Amazon Pharmacy 利用 Amazon SageMaker 和 Amazon Bedrock 改善客户服务

研究一致表明，20-30％的美国人从不开处方。“由于负担能力和获取途径的问题，美国人往往不会服用对其长期健康非常重要的药物。”Amazon Pharmacy 副总裁 John Love 表示：“我们的目标是协助更多的人获得那些能够延长寿命并提升健康水平的药物。”

自推出以来，Amazon Pharmacy 在 AWS 上开发了人工智能和机器学习解决方案，从需求预测开始，以缩短药物交付时间。随后，Amazon Pharmacy 发现了生成式人工智能为客户带来即时价值的巨大潜力，这包括估算保险费用、优化数据输入以及协助客服团队迅速查找信息。

Amazon Pharmacy 在 AWS 上使用符合 HIPAA 标准的生成式人工智能和机器学习工具，为客户提供更高的价格透明度。例如，2023 年，Amazon Pharmacy 开始使用 A mazon SageMaker 上托管的深度学习统计模型为 99% 的处方提供保险定价估算。借助该服务，数据科学家和机器学习工程师可以使用完全托管的基础架构、工具和工作流程，为几乎任何用例构建、训练和部署机器学习模型。价格估算有助于客户做出更明智的决策。一旦客户的处方被发送到 Amazon Pharmacy，客户在结账前就能看到清晰、透明、个性化的保险和现金支付选项、通过 PrimeRx 提供的折扣以及其他潜在的省钱方式。“对客户而言，这些无疑是巨大的利好。”Love 表示：“他们在迅速收到药品的同时，也获得了更加透明的定价信息。”

2023 年，Amazon Pharmacy 开始研究基于大型语言模型的聊天机器人如何帮助其增强客户支持。亚马逊药房使用亚马逊SageMaker创建了一个基于LLM的聊天机器人 ，以便其客户服务代表可以专注于改善客户体验。聊天机器人有助于为 Amazon Pharmacy 的客户服务座席节省大量时间。“如果走进任何一家实体药店，您就会发现，员工所做的每一件事，每一个细节是否处理得当，很大程度上都取决于他们的用心程度。”Love 表示：“通过我们对人工智能的应用，可以确保专注度不会受到影响。”

Amazon Pharmacy 使用两种模型来创建其聊天机器人：嵌入模型和大型语言模型。第一个模型有助于索引检索，对于从 Amazon Pharmacy 广泛的帮助中心知识库中提取相关答案至关重要。开发团队使用 Amazon SageMaker JumpStart 快速尝试了不同的模型。Amazon SageMaker JumpStart 是一个机器学习中心，具有基础模型、内置算法和预建的机器学习解决方案，只需点击几下即可部署。Amazon Pharmacy 的开发团队利用 Amazon SageMaker JumpStart，缩短了从头开始训练模型所需的数月时间。

第二个模型汇总了提取的信息以供客户服务代表审查，该模型依赖于通过 Amazon Bedrock访问的基础模型。Amazon Bedrock是一项完全托管的服务，可提供来自主要人工智能公司的高性能基础模型以及组织构建具有安全、隐私和负责任人工智能的生成式人工智能应用程序所需的广泛功能。客户服务代表通过使用自然语言进行提问和获取答案，有效提升了工作效率。“当客户向支持中心提出问题时，我们的模型可随时为客户服务代表提取信息。”Love 表示：“该流程的速度和质量改善了客户访问量。”

Amazon Pharmacy 使用其他 AWS 服务来帮助实现无缝的客户体验。为了转录医生办公室通过传真发送的处方，Amazon Pharmacy 使用 Amaz on Textr act，该服务可通过智能文档处理自动从几乎任何文档中提取打印文本、手写内容和数据。“在 AWS 上，我们通过整合各种技术来解决问题，实现了组合创新。”Love 说道：“我们能够灵活运用各种技术，持续改进医疗保健服务。”

Amazon Pharmacy 与 Amazon Comprehend Medical 一起使用自己的自定义解决方案来构建用于处方处理的数据。A mazon Comprehend Medical 是一项符合 HIPAA 条件的自然语言处理服务，使用经过预训练的机器学习来理解和提取非结构化医学文本中的健康数据。

“在客户支持中，我们运用生成式人工智能提取付款人信息，提出下一步行动建议，审核保险事宜，并协助我们解读收到的所有数据。”Amazon Pharmacy 高级首席工程师 Alex Alves 表示：“它使整个流程更快捷、更准确。利用 AWS，我们能够定制符合行业需求的解决方案，同时将安全和隐私放在首位。