Amazon Kendra 기능

Amazon Kendra는 기계 학습을 사용하여 비정형 데이터에서 보다 관련성 있는 답변을 제공합니다. ‘건강 보험’ 같은 일반적 키워드를 검색하거나 ‘출산휴가 기간은 얼마나 되나요?’와 같은 자연어 질문을 하면 Amazon Kendra는 독해력을 사용하여 구체적인 답변(‘14주’)을 제공합니다. ‘VPN을 어떻게 구성하나요?’ 같은 보다 일반적인 질문에 대해 Amazon Kendra는 가장 관련성 높은 텍스트 구절을 추출하여 설명적 답변을 제공합니다.

Amazon Kendra는 또한 FAQ 매칭을 지원하며 특수 모델을 사용하여 가장 근접한 질문을 정확히 찾아내어 그에 상응하는 답변을 반환합니다. 

Amazon Kendra는 HTML 페이지에 내장된 테이블에서도 답변을 찾을 수 있습니다. ‘연회비가 가장 낮은 신용카드는 무엇인가요?’ 같은 질문을 하면 마케팅 웹 페이지의 신용카드 비교 테이블에서 답변을 찾을 수 있습니다.

위에 설명된 지능형 검색 기능을 보완하기 위해 Amazon Kendra는 딥 러닝 의미 체계 검색 모델을 사용하여 문서의 순위를 정확하게 지정합니다. 전반적으로 더 풍부한 검색 경험에서 제시된 특정 답변을 확인하고 추가 정보가 필요한 경우 관련 콘텐츠를 탐색할 수 있습니다.

Amazon Kendra는 기계 학습을 사용하여 최종 사용자 검색 패턴과 피드백을 기반으로 검색 결과를 지속적으로 최적화합니다. 예를 들어 ‘의료 보험을 어떻게 변경하나요?’를 검색하면 여러 인적 자원(HR) 혜택 문서가 최상의 자리를 두고 경쟁하게 됩니다. 이 질문에 가장 관련 있는 문서를 결정하기 위해 Amazon Kendra는 사용자 상호 작용 및 피드백에서 학습하여 선호 문서를 목록 상위로 올립니다. 증분 학습 기술이 자동으로 적용되므로 전문 ML 기술이 필요하지 않습니다.

특정 비즈니스 목표를 기반으로 검색 결과를 미세 조정하고 결과에서 특정 답변과 문서를 향상시킬 수 있습니다. 예를 들어 관련성 튜닝은 신뢰도가 높은 데이터 소스, 작성자 또는 문서의 최신성에 따라 결과를 개선하는 데 도움이 됩니다. 더 많은 정보는 관련성 튜닝 블로그 게시물을 참조하세요.

특정 비즈니스 어휘에 대한 Amazon Kendra의 이해도를 높이기 위해 사용자 지정 동의어를 제공할 수 있습니다. Amazon Kendra는 이 자료를 사용하여 확장 어휘에 해당하는 콘텐츠 및 답변을 포함하는 쿼리를 자동으로 확장합니다. 예를 들어 사용자가 ‘HSA가 무엇인가요?’라는 질문을 했을 때 Amazon Kendra는 ‘Health Savings Account’ 또는 ‘HSA’를 참조하는 문서를 반환합니다.

Amazon Kendra와 함께 커넥터를 사용하면 빠르고 쉽게 Amazon Kendra 인덱스에 데이터 소스를 추가하고 커넥터 유형을 선택할 수 있습니다. 인덱스를 데이터 소스와 자동으로 동기화하도록 커넥터 일정을 예약하면 항상 최신 콘텐츠를 안전하게 검색할 수 있습니다. Amazon Kendra는 Amazon Simple Storage Service(S3), Microsoft SharePoint, Salesforce, ServiceNow, Google Drive, Confluence 등과 같은 널리 사용되는 데이터 원본을 위한 기본 커넥터를 제공합니다. 기본 커넥터를 사용할 수 없는 경우 Amazon Kendra는 사용자 지정 데이터 원본 커넥터와 여러 파트너 지원 커넥터를 제공합니다. Amazon Kendra 커넥터 가용성에 대한 자세한 내용은 Amazon Kendra 커넥터 라이브러리를 참조하세요.

Amazon Kendra는 딥 러닝 모델을 사용하여 HR, 운영, 지원 및 R&D를 포함하여 광범위한 내부 사용 사례에 대한 자연어 쿼리를 이해하고 콘텐츠 및 구조를 문서화합니다. Amazon Kendra는 또한 IT, 금융 서비스, 보험, 제약, 공업 제조, 석유 및 가스, 법률, 미디어 및 엔터테인먼트, 여행 및 접객, 보건, 뉴스, 통신, 광업, 식음료 및 자동차와 같은 영역의 복잡한 언어를 이해하도록 최적화되었습니다. 예를 들어, HR 답변을 검색하는 사용자가 ‘HSA 양식 제출 마감일’을 입력할 수 있으며, Amazon Kendra는 가장 정확한 답변을 얻기 위해 더 광범위한 적용 범위에서 ‘건강 저축성 계좌 양식 제출 마감일’을 검색할 수도 있습니다.

이제 코딩이나 기계 학습 경험 없이도 몇 단계로 Amazon Kendra를 사용하여 완벽하게 작동하고 사용자 지정 가능한 검색 경험을 배포할 수 있습니다. 경험 빌더는 클라우드에서 안전하고 빠르게 검색 애플리케이션을 구축, 사용자 지정 및 실행할 수 있는 직관적인 시각적 워크플로를 제공합니다. 빌더에서 바로 사용할 수 있는 검색 경험 템플릿을 사용하여 시작할 수 있고 필터나 정렬과 같이 원하는 구성 요소를 끌어다 놓는 방법으로 사용자 지정할 수 있습니다. 다른 사용자를 초대하여 협업하거나 검색 애플리케이션을 테스트하여 피드백을 받은 다음 경험을 배포할 준비가 되면 모든 사용자와 프로젝트를 공유할 수 있습니다. Amazon Kendra 경험 빌더는 Azure AD 및 Okta와 같은 주요 ID 제공업체를 지원하는 AWS IAM Identity Center(AWS Single Sign-On의 후속 서비스)와 통합되어 최종 사용자가 검색 경험에 액세스하는 동안 안전하게 Single Sign-On(SSO)으로 인증할 수 있도록 합니다. Amazon Kendra Experience Builder에 대한 자세한 내용은 설명서를 참조하세요.

Amazon Kendra 검색 분석 대시보드는 검색 애플리케이션의 품질 및 사용성 지표를 더 잘 이해하는 데 도움이 됩니다. 이 대시보드는 관리자와 콘텐츠 작성자가 최종 사용자가 관련 검색 결과, 검색 결과 품질 및 콘텐츠 격차를 얼마나 쉽게 찾는지 이해하는 데 도움이 됩니다. 또한 사용자와 검색 애플리케이션의 상호 작용 방식과 검색 결과의 효과에 대한 개요를 보여줍니다. 분석 데이터는 콘솔의 시각적 대시보드에서 보거나, API를 통해 데이터에 액세스하여 고유의 대시보드를 구축할 수도 있습니다. 이렇게 하면 검색 동향 및 사용자 행동을 심층적으로 분석하여 인사이트를 식별하고 잠재적인 개선 영역을 명확하게 파악할 수 있습니다. Amazon Kendra 검색 분석 대시보드에 대한 자세한 내용은 설명서를 참조하세요.

Amazon Kendra 사용자 지정 문서 보강 기능을 사용하면 Amazon 문서가 Amazon Kendra로 인덱싱되기 전에 문서를 사전 처리할 수 있는 사용자 지정 수집 파이프라인을 구축할 수 있습니다. 예를 들어 커넥터를 사용하여 SharePoint와 같은 리포지토리에서 콘텐츠를 수집하는 동안 추가 메타데이터로 문서를 보강하고, 스캔한 문서를 텍스트로 변환하며, 문서를 분류하고, 엔터티를 추출하며, 사용자 지정 ETL 프로세스를 사용하여 문서를 추가로 변환할 수 있습니다. 보강은 콘솔에서 구성할 수 있는 규칙이나 AWS Lambda에서 함수를 호출하여 수행됩니다. 이러한 함수는 Amazon Comprehend, Amazon Transcribe 또는 Amazon Textract와 같은 다른 AWS AI 서비스를 선택적으로 호출할 수 있습니다. Amazon Kendra Custom Document Enrichment에 대한 자세한 내용은 설명서를 참조하세요.

Amazon Kendra에는 최종 사용자의 검색 쿼리를 자동으로 완성하는 기능이 포함되어 있습니다. 쿼리 자동 완성은 타이핑을 약 25% 줄이는 데 도움이 될 뿐만 아니라 더 정확하고 자주 묻는 질문으로 안내함으로써 도움이 됩니다. 이러한 질문은 일반적으로 더 관련성이 있고 유용한 답변을 끌어내게 됩니다. 예를 들어 검색 상자에 ‘어디에’를 입력하기 시작하면 Amazon Kendra는 ‘어디에 IT 데스크가 있나요?’ 또는 ‘어디에 카페테리아가 있나요?’ 및 그 외 관련된 일반적인 질문과 같은 쿼리를 완료하기 위한 옵션을 제안할 수 있습니다.