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

随着制药行业需求的增长，药剂师面临着越来越沉重的管理负担，使得他们的注意力从客户身上转移开来。在效率低下的遗留系统仍然占主导地位的环境中，Amazon Pharmacy 正在努力借助人工智能改善客户体验。

Amazon Pharmacy 成立于 2020 年，是 Amazon.com 上一家提供全方位服务的数字药房，业务遍及美国所有 50 个州。Amazon Pharmacy 在 Amazon Web Services (AWS) 上使用符合 HIPAA 标准的人工智能和机器学习服务，通过更快地提供处方药、提供预先保险估算以及提供持续的临床和客户服务来改善客户体验。

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 开始利用托管在 Amazon SageMaker 上的深度学习统计模型，为 99% 的处方提供保险定价估算。在这项服务中，数据科学家和机器学习工程师可以利用完全托管的基础设施、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。Amazon Pharmacy 利用 Amazon SageMaker 创建了一个基于大型语言模型的聊天机器人，使其客户服务代表能够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 快速试验了不同的模型，后者是一个机器学习中心，包含基础模型、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。

第二个模型依靠通过 Amazon Bedrock 访问的基础模型，汇总提取的信息供客户服务代表查看。Amazon Bedrock 是一项完全托管的服务，提供了一系列来自顶尖人工智能公司开发的高性能基础模型，以及组织构建具有安全性、隐私性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 使用了 Amazon Textract 服务。这项服务能够智能地处理文档，自动从几乎所有类型的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 使用自己的定制解决方案以及 Amazon Comprehend Medical 服务构建处方处理数据，后者是一项符合 HIPAA 标准的自然语言处理服务，使用预训练的机器学习模型来识别和提取非结构化医疗文本中的健康信息。

“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。