Ini adalah postingan tamu oleh Dr. Naoki Okada, Ilmuwan Data Utama di BrainPad Inc.
Didirikan pada 2004, BrainPad Inc. adalah mitra perintis di bidang pemanfaatan data, membantu perusahaan menciptakan bisnis dan meningkatkan manajemennya melalui penggunaan data. Hingga saat ini, BrainPad telah membantu lebih dari 1,300 perusahaan, terutama para pemimpin industri. BrainPad memiliki keunggulan dalam menyediakan layanan terpadu mulai dari perumusan strategi pemanfaatan data hingga pembuktian konsep dan implementasi. Gaya unik BrainPad adalah bekerja sama dengan klien untuk memecahkan masalah di lapangan, seperti data yang tidak dikumpulkan karena struktur organisasi yang terisolasi atau data yang ada tetapi tidak terorganisir.
Posting ini membahas bagaimana menyusun struktur berbagi pengetahuan internal menggunakan AmazonKendra dan AWS Lambda dan bagaimana Amazon Kendra mengatasi hambatan seputar berbagi pengetahuan yang dihadapi banyak perusahaan. Kami merangkum upaya BrainPad dalam empat bidang utama:
- Apa saja masalah berbagi pengetahuan yang dihadapi banyak perusahaan?
- Mengapa kami memilih Amazon Kendra?
- Bagaimana kami menerapkan sistem berbagi pengetahuan?
- Sekalipun suatu alat bermanfaat, tidak ada artinya jika tidak digunakan. Bagaimana kita mengatasi hambatan adopsi?
Masalah berbagi pengetahuan yang dihadapi banyak perusahaan
Banyak perusahaan mencapai hasil mereka dengan membagi pekerjaan mereka ke dalam berbagai bidang. Setiap kegiatan tersebut menghasilkan ide-ide baru setiap harinya. Pengetahuan ini dikumpulkan secara individual. Jika pengetahuan ini dapat dibagikan di antara masyarakat dan organisasi, sinergi dalam pekerjaan terkait dapat tercipta, dan efisiensi serta kualitas pekerjaan akan meningkat secara dramatis. Inilah kekuatan berbagi pengetahuan.
Namun, ada banyak hambatan umum dalam berbagi pengetahuan:
- Hanya sedikit orang yang terlibat secara proaktif, dan proses ini tidak dapat bertahan lama karena jadwal yang padat.
- Pengetahuan tersebar di berbagai media, seperti wiki internal dan PDF, sehingga sulit untuk menemukan informasi yang Anda butuhkan.
- Tidak ada yang memasukkan pengetahuan ke dalam sistem konsolidasi pengetahuan. Sistem ini tidak akan digunakan secara luas karena kemampuan pencariannya yang buruk.
Perusahaan kami menghadapi situasi serupa. Masalah mendasar dalam berbagi pengetahuan adalah meskipun sebagian besar karyawan mempunyai kebutuhan yang kuat untuk memperoleh pengetahuan, mereka mempunyai sedikit motivasi untuk berbagi pengetahuan mereka sendiri dengan mengorbankan sesuatu. Mengubah perilaku karyawan hanya untuk tujuan berbagi pengetahuan tidaklah mudah.
Selain itu, setiap karyawan atau departemen memiliki metode pengumpulan pengetahuan yang mereka sukai, dan mencoba memaksakan penyatuan tidak akan menghasilkan motivasi atau kinerja dalam berbagi pengetahuan. Hal ini memusingkan pihak manajemen, yang ingin mengkonsolidasikan pengetahuan, sementara mereka yang berada di lapangan ingin memiliki pengetahuan dengan cara yang terdesentralisasi.
Di perusahaan kami, Amazon Kendra adalah layanan cloud yang memecahkan masalah ini.
Mengapa kami memilih Amazon Kendra
Amazon Kendra adalah layanan cloud yang memungkinkan kita mencari informasi internal dari antarmuka umum. Dengan kata lain, ini adalah mesin pencari yang berspesialisasi dalam informasi internal. Di bagian ini, kami membahas tiga alasan utama mengapa kami memilih Amazon Kendra.
Agregasi pengetahuan yang mudah
Seperti disebutkan di bagian sebelumnya, pengetahuan, meskipun ada, cenderung tersebar di berbagai media. Dalam kasus kami, itu tersebar di wiki internal kami dan berbagai file dokumen. Amazon Kendra menyediakan kekuatan konektor untuk situasi ini. Kita dapat dengan mudah mengimpor dokumen dari berbagai media, termasuk groupware, wiki, file Microsoft PowerPoint, PDF, dan lainnya, tanpa kerumitan.
Artinya, karyawan tidak perlu mengubah cara mereka menyimpan pengetahuan untuk membagikannya. Meskipun agregasi pengetahuan dapat dicapai untuk sementara, pemeliharaannya memerlukan biaya yang sangat besar. Kemampuan untuk mengotomatisasi hal ini merupakan faktor yang sangat kami inginkan.
Kemampuan pencarian yang luar biasa
Ada banyak groupware dan wiki di luar sana yang unggul dalam input informasi. Namun seringkali mereka memiliki kelemahan dalam keluaran informasi (searchability). Hal ini terutama berlaku untuk penelusuran bahasa Jepang. Misalnya, dalam bahasa Inggris, pencocokan tingkat kata memberikan tingkat kemampuan pencarian yang wajar. Namun dalam bahasa Jepang, ekstraksi kata lebih sulit, dan ada kasus di mana pencocokan dilakukan dengan memisahkan kata dengan jumlah karakter yang sesuai. Jika penelusuran โTokyo-to (ๆฑไบฌ้ฝ)โ dipisahkan oleh dua karakter, โTokyo (ๆฑไบฌ)โ dan โKyoto (ไบฌ้ฝ)โ, maka akan sulit menemukan ilmu yang dicari.
Amazon Kendra menawarkan hal yang luar biasa kemampuan pencarian melalui pembelajaran mesin. Selain penelusuran kata kunci tradisional seperti โtren teknologiโ, penelusuran bahasa alami seperti โSaya ingin informasi tentang inisiatif teknologi baruโ dapat sangat meningkatkan pengalaman pengguna. Kemampuan untuk mencari informasi yang dikumpulkan dengan tepat adalah alasan kedua kami memilih Amazon Kendra.
Biaya kepemilikan yang rendah
Alat TI yang berspesialisasi dalam agregasi dan pengambilan pengetahuan disebut sistem pencarian perusahaan. Salah satu masalah dalam penerapan sistem ini adalah biaya. Untuk organisasi dengan beberapa ratus karyawan, biaya operasional bisa melebihi 10 juta yen per tahun. Ini bukanlah cara yang murah untuk memulai inisiatif berbagi pengetahuan.
Amazon Kendra ditawarkan dengan harga a biaya jauh lebih rendah daripada kebanyakan sistem pencarian perusahaan. Seperti disebutkan sebelumnya, inisiatif berbagi pengetahuan tidak mudah untuk diterapkan. Kami ingin memulai dari skala kecil, dan rendahnya biaya kepemilikan Amazon Kendra adalah faktor kunci dalam keputusan kami.
Selain itu, kemudahan penerapan dan fleksibilitas Amazon Kendra juga merupakan keuntungan besar bagi kami. Bagian selanjutnya merangkum contoh penerapan kami.
Bagaimana kami menerapkan sistem berbagi pengetahuan
Implementasi bukanlah proses pembangunan yang berlebihan; hal ini dapat dilakukan tanpa kode dengan mengikuti alur pemrosesan Amazon Kendra. Berikut lima poin penting dalam proses implementasi:
- Sumber data (mengumpulkan pengetahuan) โ Setiap departemen dan karyawan perusahaan kami sering mengadakan sesi belajar internal, dan melalui kegiatan ini, pengetahuan dikumpulkan di berbagai media, seperti wiki dan berbagai jenis penyimpanan. Saat itu, mudah untuk meninjau informasi dari sesi belajar nanti. Namun, untuk mengekstraksi pengetahuan tentang bidang atau teknologi tertentu, setiap media perlu ditinjau secara mendetail, dan hal ini sangat tidak nyaman.
- Konektor (mengagregasi pengetahuan) โ Dengan fungsionalitas konektor di Amazon Kendra, kami dapat menghubungkan pengetahuan yang tersebar di seluruh perusahaan ke dalam Amazon Kendra dan mencapai kemampuan pencarian lintas bagian. Selain itu, konektor dimuat melalui akun terbatas, memungkinkan penerapan yang mengutamakan keamanan.
- Mesin pencari (mencari informasi) โ Karena Amazon Kendra memiliki halaman pencarian untuk pengujian kegunaan, kami dapat dengan cepat menguji kegunaan mesin pencari segera setelah memuat dokumen untuk melihat jenis pengetahuan apa yang dapat ditemukan. Hal ini sangat membantu memantapkan citra peluncuran.
- UI Pencarian (halaman pencarian untuk pengguna) โ Amazon Kendra memiliki fitur yang disebut Pembangun Pengalaman yang memaparkan layar pencarian kepada pengguna. Fitur ini dapat diimplementasikan tanpa kode, yang sangat membantu dalam mendapatkan masukan selama penerapan pengujian. Selain Experience Builder, Amazon Kendra juga mendukung implementasi Python dan React.js API, sehingga kami pada akhirnya dapat menyediakan halaman pencarian yang disesuaikan kepada karyawan kami untuk meningkatkan pengalaman mereka.
- Analytics (memantau tren penggunaan) โ Sistem pencarian perusahaan hanya berguna jika banyak orang yang menggunakannya. Amazon Kendra punya kemampuan untuk memantau berapa banyak pencarian yang dilakukan dan untuk istilah apa. Kami menggunakan fitur ini untuk melacak tren penggunaan.
Kami juga memiliki beberapa Tanya Jawab terkait penerapan kami:
- Apa saja tantangan dalam mengumpulkan pengetahuan internal? Kami harus memulai dengan mengumpulkan pengetahuan yang dimiliki setiap departemen dan karyawan, namun tidak harus di tempat yang dapat terhubung langsung dengan Amazon Kendra.
- Apa manfaat yang kami peroleh dari Amazon Kendra? Kami telah mencoba berbagi pengetahuan berkali-kali di masa lalu, namun sering kali gagal. Alasannya adalah agregasi informasi, kemampuan pencarian, biaya operasional, dan biaya implementasi. Amazon Kendra memiliki fitur yang memecahkan masalah ini, dan kami berhasil meluncurkannya dalam waktu sekitar 3 bulan sejak konsepsi. Sekarang kita dapat menggunakan Amazon Kendra untuk menemukan solusi terhadap tugas-tugas yang sebelumnya memerlukan pengetahuan individu atau departemen sebagai pengetahuan kolektif seluruh organisasi.
- Bagaimana Anda mengevaluasi kemampuan penelusuran sistem, dan apa yang Anda lakukan untuk memperbaikinya? Pertama, kami memiliki banyak karyawan yang berinteraksi dengan sistem dan mendapatkan umpan balik. Salah satu permasalahan yang muncul pada awal implementasi adalah adanya hamburan informasi yang kurang bernilai sebagai pengetahuan. Pasalnya, beberapa sumber data berisi informasi dari postingan blog internal, misalnya. Kami terus berupaya meningkatkan pengalaman pengguna dengan memilih sumber data yang tepat.
Seperti disebutkan sebelumnya, dengan menggunakan Amazon Kendra, kami dapat mengatasi banyak rintangan implementasi dengan biaya minimal. Namun, tantangan terbesar dengan alat jenis ini adalah hambatan adopsi yang muncul setelah implementasi. Bagian selanjutnya memberikan contoh bagaimana kami mengatasi rintangan ini.
Bagaimana kita mengatasi hambatan adopsi
Pernahkah Anda melihat alat yang penerapannya menghabiskan banyak tenaga, waktu, dan uang menjadi usang tanpa digunakan secara luas? Sebagus apapun fungsinya dalam memecahkan masalah, tidak akan efektif jika tidak dimanfaatkan oleh masyarakat.
Salah satu inisiatif yang kami ambil dengan peluncuran Amazon Kendra adalah menyediakan chatbot. Dengan kata lain, saat Anda mengajukan pertanyaan di alat obrolan, Anda mendapat respons dengan pengetahuan yang sesuai. Karena semua karyawan telecommuting kami menggunakan alat obrolan setiap hari, penggunaan chatbots jauh lebih kompatibel dibandingkan membiarkan mereka membuka layar pencarian baru di browser mereka.
Untuk mengimplementasikan chatbot ini, kami menggunakan Lambda, sebuah layanan yang memungkinkan kami menjalankan program berbasis peristiwa tanpa server. Secara khusus, alur kerja berikut diterapkan:
- Seorang pengguna memposting pertanyaan ke chatbot dengan menyebutkan.
- Chatbot mengeluarkan acara ke Lambda.
- Fungsi Lambda mendeteksi peristiwa tersebut dan mencari pertanyaan di Amazon Kendra.
- Fungsi Lambda memposting hasil pencarian ke alat obrolan.
- Pengguna melihat hasil pencarian.
Proses ini hanya membutuhkan waktu beberapa detik dan memberikan pengalaman pengguna berkualitas tinggi untuk penemuan pengetahuan. Mayoritas karyawan terpapar pada mekanisme berbagi pengetahuan melalui chatbot, dan tidak ada keraguan bahwa chatbot berkontribusi terhadap penyebaran mekanisme tersebut. Dan karena ada beberapa area yang tidak dapat dicakup oleh chatbot saja, kami juga meminta mereka untuk menggunakan layar pencarian yang disesuaikan bersama dengan chatbot untuk memberikan pengalaman pengguna yang lebih baik.
Kesimpulan
Dalam postingan ini, kami menyajikan studi kasus Amazon Kendra untuk berbagi pengetahuan dan contoh implementasi chatbot menggunakan Lambda untuk menyebarkan mekanisme tersebut. Kami berharap Amazon Kendra mengambil lompatan maju seiring dengan terus berkembangnya model bahasa skala besar.
Jika Anda tertarik untuk mencoba Amazon Kendra, lihatlah Meningkatkan pencarian perusahaan dengan Amazon Kendra. BrainPad juga dapat membantu Anda dalam berbagi pengetahuan internal dan eksploitasi dokumen menggunakan AI generatif. Silakan hubungi kami untuk informasi lebih lanjut.
tentang Penulis
Dr.Naoki Okada adalah Ilmuwan Data Utama di BrainPad Inc. Dengan pengalaman lintas fungsi dalam bisnis, analitik, dan teknik, dia mendukung berbagai klien mulai dari membangun organisasi DX hingga memanfaatkan data di area yang belum dijelajahi.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- Keuangan EVM. Antarmuka Terpadu untuk Keuangan Terdesentralisasi. Akses Di Sini.
- Grup Media Kuantum. IR/PR Diperkuat. Akses Di Sini.
- PlatoAiStream. Kecerdasan Data Web3. Pengetahuan Diperkuat. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/machine-learning/how-brainpad-fosters-internal-knowledge-sharing-with-amazon-kendra/
- :memiliki
- :adalah
- :bukan
- :Di mana
- $ 10 juta
- $NAIK
- 1
- 10
- 100
- 7
- a
- kemampuan
- Sanggup
- Tentang Kami
- Akun
- Akumulasi
- Mencapai
- dicapai
- di seluruh
- kegiatan
- tambahan
- Adopsi
- Keuntungan
- keuntungan
- Setelah
- agregasi
- pengumpulan
- AI
- Semua
- Membiarkan
- memungkinkan
- sendirian
- juga
- Meskipun
- Amazon
- AmazonKendra
- Amazon Web Services
- antara
- an
- analisis
- dan
- Lain
- Apa pun
- api
- sesuai
- tepat
- ADALAH
- DAERAH
- daerah
- sekitar
- AS
- At
- mengotomatisasikan
- AWS
- pembatas
- hambatan
- dasar
- BE
- karena
- menjadi
- Awal
- makhluk
- manfaat
- Lebih baik
- Terbesar
- Blog
- Posting blog
- browser
- pembangun
- Bangunan
- bisnis
- sibuk
- tapi
- by
- bernama
- CAN
- kasus
- studi kasus
- kasus
- menantang
- tantangan
- perubahan
- mengubah
- karakter
- ChatBot
- chatbots
- murah
- memeriksa
- Pilih
- memilih
- klien
- awan
- CO
- kode
- Mengumpulkan
- Kolektif
- datang
- Umum
- Perusahaan
- perusahaan
- cocok
- konsep
- pembuahan
- hubungan
- terhubung
- mengkonsolidasikan
- konsolidasi
- kontak
- berisi
- terus-menerus
- terus
- berkontribusi
- Mudah
- Biaya
- mahal
- Biaya
- bisa
- tercakup
- membuat
- dibuat
- disesuaikan
- harian
- data
- ilmuwan data
- Tanggal
- hari
- Terdesentralisasi
- keputusan
- Departemen
- departemen
- penyebaran
- penyebaran. Sebagai tambahan
- rinci
- Pengembangan
- MELAKUKAN
- berbeda
- sulit
- Difusi
- langsung
- penemuan
- membahas
- do
- dokumen
- dokumen
- dilakukan
- Dont
- meragukan
- dr
- secara dramatis
- dua
- selama
- DX
- setiap
- Terdahulu
- memudahkan
- mudah
- Mudah
- Efektif
- efisiensi
- usaha
- upaya
- Karyawan
- karyawan
- Mesin
- Teknik
- Inggris
- mempertinggi
- Enterprise
- Masuk
- Seluruh
- terutama
- mengevaluasi
- Bahkan
- Acara
- akhirnya
- pERNAH
- Setiap
- setiap hari
- berkembang
- contoh
- melebihi
- Excel
- ada
- pengalaman
- eksploitasi
- terkena
- ekstrak
- Menghadapi
- dihadapi
- faktor
- Gagal
- Fitur
- Fitur
- umpan balik
- beberapa
- bidang
- File
- Menemukan
- temuan
- Pertama
- keluwesan
- aliran
- berikut
- Untuk
- kekuatan
- merumuskan
- Depan
- ditemukan
- empat
- sering
- dari
- fungsi
- fungsi
- mendasar
- pertemuan
- menghasilkan
- generatif
- AI generatif
- mendapatkan
- mendapatkan
- baik
- besar
- sangat
- Tanah
- Tamu
- tamu Post
- memiliki
- Memiliki
- memiliki
- he
- Dimiliki
- membantu
- membantu
- bermanfaat
- membantu
- di sini
- berkualitas tinggi
- -nya
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- Namun
- HTML
- HTTPS
- ratus
- Lari gawang
- ide-ide
- if
- gambar
- segera
- melaksanakan
- implementasi
- diimplementasikan
- mengimplementasikan
- mengimpor
- memperbaiki
- in
- Di lain
- Inc
- Termasuk
- Meningkatkan
- sendiri-sendiri
- individu
- industri
- informasi
- Prakarsa
- inisiatif
- memasukkan
- berinteraksi
- tertarik
- Antarmuka
- intern
- ke
- terlibat
- masalah
- IT
- NYA
- Jepang
- kunci
- Area Utama
- faktor utama
- Jenis
- pengetahuan
- bahasa
- besar-besaran
- kemudian
- jalankan
- diluncurkan
- memimpin
- pemimpin
- Melompat
- Tingkat
- leveraging
- LINK
- sedikit
- pemuatan
- Panjang
- melihat
- mencari
- Lot
- Rendah
- menurunkan
- mesin
- memelihara
- Mayoritas
- Membuat
- pengelolaan
- banyak
- sesuai
- hal
- cara
- mekanisme
- Media
- medium
- tersebut
- metode
- Microsoft
- juta
- minimal
- model
- uang
- pemantauan
- bulan
- lebih
- paling
- Motivasi
- banyak
- beberapa
- Alam
- perlu
- perlu
- Perlu
- New
- berikutnya
- tidak
- sekarang
- jumlah
- usang
- hambatan
- memperoleh
- of
- ditawarkan
- Penawaran
- sering
- on
- ONE
- hanya
- Buka
- operasi
- operasional
- or
- urutan
- organisasi
- organisatoris
- organisasi
- terorganisir
- Lainnya
- kami
- Perusahaan kita
- di luar
- keluaran
- Mengatasi
- sendiri
- kepemilikan
- halaman
- pasangan
- lalu
- Konsultan Ahli
- prestasi
- dilakukan
- Kepeloporan
- Tempat
- plato
- Kecerdasan Data Plato
- Data Plato
- silahkan
- poin
- miskin
- Pos
- Posts
- kekuasaan
- kuat
- disukai
- disajikan
- sebelumnya
- sebelumnya
- terutama
- Masalah
- masalah
- proses
- pengolahan
- program
- bukti
- bukti konsep
- memberikan
- menyediakan
- menyediakan
- tujuan
- Ular sanca
- Q & A
- kualitas
- pertanyaan
- segera
- jarak
- Bereaksi
- alasan
- masuk akal
- alasan
- terkait
- wajib
- tanggapan
- terbatas
- Hasil
- ulasan
- benar
- Run
- tersebar
- ilmuwan
- Layar
- Pencarian
- mesin pencari
- Kedua
- detik
- Bagian
- melihat
- melihat
- terlihat
- memilih
- memisahkan
- Tanpa Server
- layanan
- Layanan
- sesi
- beberapa
- Share
- berbagi
- berbagi
- mirip
- situasi
- kecil
- So
- Solusi
- MEMECAHKAN
- Memecahkan
- Memecahkan
- beberapa
- sumber
- sumber
- mengkhususkan
- spesialisasi
- tertentu
- Secara khusus
- menghabiskan
- awal
- penyimpanan
- menyimpan
- Penyelarasan
- kuat
- struktur
- Belajar
- gaya
- berhasil
- seperti itu
- meringkaskan
- Mendukung
- sistem
- sistem
- Mengambil
- Dibutuhkan
- tugas
- Teknologi
- istilah
- uji
- dari
- bahwa
- Grafik
- informasi
- mereka
- Mereka
- Sana.
- Ini
- mereka
- ini
- itu
- tiga
- Melalui
- di seluruh
- waktu
- kali
- untuk
- bersama
- mengambil
- alat
- alat
- jalur
- tradisional
- Tren
- mencoba
- benar
- dua
- mengetik
- jenis
- ui
- unik
- us
- kegunaan
- penggunaan
- menggunakan
- bekas
- Pengguna
- Pengguna Pengalaman
- Pengguna
- menggunakan
- Berharga
- nilai
- variasi
- berbagai
- sangat
- 'view'
- ingin
- ingin
- ingin
- adalah
- Cara..
- we
- jaringan
- layanan web
- adalah
- Apa
- ketika
- yang
- sementara
- SIAPA
- mengapa
- lebar
- Rentang luas
- sangat
- tersebar luas
- akan
- dengan
- dalam
- tanpa
- Word
- kata
- Kerja
- bekerja sama
- alur kerja
- kerja
- tahun
- Yen
- Kamu
- zephyrnet.dll