이것은 BrainPad Inc.의 수석 데이터 과학자 Naoki Okada 박사의 게스트 게시물입니다.
2004 년에 설립 된, ㈜브레인패드 데이터 활용 분야의 선구적인 파트너로서 기업이 데이터 활용을 통해 비즈니스를 창출하고 경영을 개선할 수 있도록 지원합니다. 현재까지 BrainPad는 주로 업계 리더인 1,300개 이상의 회사를 도왔습니다. BrainPad는 데이터 활용 전략 수립부터 개념 증명 및 구현까지 원스톱 서비스를 제공하는 장점이 있습니다. BrainPad의 독특한 스타일은 사일로화된 조직 구조로 인해 수집되지 않는 데이터 또는 존재하지만 구성되지 않은 데이터와 같은 문제를 현장에서 해결하기 위해 고객과 협력하는 것입니다.
이 게시물에서는 다음을 사용하여 내부 지식 공유를 구성하는 방법에 대해 설명합니다. 아마존 켄드라 및 AWS 람다 Amazon Kendra가 많은 기업이 직면한 지식 공유의 장애물을 해결하는 방법. 네 가지 주요 영역에서 BrainPad의 노력을 요약합니다.
- 많은 기업이 직면한 지식 공유 문제는 무엇입니까?
- Amazon Kendra를 선택한 이유는 무엇입니까?
- 지식 공유 시스템을 어떻게 구현했습니까?
- 아무리 유용한 도구라도 사용하지 않으면 의미가 없습니다. 채택 장벽을 어떻게 극복했습니까?
많은 기업이 직면한 지식 공유 문제
많은 기업들이 작업을 여러 영역으로 나누어 결과를 달성합니다. 이러한 각 활동은 매일 새로운 아이디어를 생성합니다. 이 지식은 개별적으로 축적됩니다. 이 지식을 사람과 조직이 공유할 수 있다면 관련 업무에 시너지 효과를 낼 수 있고 업무의 효율성과 질이 비약적으로 높아질 것입니다. 지식공유의 힘입니다.
그러나 지식 공유에는 다음과 같은 일반적인 장벽이 많이 있습니다.
- 능동적으로 참여하는 사람이 적고 바쁜 일정으로 인해 프로세스를 오래 유지할 수 없습니다.
- 내부 Wiki 및 PDF와 같은 여러 미디어에 지식이 분산되어 있어 필요한 정보를 찾기가 어렵습니다.
- 아무도 지식 통합 시스템에 지식을 입력하지 않습니다. 이 시스템은 검색 가능성이 낮기 때문에 널리 사용되지 않습니다.
우리 회사도 비슷한 상황에 직면했습니다. 지식 공유의 근본적인 문제는 대부분의 직원이 지식을 얻고자 하는 강한 욕구를 가지고 있지만 대가를 치르고 자신의 지식을 공유할 동기가 거의 없다는 것입니다. 지식 공유만을 목적으로 직원 행동을 바꾸는 것은 쉽지 않습니다.
또한 직원이나 부서마다 선호하는 지식 축적 방식이 있고, 억지로 뭉치려고 하면 지식 공유에 대한 동기 부여나 성과로 이어지지 않습니다. 이는 지식을 통합하려는 경영진과 분산된 방식으로 지식을 보유하려는 경영진에게는 골칫거리입니다.
우리 회사에서 Amazon Kendra는 이러한 문제를 해결한 클라우드 서비스입니다.
Amazon Kendra를 선택한 이유
Amazon Kendra는 공통 인터페이스에서 내부 정보를 검색할 수 있는 클라우드 서비스입니다. 즉, 내부 정보에 특화된 검색 엔진입니다. 이 섹션에서는 Amazon Kendra를 선택한 세 가지 주요 이유에 대해 설명합니다.
쉬운 지식 집계
이전 섹션에서 언급했듯이 지식은 존재하더라도 여러 미디어에 분산되는 경향이 있습니다. 우리의 경우 내부 위키와 다양한 문서 파일에 흩어져 있었습니다. Amazon Kendra는 강력한 커넥터 이 상황을 위해. 그룹웨어, 위키, Microsoft PowerPoint 파일, PDF 등 다양한 미디어에서 번거로움 없이 문서를 쉽게 가져올 수 있습니다.
이는 직원이 지식을 공유하기 위해 지식을 저장하는 방식을 변경할 필요가 없음을 의미합니다. 지식 집계는 일시적으로 달성할 수 있지만 유지 관리 비용이 많이 듭니다. 이를 자동화하는 기능은 우리에게 매우 바람직한 요소였습니다.
훌륭한 검색 가능성
정보 입력에 뛰어난 그룹웨어와 위키가 많이 있습니다. 그러나 정보 출력(검색 가능성)에 약점이 있는 경우가 많습니다. 이것은 특히 일본어 검색에 해당됩니다. 예를 들어 영어에서 단어 수준 일치는 합리적인 수준의 검색 가능성을 제공합니다. 그러나 일본어는 단어 추출이 더 어렵고 적절한 문자 수로 단어를 구분하여 일치시키는 경우가 있습니다. "Tokyo-to(東京都)"를 검색할 때 "Tokyo(東京)"와 "kyoto(京都)" 두 글자로 구분하면 원하는 지식을 찾기 어렵습니다.
Amazon Kendra는 다음을 제공합니다. 기계 학습을 통한 검색 가능성. "기술 동향"과 같은 전통적인 키워드 검색 외에도 "신기술 이니셔티브에 대한 정보를 원합니다"와 같은 자연어 검색은 사용자 경험을 크게 향상시킬 수 있습니다. 수집된 정보를 적절하게 검색할 수 있는 기능은 Amazon Kendra를 선택한 두 번째 이유입니다.
소유 저렴한 비용으로
지식 집계 및 검색을 전문으로 하는 IT 도구를 엔터프라이즈 검색 시스템이라고 합니다. 이러한 시스템을 구현하는 데 있어 한 가지 문제는 비용입니다. 수백 명의 직원이 있는 조직의 경우 운영 비용은 연간 천만 엔을 초과할 수 있습니다. 이것은 지식 공유 이니셔티브를 시작하는 저렴한 방법이 아닙니다.
Amazon Kendra는 훨씬 저렴한 비용 대부분의 엔터프라이즈 검색 시스템보다 앞서 언급했듯이 지식 공유 이니셔티브는 구현하기 쉽지 않습니다. 우리는 작게 시작하고 싶었고 Amazon Kendra의 낮은 소유 비용이 우리 결정의 핵심 요소였습니다.
또한 Amazon Kendra의 구현 용이성과 유연성도 우리에게 큰 이점입니다. 다음 섹션에서는 구현 예를 요약합니다.
지식 공유 시스템을 구현한 방법
구현은 과장된 개발 프로세스가 아닙니다. Amazon Kendra 처리 흐름에 따라 코드 없이 수행할 수 있습니다. 구현 프로세스의 XNUMX가지 핵심 사항은 다음과 같습니다.
- 데이터 소스(지식 축적) – 우리 회사의 각 부서와 직원들은 자주 내부 스터디를 진행했고, 이러한 활동을 통해 위키, 각종 스토리지 등 다양한 매체에 지식을 축적했다. 그 당시에는 나중에 학습 세션에서 정보를 검토하기가 쉬웠습니다. 그러나 특정 분야나 기술에 대한 지식을 추출하기 위해서는 각 매체를 상세하게 검토해야 하므로 그리 편리하지 않았다.
- 커넥터(지식 집계) – Amazon Kendra의 커넥터 기능을 통해 회사 전체에 흩어져 있는 지식을 Amazon Kendra에 연결하고 단면 검색 가능성을 달성할 수 있었습니다. 또한 커넥터는 제한된 계정을 통해 로드되므로 보안을 고려한 구현이 가능합니다.
- 검색 엔진(정보 찾기) – Amazon Kendra에는 사용성 테스트를 위한 검색 페이지, 어떤 종류의 지식을 찾을 수 있는지 확인하기 위해 문서를 로드한 직후 검색 엔진의 사용성을 빠르게 테스트할 수 있었습니다. 이는 론칭의 이미지를 확고히 하는데 큰 도움이 되었습니다.
- 검색 UI(사용자용 검색 페이지) – Amazon Kendra에는 다음과 같은 기능이 있습니다. 경험 빌더 사용자에게 검색 화면을 노출합니다. 이 기능은 코드 없이 구현할 수 있어 테스트 배포 중에 피드백을 받는 데 매우 유용했습니다. Experience Builder 외에도 Amazon Kendra는 Python 및 React.js API 구현도 지원하므로 궁극적으로 직원에게 맞춤형 검색 페이지를 제공하여 경험을 개선할 수 있습니다.
- 분석(사용 추세 모니터링) – 엔터프라이즈 검색 시스템은 많은 사람들이 사용하는 경우에만 가치가 있습니다. 아마존 켄드라는 감시할 수 있는 능력 얼마나 많은 검색이 수행되고 있으며 어떤 용어에 대해 수행되고 있습니다. 이 기능을 사용하여 사용 추세를 추적합니다.
구현과 관련된 몇 가지 Q&A도 있습니다.
- 내부 지식을 수집하는 데 어떤 어려움이 있었습니까? 각 부서와 직원이 가지고 있는 지식을 수집하는 것부터 시작해야 했지만 반드시 Amazon Kendra와 직접 연결될 수 있는 장소에 있지는 않았습니다.
- Amazon Kendra의 이점은 무엇입니까? 우리는 과거에 여러 번 지식을 공유하려고 시도했지만 자주 실패했습니다. 그 이유는 정보 집계, 검색 가능성, 운영 비용 및 구현 비용이었습니다. Amazon Kendra는 이러한 문제를 해결하는 기능을 가지고 있으며, 구상한 지 약 3개월 만에 성공적으로 출시했습니다. 이제 우리는 Amazon Kendra를 사용하여 이전에는 전체 조직의 집단 지식으로 개인 또는 부서의 지식이 필요했던 작업에 대한 솔루션을 찾을 수 있습니다.
- 시스템의 검색 가능성을 어떻게 평가했으며 이를 개선하기 위해 무엇을 했습니까? 첫째, 많은 직원들이 시스템과 상호 작용하고 피드백을 받도록 했습니다. 구현 초기에 발생한 한 가지 문제는 지식으로서의 가치가 거의 없는 정보가 산재해 있다는 점이었습니다. 예를 들어 일부 데이터 소스에 내부 블로그 게시물의 정보가 포함되어 있기 때문입니다. 우리는 올바른 데이터 소스를 선택하여 사용자 경험을 개선하기 위해 지속적으로 노력하고 있습니다.
앞서 언급했듯이 Amazon Kendra를 사용함으로써 우리는 최소한의 비용으로 많은 구현 장애물을 극복할 수 있었습니다. 그러나 이러한 유형의 도구에서 가장 큰 문제는 구현 후 발생하는 채택 장벽입니다. 다음 섹션에서는 이 장애물을 어떻게 극복했는지에 대한 예를 제공합니다.
채택 장벽을 극복한 방법
구현하는 데 많은 노력, 시간 및 비용을 들인 도구가 널리 사용되지 않고 구식이 되는 것을 본 적이 있습니까? 기능이 아무리 문제 해결에 뛰어나더라도 사람들이 사용하지 않으면 효과가 없습니다.
Amazon Kendra 출시와 함께 취한 이니셔티브 중 하나는 챗봇을 제공하는 것이었습니다. 즉, 채팅 도구에서 질문을 하면 적절한 지식으로 응답을 받습니다. 모든 재택근무 직원은 매일 채팅 도구를 사용하기 때문에 브라우저에서 새 검색 화면을 여는 것보다 챗봇을 사용하는 것이 훨씬 더 호환성이 좋습니다.
이 챗봇을 구현하기 위해 서버리스 이벤트 기반 프로그램을 실행할 수 있는 서비스인 Lambda를 사용합니다. 구체적으로 다음 워크플로우가 구현됩니다.
- 사용자가 멘션과 함께 챗봇에 질문을 게시합니다.
- 챗봇은 Lambda에 이벤트를 발행합니다.
- Lambda 함수는 이벤트를 감지하고 질문에 대해 Amazon Kendra를 검색합니다.
- Lambda 함수는 검색 결과를 채팅 도구에 게시합니다.
- 사용자가 검색 결과를 봅니다.
이 프로세스는 몇 초 밖에 걸리지 않으며 지식 검색을 위한 고품질 사용자 경험을 제공합니다. 대부분의 직원들은 챗봇을 통해 지식 공유 메커니즘에 노출되었으며, 챗봇이 메커니즘의 확산에 기여한 데는 의심의 여지가 없습니다. 그리고 챗봇만으로는 커버할 수 없는 부분이 있기 때문에 더 나은 사용자 경험을 제공하기 위해 챗봇과 함께 맞춤형 검색 화면을 활용하도록 요청하기도 했습니다.
결론
이 게시물에서는 지식 공유를 위한 Amazon Kendra의 사례 연구와 Lambda를 사용하여 메커니즘을 전파하는 챗봇 구현의 예를 제시했습니다. 대규모 언어 모델이 계속 진화함에 따라 Amazon Kendra가 또 한 번 도약하는 모습을 기대합니다.
Amazon Kendra를 사용해 보고 싶다면 다음을 확인하십시오. Amazon Kendra를 통한 엔터프라이즈 검색 향상. BrainPad는 또한 생성 AI를 사용하여 내부 지식 공유 및 문서 활용을 도울 수 있습니다. 자세한 내용은 당사에 문의하십시오.
저자에 관하여
오카다 나오키 박사 BrainPad Inc.의 수석 데이터 과학자입니다. 비즈니스, 분석 및 엔지니어링 분야의 교차 기능 경험을 통해 그는 DX 조직 구축에서 미개척 영역의 데이터 활용에 이르기까지 다양한 고객을 지원합니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- EVM 금융. 탈중앙화 금융을 위한 통합 인터페이스. 여기에서 액세스하십시오.
- 퀀텀미디어그룹. IR/PR 증폭. 여기에서 액세스하십시오.
- PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/how-brainpad-fosters-internal-knowledge-sharing-with-amazon-kendra/
- :있다
- :이다
- :아니
- :어디
- $ 10 만
- $UP
- 1
- 10
- 100
- 7
- a
- 능력
- 할 수 있는
- 소개
- 계정
- 누적 된
- 달성
- 달성
- 가로질러
- 방과 후 액티비티
- 또한
- 양자
- 이점
- 장점
- 후
- 집합
- 집합
- AI
- All
- 허용
- 수
- 혼자
- 또한
- 이기는하지만
- 아마존
- 아마존 켄드라
- Amazon Web Services
- 중
- an
- 분석
- 및
- 다른
- 어떤
- API를
- 적당한
- 적절하게
- 있군요
- 지역
- 지역
- 약
- AS
- At
- 자동화
- AWS
- 장벽
- 장벽
- 기초
- BE
- 때문에
- 가
- 처음
- 존재
- 이익
- 더 나은
- 가장 큰
- 블로그
- 블로그 게시물
- 브라우저
- 건축업자
- 건물
- 사업
- 바쁜
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 라는
- CAN
- 케이스
- 사례 연구
- 가지 경우
- 도전
- 과제
- 이전 단계로 돌아가기
- 변화
- 문자
- 채팅 봇
- 잡담
- 싼
- 검사
- 왼쪽 메뉴에서
- 선택
- 클라이언트
- 클라우드
- CO
- 암호
- 수집
- 집단적인
- 제공
- 공통의
- 기업
- 회사
- 호환
- 개념
- 임신
- 결합
- 연결
- 합병하다
- 강화
- CONTACT
- 포함
- 지속적으로
- 계속
- 기여
- 편리한
- 비용
- 값 비싼
- 비용
- 수
- 적용
- 만들
- 만든
- 사용자 정의
- 매일
- 데이터
- 데이터 과학자
- 날짜
- 일
- 분산 된
- 결정
- 학과
- 부서
- 전개
- 전개. 게다가
- 세부 묘사
- 개발
- DID
- 다른
- 어려운
- 방송
- 직접
- 발견
- 토론
- do
- 문서
- 서류
- 한
- 말라
- 의심
- dr
- 극적으로
- 두
- ...동안
- DX
- 마다
- 이전
- 완화
- 용이하게
- 쉽게
- 유효한
- 효율성
- 노력
- 노력
- 종업원
- 직원
- 엔진
- 엔지니어링
- 영어
- 강화
- Enterprise
- 들어갑니다
- 전체의
- 특히
- 평가
- 조차
- 이벤트
- 있을뿐만 아니라
- EVER
- 모든
- 매일
- 진화시키다
- 예
- 넘다
- 뛰어나다
- 존재
- 경험
- 착취
- 드러난
- 추출물
- 페이스메이크업
- 직면
- 인자
- 실패한
- 특색
- 특징
- 피드백
- 를
- 들
- 파일
- Find
- 발견
- 먼저,
- 유연성
- 흐름
- 수행원
- 럭셔리
- 힘
- 공식화
- 앞으로
- 발견
- 사
- 자주
- 에
- 기능
- 기능
- 기본적인
- 모임
- 생성
- 생성적인
- 제너레이티브 AI
- 얻을
- 점점
- 좋은
- 큰
- 매우
- 육로
- 손님
- 고객 포스트
- 했다
- 있다
- 데
- he
- 개최
- 도움
- 도움
- 도움이
- 도움이
- 여기에서 지금 확인해 보세요.
- 높은 품질의
- 그의
- 방법
- How To
- 그러나
- HTML
- HTTPS
- 백
- 장애
- 아이디어
- if
- 영상
- 바로
- 구현
- 이행
- 구현
- 구현
- import
- 개선
- in
- 기타의
- 주식 회사
- 포함
- 증가
- 개인
- 개인
- 산업
- 정보
- 발의
- 이니셔티브
- 입력
- 상호 작용하는
- 관심있는
- 인터페이스
- 내부의
- 으로
- 참여
- 문제
- IT
- 그
- 일본제
- 키
- 주요 분야
- 핵심 요소
- 종류
- 지식
- 언어
- 대규모
- 후에
- 시작
- 시작
- 리드
- 지도자
- 뛰어 넘다
- 레벨
- 레버리지
- LINK
- 작은
- 로드
- 긴
- 보기
- 찾고
- 롯
- 낮은
- 절감
- 기계
- 유지하다
- 과반수
- 유튜브 영상을 만드는 것은
- 구축
- .
- 어울리는
- 문제
- 방법
- 기구
- 미디어
- 매질
- 말하는
- 방법
- Microsoft
- 백만
- 최소의
- 모델
- 돈
- 모니터링
- 개월
- 배우기
- 가장
- 자극
- 많은
- 여러
- 자연의
- 필연적으로
- 필요한
- 필요
- 신제품
- 다음 것
- 아니
- 지금
- 번호
- 시대에 뒤 떨어진
- 장애물
- 획득
- of
- 제공
- 제공
- 자주
- on
- ONE
- 만
- 열 수
- 운영
- 운영
- or
- 주문
- 조직
- 조직
- 조직
- 최
- 기타
- 우리의
- 우리 회사
- 아웃
- 출력
- 극복하다
- 자신의
- 소유권
- 페이지
- 파트너
- 과거
- 사람들
- 성능
- 수행
- 개척
- 장소
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 부디
- 전철기
- 가난한
- 게시하다
- 게시물
- 힘
- 강한
- 선호하는
- 제시
- 너무 이른
- 이전에
- 주로
- 문제
- 문제
- 방법
- 처리
- 프로그램
- 증명
- 개념 증명
- 제공
- 제공
- 제공
- 목적
- Python
- 질문 게시판
- 품질
- 문제
- 빨리
- 범위
- 반응
- 이유
- 합리적인
- 이유
- 관련
- 필수
- 응답
- 한정된
- 결과
- 리뷰
- 연락해주세요
- 달리기
- 흩어져있는
- 과학자
- 화면
- 검색
- 검색 엔진
- 둘째
- 초
- 섹션
- 참조
- 보고
- 본
- 선택
- 분리
- 서버리스
- 서비스
- 서비스
- 세션
- 몇몇의
- 공유
- 공유
- 공유
- 비슷한
- 사태
- 작은
- So
- 솔루션
- 풀다
- 해결
- 해결
- 일부
- 출처
- 지우면 좋을거같음 . SM
- 전문화하다
- 전문적으로
- 구체적인
- 구체적으로
- 지출
- 스타트
- 저장
- 저장
- 전략
- 강한
- 구조
- 교육과정
- 스타일
- 성공적으로
- 이러한
- 요약
- 지원
- 체계
- 시스템은
- 받아
- 소요
- 작업
- Technology
- 조건
- test
- 보다
- 그
- XNUMXD덴탈의
- 정보
- 그들의
- 그들
- 그곳에.
- Bowman의
- 그들
- 이
- 그
- 세
- 을 통하여
- 도처에
- 시간
- 시대
- 에
- 함께
- 했다
- 수단
- 검색을
- 선로
- 전통적인
- 트렌드
- 시도
- 참된
- 두
- 유형
- 유형
- ui
- 유일한
- us
- 유용성
- 용법
- 사용
- 익숙한
- 사용자
- 사용자 경험
- 사용자
- 사용
- 가치 있는
- 가치
- 종류
- 여러
- 대단히
- 보기
- 필요
- 원
- 원
- 였다
- 방법..
- we
- 웹
- 웹 서비스
- 했다
- 뭐
- 언제
- 어느
- 동안
- 누구
- why
- 넓은
- 넓은 범위
- 크게
- 펼친
- 의지
- 과
- 이내
- 없이
- 워드
- 말
- 작업
- 협력
- 워크플로우
- 일하는
- year
- 엔
- 자신의
- 제퍼 넷