Workday 使用 Amazon SageMaker 加速生成式人工智能和机器学习产品开发

Workday Inc. (Workday) 是帮助组织管理其人员和资金的领先解决方案提供商，它高度专注于将工程工作投入到开发内置人工智能 (AI) 功能的产品上。为了帮助将工程师从基础设施维护中解放出来，Workday 采用了 Amazon SageMaker，这是一项完全托管的服务，可帮助其团队为任何用例构建、训练和部署机器学习 (ML) 模型。通过使用 AWS 服务，Workday 的工程团队可以快速迭代复杂的模型，包括大型语言模型 (LLM)，并将其部署到生产环境中。

对于生成式人工智能用例，Workday 使用 Amazon SageMaker 来简化 LLM 模型的搜索、评估、自定义和部署。Workday 人工智能副总裁 Eddie Raffaele 表示：“Workday 一直是 LLM 模型的早期采用者，我们正在积极构建新的生成式人工智能功能，这有助于我们的客户提高生产力、实现成长、留住人才、简化业务流程并推动更好的决策。”“Workday 可以快速利用生成式人工智能的力量，并通过安全和负责任地为客户提供最佳解决方案来实现其价值。”

为了支持全球团队之间的协作，Workday 使其工程师能够访问 Amazon SageMaker Studio，这是一个基于 Web 的集成机器学习开发环境。然后，Workday 的工程师可以使用 Amazon SageMaker Jumpstart——一个包含基础模型、内置算法和预建机器学习解决方案的机器学习中心，比较和评估新的基础模型。Luke 说道：“对于创建职位描述等必须是高质量的任务，我们使用 Amazon SageMaker 中的模型评估功能，并选择能负责任地反映我们公司优先事项和指标的最佳基础模型。”

Workday 的工程团队还采用了 Amazon SageMaker Ground Truth Plus，它在机器学习生命周期中应用人工反馈，以创建和评估高质量的模型。该团队已在八个标签用例中使用了该解决方案，包括命名实体识别、实体链接、情绪和主题分析等用例。Luke 说道：“我们需要进行大量的标注和注释工作，以管理我们的 LLM 输出，并在我们保证的 SLA 范围内接收高质量的数据。”“Amazon SageMaker Ground Truth Plus 已成为我们 LLM 的固有组成部分。”

接下来，Workday 的工程师可以使用 Amazon SageMaker Notebook 实例来准备和处理数据以训练其 LLM 模型，从而使用高质量的数据对其 LLM 进行微调。然后，Workday 的工程师部署其模型进行推理，以实现最佳性能和成本，同时减轻运营负担。例如，Workday 使用 Amazon SageMaker 试用了一款封闭式机器学习应用程序，该应用程序可以分析职位描述、发票和合同。在这次试点中，Workday 的机器学习推理延迟减小了五倍。

Workday 还使用 LLM 来提供友好的个性化提醒，帮助其客户按计划实现其项目和组织目标。Luke 说道：“Workday 提供 13,000 多项任务。”“我们已经为租户构建并训练了一个机器学习模型，该模型根据用户的活动提供三项最重要的任务推荐。” 有了这些触手可及的工具，Workday 的客户就可以最大限度地提高运营效率，并利用数据驱动的见解确定项目的优先顺序。

Workday 抢先体验了 Amazon Bedrock，该服务为使用基础模型构建和扩展生成式人工智能应用程序提供了最简单的方法。Workday 使用 Amazon Bedrock 来促进产品原型设计和测试含有数十亿个参数的机器学习模型。Luke 说道：“我们能够快速进行尝试，确定我们应该投资哪些人工智能功能，并将其展示在客户面前。”

Workday 团队还努力立即为其客户部署新功能，而不是一次在一个地区推出新功能。Luke 说道：“我们对 AWS 给予我们的灵活性感到满意。”“我们可以为客户创造价值并实现横向扩展。”