Dovetail 使用 Amazon Bedrock 在几周内开发的全新的生成式人工智能产品，提高了客户洞察力

Dovetail 于 2017 年在澳大利亚成立，可帮助企业分析来自客户视频、录音和文档的非结构化数据。最初，该平台专注于为手动数据处理提供生产力功能，例如创建亮点和添加标签。

2019 年，Dovetail 迁移到 Amazon Web Services（AWS）以支持其不断增长的平台。随着时间的推移，Dovetail 和 AWS 加强了合作，Dovetail 提供反馈，AWS 则为其开发提供支持。Dovetail 的软件工程师 Peter Wooden 分享说：“AWS 对我们的反馈反应非常迅速。他们不断利用我们的见解来增强他们的服务，使我们能够专注于我们的核心产品。” 随着大型语言模型（LLM）的兴起，Dovetail 开始改进其产品，自动化流程以提高效率，例如识别转录中的关键时刻和对支持票证进行分类。该公司的人工智能（AI）和机器学习（ML）之旅始于自动转录和基本情绪分析。 

认识到 LLM 的潜力，Dovetail 看到了开发新功能以增强跨客户沟通渠道进行数据聚合和模式识别的机会。部署生成式人工智能将提供更高水平的端到端自动化，极大地加快了客户的工作流程，帮助他们比以往更快地发现见解。正如 Dovetail 联合创始人兼首席执行官 Benjamin Humphrey 所解释的那样，“我们需要一个托管服务来访问最新的 LLM 和嵌入模型，以快速进行原型设计和交付”。Dovetail 寻求集成生成式人工智能，为用户提供更高效的工具来分析非结构化数据，从而增强平台的功能和直观性。

当 AWS 推出提供一系列高性能基础模型的完全托管服务 Amazon Bedrock 时，Dovetail 应邀加入了服务预览群组。此前，Dovetail 曾使用 Amazon SageMaker 来部署深度学习模型，但需要针对其可变工作负载的更灵活的解决方案。借助 Amazon Bedrock，Dovetail 可以按需访问无服务器计算，并在高峰时段自动扩展其 API。Wooden 说：“事实证明，Amazon Bedrock 是集成和部署生成式人工智能功能的一种更经济高效、灵活且无缝的方式。”

Dovetail 决定选择 Amazon Bedrock 的另一个关键因素是 AWS 提供的有关底层技术和流程的透明度。AWS 确保客户数据保密，不将其用于训练模型或测试概念，从而保护客户委托给 Dovetail 的数据。

这种对数据安全的关注贯穿于 Dovetail 的整个运营过程。通过使用 AWS，Dovetail 及其客户将从增强的安全性和减少的开销中获益。从应用程序服务器到数据库，所有客户数据都安全地保存在 Dovetail 的私有网络中。  该公司利用多个 AWS 区域托管客户数据，满足客户的数据驻留要求。同时，Dovetail 通过在 AWS 上开发其生成式人工智能功能来简化合规性。这种方法无需通知客户有关第三方子处理器的信息，并降低了客户拒绝这些处理器的风险。