这是 BrainPad Inc. 首席数据科学家 Naoki Okada 博士的客座帖子。
公司成立于2004, 脑垫公司 是数据利用领域的先驱合作伙伴,帮助企业通过使用数据创造业务和改善管理。 迄今为止,BrainPad 已帮助超过 1,300 家公司,主要是行业领导者。 BrainPad 的优势在于提供从制定数据利用策略到概念验证和实施的一站式服务。 BrainPad 的独特风格是与客户一起解决实地问题,例如由于孤立的组织结构而未收集的数据或存在但未组织的数据。
这篇文章讨论了如何使用 亚马逊肯德拉 和 AWS Lambda 以及 Amazon Kendra 如何解决许多公司面临的知识共享障碍。 我们总结了 BrainPad 在四个关键领域的努力:
- 许多公司面临的知识共享问题是什么?
- 我们为什么选择 Amazon Kendra?
- 我们如何实施知识共享系统?
- 即使一个工具有用,但如果不使用它也是毫无意义的。 我们是如何克服采用障碍的?
许多公司面临的知识共享问题
许多公司通过将他们的工作划分到不同的领域来实现他们的结果。 这些活动中的每一项每天都会产生新的想法。 这些知识是在个人基础上积累的。 如果这些知识可以在人与组织之间共享,就可以在相关工作中产生协同效应,工作效率和质量将大幅提高。 这就是知识共享的力量。
然而,知识共享存在许多常见障碍:
- 很少有人主动参与,而且由于日程繁忙,该过程无法持续很长时间。
- 知识分散在多种媒体中,例如内部维基和 PDF,因此很难找到您需要的信息。
- 没有人将知识输入知识整合系统。 由于搜索性差,该系统不会被广泛使用。
我们公司也遇到过类似的情况。 知识共享的根本问题是,虽然大多数员工有强烈的获取知识的需求,但他们没有动力去分享自己的知识,并为此付出代价。 仅仅为了知识共享而改变员工行为并不容易。
此外,每个员工或部门都有自己喜欢的知识积累方法,试图强制统一不会导致知识共享的动力或绩效。 这让管理层很头疼,他们想要巩固知识,而那些在该领域的人则希望以分散的方式拥有知识。
在我们公司,Amazon Kendra 是解决这些问题的云服务。
为什么我们选择 Amazon Kendra
Amazon Kendra 是一项云服务,允许我们从一个公共界面搜索内部信息。 换句话说,它是一个专门研究内部信息的搜索引擎。 在本节中,我们将讨论我们选择 Amazon Kendra 的三个主要原因。
轻松聚合知识
如前一节所述,知识即使存在,也往往分散在多种媒体中。 在我们的案例中,它分散在我们的内部 wiki 和各种文档文件中。 Amazon Kendra 提供强大的 连接器 对于这种情况。 我们可以轻松地从各种媒体导入文档,包括群件、wiki、Microsoft PowerPoint 文件、PDF 等,没有任何麻烦。
这意味着员工不必为了分享知识而改变他们存储知识的方式。 虽然可以暂时实现知识聚合,但维护成本非常高。 自动化的能力对我们来说是一个非常理想的因素。
强大的可搜索性
有很多擅长信息输入的群件和 wiki。 然而,它们通常在信息输出(可搜索性)方面存在弱点。 对于日语搜索尤其如此。 例如,在英语中,单词级别的匹配提供了合理级别的可搜索性。 然而,在日语中,单词提取比较困难,并且存在通过将单词分开适当数量的字符来进行匹配的情况。 如果搜索“Tokyo-to(东京都)”被“Tokyo(东京)”和“Kyoto(京都)”两个字符分隔,则很难找到您要查找的知识。
Amazon Kendra 提供了很好的 通过机器学习的可搜索性. 除了“技术趋势”等传统关键字搜索外,“我要有关新技术举措的信息”等自然语言搜索可以极大地提升用户体验。 能够适当地搜索收集到的信息是我们选择 Amazon Kendra 的第二个原因。
低拥有成本
专门从事知识聚合和检索的 IT 工具称为企业搜索系统。 实施这些系统的一个问题是成本。 对于拥有数百名员工的组织,每年的运营成本可能超过 10 万日元。 这不是启动知识共享计划的廉价方式。
Amazon Kendra 以 成本低得多 比大多数企业搜索系统。 如前所述,知识共享计划并不容易实施。 我们想从小处着手,而 Amazon Kendra 的低拥有成本是我们做出决定的关键因素。
此外,Amazon Kendra 的易实施性和灵活性对我们来说也是很大的优势。 下一节总结了我们的实施示例。
我们如何实施知识共享系统
实现不是一个夸张的开发过程; 遵循 Amazon Kendra 处理流程,无需代码即可完成。 以下是实施过程中的五个关键点:
- 数据源(积累知识) – 我们公司各部门和员工经常举行内部学习会,通过这些活动,在维基和各种类型的存储等多种媒体中积累知识。 那个时候,后面学习课的资料很容易复习。 然而,为了提取特定领域或技术的知识,需要对每一种媒介进行详细审查,这不是很方便。
- 连接器(聚合知识) – 借助 Amazon Kendra 中的连接器功能,我们能够将分散在整个公司的知识链接到 Amazon Kendra 中,并实现跨部门搜索。 此外,连接器通过受限帐户加载,允许安全意识的实施。
- 搜索引擎(查找信息) – 因为 Amazon Kendra 有一个 可用性测试的搜索页面,我们能够在加载文档后立即快速测试搜索引擎的可用性,看看可以找到什么样的知识。 这对巩固发布会形象很有帮助。
- 搜索 UI(用户搜索页面) – Amazon Kendra 有一个功能叫做 体验生成器 向用户公开搜索屏幕。 此功能无需代码即可实现,这对于在测试部署期间获得反馈非常有帮助。 除了 Experience Builder 之外,Amazon Kendra 还支持 Python 和 React.js API 实现,因此我们最终可以为我们的员工提供定制的搜索页面,以改善他们的体验。
- 分析(监控使用趋势) – 企业搜索系统只有在有很多人使用时才有价值。 亚马逊肯德拉有 监控能力 正在执行多少次搜索以及针对哪些术语。 我们使用此功能来跟踪使用趋势。
我们还有一些与我们的实施相关的问答:
- 收集内部知识有哪些挑战? 我们必须首先收集每个部门和员工拥有的知识,但不一定在可以直接连接到 Amazon Kendra 的地方。
- 我们如何从 Amazon Kendra 中获益? 我们过去曾多次尝试分享知识,但常常失败。 原因是信息聚合、可搜索性、运营成本和实施成本。 Amazon Kendra 具有解决这些问题的功能,我们在构思后大约 3 个月内成功推出了它。 现在,我们可以使用 Amazon Kendra 为以前需要个人或部门的知识作为整个组织的集体知识的任务找到解决方案。
- 您如何评估系统的可搜索性,您做了哪些改进? 首先,我们让许多员工与系统交互并获得反馈。 实施之初出现的一个问题是,信息分散,作为知识几乎没有价值。 这是因为一些数据源包含来自内部博客文章的信息,例如。 我们一直致力于通过选择正确的数据源来改善用户体验。
如前所述,通过使用 Amazon Kendra,我们能够以最低的成本克服许多实施障碍。 然而,此类工具的最大挑战是实施后的采用障碍。 下一节将举例说明我们如何克服这一障碍。
我们如何克服采用障碍
您是否见过您花费大量精力、时间和金钱实施的工具没有得到广泛使用就已经过时了? 无论功能在解决问题方面有多好,如果人们不使用它,它就不会有效。
我们在推出 Amazon Kendra 时采取的一项举措是提供聊天机器人。 换句话说,当您在聊天工具中提出问题时,您会得到具有适当知识的答复。 因为我们所有的远程办公员工每天都使用聊天工具,所以使用聊天机器人比让他们在浏览器中打开一个新的搜索屏幕更兼容。
为了实现这个聊天机器人,我们使用了 Lambda,这是一种允许我们运行无服务器、事件驱动程序的服务。 具体实现了以下工作流:
- 用户通过提及向聊天机器人发布问题。
- 聊天机器人向 Lambda 发出一个事件。
- Lambda 函数检测事件并在 Amazon Kendra 中搜索问题。
- Lambda 函数将搜索结果发布到聊天工具。
- 用户查看搜索结果。
此过程仅需几秒钟,并为知识发现提供高质量的用户体验。 大多数员工通过聊天机器人接触到知识共享机制,毫无疑问,聊天机器人促进了该机制的传播。 而且由于聊天机器人无法单独覆盖某些区域,我们还要求他们将自定义搜索屏幕与聊天机器人结合使用,以提供更好的用户体验。
结论
在本文中,我们介绍了 Amazon Kendra 的知识共享案例研究和使用 Lambda 传播该机制的聊天机器人实施示例。 随着大规模语言模型的不断发展,我们期待看到 Amazon Kendra 再次向前迈进。
如果您有兴趣试用 Amazon Kendra,请查看 使用Amazon Kendra增强企业搜索. BrainPad 还可以帮助您使用生成式 AI 进行内部知识共享和文档开发。 请与我们联系以获取更多信息。
关于作者
冈田直树博士 是 BrainPad Inc. 的首席数据科学家。凭借在业务、分析和工程方面的跨职能经验,他为广泛的客户提供支持,从建立 DX 组织到在未开发领域利用数据。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- EVM财务。 去中心化金融的统一接口。 访问这里。
- 量子传媒集团。 IR/PR 放大。 访问这里。
- 柏拉图爱流。 Web3 数据智能。 知识放大。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/how-brainpad-fosters-internal-knowledge-sharing-with-amazon-kendra/
- :具有
- :是
- :不是
- :在哪里
- 10 百万美元
- $UP
- 1
- 10
- 100
- 7
- a
- 对,能力--
- Able
- 关于
- 账号管理
- 积累
- 实现
- 横过
- 活动
- 增加
- 采用
- 优点
- 优点
- 后
- 汇总
- 聚合
- AI
- 所有类型
- 允许
- 允许
- 单
- 还
- 尽管
- Amazon
- 亚马逊肯德拉
- 亚马逊网络服务
- 其中
- an
- 分析
- 和
- 另一个
- 任何
- API
- 适当
- 适当
- 保健
- 国家 / 地区
- 地区
- 围绕
- AS
- At
- 自动化
- AWS
- 屏障
- 障碍
- 基础
- BE
- 因为
- 成为
- 开始
- 作为
- 得益
- 更好
- 最大
- 博客
- 博客文章
- 浏览器
- 建设者
- 建筑物
- 商业
- 忙碌
- 但是
- by
- 被称为
- CAN
- 案件
- 案例研究
- 例
- 挑战
- 挑战
- 更改
- 改变
- 字符
- 聊天机器人
- 聊天机器人
- 廉价
- 查
- 选择
- 客户
- 云端技术
- CO
- 码
- 收藏
- 集体
- 购买的订单均
- 相当常见
- 公司
- 公司
- 兼容
- 概念
- 概念
- 结合
- 已联繫
- 巩固
- 合并
- CONTACT
- 包含
- 不断
- 继续
- 贡献
- 便捷
- 价格
- 昂贵
- 成本
- 可以
- 覆盖
- 创建信息图
- 创建
- 定制
- 每天
- data
- 数据科学家
- 日期
- 天
- 分散
- 决定
- 问题类型
- 部门
- 部署
- 部署。 此外
- 细节
- 研发支持
- DID
- 不同
- 难
- 扩散
- 直接
- 发现
- 讨论
- do
- 文件
- 文件
- 完成
- 别
- 怀疑
- dr
- 显着
- 两
- ,我们将参加
- DX
- 每
- 此前
- 缓解
- 容易
- 易
- 有效
- 效率
- 努力
- 工作的影响。
- 员工
- 员工
- 发动机
- 工程师
- 英语
- 提高
- 企业
- 进入
- 整个
- 特别
- 评估
- 甚至
- 活动
- 终于
- EVER
- 所有的
- 每天
- 发展
- 例子
- 超过
- Excel
- 存在
- 体验
- 开发
- 裸露
- 提取
- 面部彩妆
- 面临
- 因素
- 失败
- 专栏
- 特征
- 反馈
- 少数
- 部分
- 档
- 找到最适合您的地方
- 寻找
- 姓氏:
- 高度灵活
- 流
- 以下
- 针对
- 力
- 制定
- 向前
- 发现
- 四
- 频繁
- 止
- 功能
- 功能
- 根本
- 搜集
- 产生
- 生成的
- 生成式人工智能
- 得到
- 越来越
- 非常好
- 大
- 非常
- 陆运
- 客人
- 游客发表
- 民政事务总署
- 有
- 有
- he
- 保持
- 帮助
- 帮助
- 有帮助
- 帮助
- 相关信息
- 高品质
- 他的
- 创新中心
- How To
- 但是
- HTML
- HTTPS
- 百
- 跨栏
- 思路
- if
- 图片
- 立即
- 实施
- 履行
- 实施
- 实施
- 进口
- 改善
- in
- 其他
- 公司
- 包含
- 增加
- 个人
- 个人
- 行业中的应用:
- 信息
- 倡议
- 项目
- 输入
- 相互作用
- 有兴趣
- 接口
- 内部
- 成
- 参与
- 问题
- IT
- 它的
- 日文
- 键
- 重点领域
- 关键因素
- 类
- 知识
- 语言
- 大规模
- 后来
- 发射
- 推出
- 铅
- 领导人
- 飞跃
- Level
- 借力
- 友情链接
- 小
- 装载
- 长
- 看
- 寻找
- 占地
- 低
- 降低
- 机
- 保持
- 多数
- 制作
- 颠覆性技术
- 许多
- 匹配
- 问题
- 手段
- 机制
- 媒体
- 中等
- 提到
- 方法
- 微软
- 百万
- 最小
- 模型
- 钱
- 监控
- 个月
- 更多
- 最先进的
- 动机
- 许多
- 多
- 自然
- 一定
- 必要
- 需求
- 全新
- 下页
- 没有
- 现在
- 数
- 过时的
- 障碍
- 获得
- of
- 最多线路
- 优惠精选
- 经常
- on
- 一
- 仅由
- 打开
- 操作
- 操作
- or
- 秩序
- 组织
- 组织
- 组织
- 举办
- 其他名称
- 我们的
- 公司简介
- 输出
- 产量
- 克服
- 己
- 所有权
- 页
- 合伙人
- 过去
- 员工
- 性能
- 执行
- 创举
- 地方
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 请
- 点
- 贫困
- 帖子
- 帖子
- 功率
- 强大
- 首选
- 呈现
- 以前
- 先前
- 主要
- 市场问题
- 问题
- 过程
- 处理
- 训练课程
- 证明
- 概念验证
- 提供
- 提供
- 优
- 目的
- 蟒蛇
- Q&A
- 质量
- 题
- 很快
- 范围
- 应对
- 原因
- 合理
- 原因
- 有关
- 必须
- 响应
- 受限
- 成果
- 检讨
- 右
- 运行
- 零落
- 科学家
- 屏风
- 搜索
- 搜索引擎
- 其次
- 秒
- 部分
- 看到
- 看到
- 看到
- 选择
- 分离
- 无服务器
- 服务
- 特色服务
- 招生面试
- 几个
- Share
- 共用的,
- 共享
- 类似
- 情况
- 小
- So
- 解决方案
- 解决
- 解决
- 解决
- 一些
- 来源
- 来源
- 专攻
- 专业
- 具体的
- 特别是
- 花费
- 开始
- 存储
- 商店
- 策略
- 强烈
- 结构体
- 学习
- 样式
- 顺利
- 这样
- 总结
- 支持
- 系统
- 产品
- 采取
- 需要
- 任务
- 专业技术
- 条款
- test
- 比
- 这
- 信息
- 其
- 他们
- 那里。
- 博曼
- 他们
- Free Introduction
- 那些
- 三
- 通过
- 始终
- 次
- 时
- 至
- 一起
- 了
- 工具
- 工具
- 跟踪时
- 传统
- 趋势
- 尝试
- true
- 二
- 类型
- 类型
- ui
- 独特
- us
- 可用性
- 用法
- 使用
- 用过的
- 用户
- 用户体验
- 用户
- 运用
- 有价值
- 折扣值
- 各种
- 各个
- 非常
- 意见
- 想
- 通缉
- 希望
- 是
- 方法..
- we
- 卷筒纸
- Web服务
- 为
- 什么是
- ,尤其是
- 这
- 而
- WHO
- 为什么
- 宽
- 大范围
- 广泛
- 广泛
- 将
- 中
- 也完全不需要
- Word
- 话
- 工作
- 一起工作
- 工作流程
- 加工
- 年
- 日元
- 完全
- 和风网