelező
- követelmények
- kutatás
- Tudástár
- válasz
- válaszok
- Eredmények
- visszatartás
- jobb
- Kockázat
- Szerep
- gyökér
- Útvonal
- sagemaker
- azonos
- elégedettség
- mentett
- skálázható
- Skála
- skálázás
- TUDOMÁNYOK
- sdk
- Keresés
- keresések
- szakaszok
- szektor
- biztosított
- keres
- látott
- kiválasztott
- kiválasztás
- Önkiszolgáló
- küld
- küldött
- érzés
- szolgálja
- szolgáltatás
- Szolgáltatások
- ülés
- számos
- megosztott
- bemutatásra
- Egyszerű
- megoldások
- Megoldások
- forrás
- spanyol
- szakember
- specializálódott
- költ
- tartózkodás
- Lépései
- Még mindig
- tárolás
- árnyékolók
- egyértelmű
- Stratégiai
- Stratégia
- előfizetés
- ilyen
- kínálat
- ellátási lánc
- támogatás
- Támogatott
- Támogatja
- rendszer
- Systems
- felszerelés
- Vesz
- csapat
- csapat
- Technologies
- Technológia
- Tesztelés
- mint
- hogy
- A
- A jövő
- az információ
- The Source
- azok
- akkor
- Ezek
- ők
- ezt
- Keresztül
- idő
- alkalommal
- titán-
- Cím
- nak nek
- Ma
- tokenek
- felső
- felé
- hagyományos
- forgalom
- Képzések
- Átalakítás
- Átalakítás
- transzformáló
- fordít
- kettő
- megérti
- megértett
- kinyitó
- up-to-date
- Frissítés
- URL
- használ
- használati eset
- használt
- használó
- felhasználói felület
- Felhasználók
- használ
- segítségével
- hasznosít
- különféle
- Hatalmas
- függőleges
- keresztül
- we
- háló
- webes szolgáltatások
- JÓL
- voltak
- amikor
- vajon
- ami
- míg
- val vel
- belül
- nélkül
- munkafolyamat
- dolgozó
- rosszabb
- év
- Legfiatalabb
- A te
- zephyrnet