Recursos do Amazon Kendra

O Amazon Kendra usa ML para fornecer respostas mais relevantes a partir de dados não estruturados. Pesquise palavras-chave gerais (como “benefícios de saúde”) ou faça perguntas em linguagem natural (como “Qual é a duração da licença maternidade?”) e o Amazon Kendra usará a compreensão de leitura para oferecer respostas específicas (como “14 semanas”). Para perguntas gerais, do tipo “Como configurar minha VPN?”, o Amazon Kendra oferece respostas descritivas extraindo o trecho de texto mais relevante.

O Amazon Kendra também é compatível com correspondência de perguntas frequentes e extrai respostas de perguntas frequentes selecionadas usando um modelo especializado que identifica a pergunta mais próxima e retorna a resposta correspondente. 

O Amazon Kendra pode até encontrar respostas em tabelas incorporadas em páginas HTML. Você pode fazer perguntas como “Qual é o cartão de crédito com as taxas anuais mais baixas?”, em que a resposta é encontrada em uma tabela de comparação de cartão de crédito em uma página de marketing.

Para complementar os recursos de busca inteligente descritos acima, o Amazon Kendra usa um modelo de pesquisa semântica de aprendizado profundo para classificação precisa de documentos. No geral, isso oferece uma experiência de pesquisa mais rica, apresentando respostas específicas e conteúdo relacionado que você poderá explorar se precisar de mais informações.

O Amazon Kendra usa ML para otimizar continuamente os resultados da pesquisa com base no feedback e em padrões de pesquisa do usuário final. Por exemplo, quando os usuários pesquisam “Como altero meus benefícios de saúde?”, vários documentos sobre benefícios de recursos humanos (RH) competem pelo primeiro lugar. Para determinar o documento mais relevante para a pergunta, o Amazon Kendra aprenderá com as interações e o feedback do usuário para promover os documentos preferidos ao topo da lista. Ele aplica automaticamente técnicas de aprendizado incremental, sem a necessidade de experiência em ML.

Você pode refinar os resultados da pesquisa e promover respostas e documentos específicos nos resultados com base em determinados objetivos de negócios. Por exemplo, o ajuste de relevância ajuda a promover resultados com base na confiabilidade da fonte de dados, no autor ou na data de atualização do documento. Saiba mais em nossa publicação sobre ajuste de relevância no blog.

Para ampliar o entendimento do Amazon Kendra sobre seu vocabulário específico de negócios, você pode fornecer sinônimos personalizados. O Amazon Kendra usa isso para expandir automaticamente as consultas e incluir conteúdo e respostas que correspondam ao vocabulário. Por exemplo, quando um usuário pergunta “O que é um ASO?”, o Amazon Kendra retorna documentos que façam referência a “Atestado de Saúde Ocupacional” ou a “ASO”.

O uso de conectores com o Amazon Kendra é mais rápido e fácil: basta adicionar fontes de dados ao índice do Amazon Kendra e selecionar o tipo de conector. Os conectores podem ser programados para sincronizar automaticamente o índice com a fonte dos dados para que você pesquise com segurança o conteúdo mais atualizado. O Amazon Kendra oferece conectores nativos para origens de dados populares, como Amazon Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, Google Drive, Confluence e muito mais. Se não houver um conector nativo disponível, o Amazon Kendra oferecerá um conector de origem de dados personalizado, bem como diversos conectores com suporte de parceiros. Para obter mais informações sobre a disponibilidade de conectores do Amazon Kendra, consulte a biblioteca de conectores do Amazon Kendra.

O Amazon Kendra usa modelos de aprendizado profundo para entender as consultas em linguagem natural e documentar o conteúdo e as estruturas de uma ampla variedade de casos de uso internos, como RH, operações, suporte e pesquisa e desenvolvimento. O Amazon Kendra também é otimizado para compreender linguagens complexas de domínios específicos, como TI, finanças, seguros, produtos farmacêuticos, fabricação industrial, petróleo e gás, serviços jurídicos, mídia e entretenimento, viagens e hotelaria, saúde, notícias, telecomunicações, mineração, alimentos e bebidas e automotivo. Por exemplo, quando um usuário pesquisando respostas do RH digitar “prazo para entrega do ASO”, o Amazon Kendra também poderá buscar por “prazo obrigatório para entrega de um Atestado de Saúde Ocupacional” para ter uma cobertura mais ampla e obter a resposta mais precisa.

Agora você pode implantar uma experiência de pesquisa totalmente funcional e personalizável com o Amazon Kendra em apenas algumas etapas, sem qualquer codificação ou experiência em ML. O criador de experiências oferece um fluxo de trabalho visual intuitivo para que você construa, personalize e lance rapidamente sua aplicação de pesquisa na nuvem de maneira segura. Você pode começar com o modelo de experiência de pesquisa pronto para uso no construtor. Para personalizar o modelo, arraste e solte os componentes desejados, como filtro ou classificação. Você pode convidar outras pessoas para colaborar ou testar sua aplicação de pesquisa a fim de obter feedback e, em seguida, compartilhar o projeto com todos os usuários quando a experiência estiver pronta para ser implementada. O criador de experiências do Amazon Kendra se integra ao Centro de Identidade do AWS IAM (sucessor do AWS Single Sign-On), que oferece suporte a provedores de identidade conhecidos, como Azure AD e Okta, proporcionando autenticação de logon único de usuário final segura no acesso à experiência de pesquisa. Para obter mais informações sobre o criador de experiências do Amazon Kendra, acesse a documentação.

O painel de análise de pesquisa do Amazon Kendra ajuda você a entender melhor as métricas de qualidade e usabilidade em suas aplicações de pesquisa. O painel ajuda os administradores e criadores de conteúdo a compreender a facilidade com que os usuários finais encontram resultados de pesquisa relevantes, a qualidade dos resultados da pesquisa e as lacunas no conteúdo. Ele fornece um snapshot de como seus usuários interagem com sua aplicação de pesquisa e a eficácia dos resultados de pesquisa. Os dados da análise podem ser visualizados em um painel no console ou você pode construir seus próprios painéis acessando os dados por meio de uma API. Ele pode capacitar você a se aprofundar nas tendências de pesquisa e no comportamento do usuário para identificar insights. Ele também ajuda a identificar possíveis áreas de melhoria. Para obter mais informações sobre o painel de análise de pesquisa do Amazon Kendra, acesse a documentação.

Com os recursos de enriquecimento personalizado de documentos do Amazon Kendra, você pode construir um pipeline de ingestão personalizado capaz de pré-processar documentos antes da indexação no Amazon Kendra. Por exemplo, ao ingerir conteúdo de um repositório como o SharePoint usando nossos conectores, você pode enriquecer documentos com metadados adicionais, converter documentos digitalizados em texto, classificar documentos, extrair entidades e transformar ainda mais o documento usando processos ETL personalizados. O enriquecimento é realizado por regras que podem ser configuradas no console ou invocando funções do AWS Lambda. Essas funções podem, opcionalmente, chamar outros serviços de IA da AWS, como Amazon Comprehend, Amazon Transcribe ou Amazon Textract. Para obter mais informações sobre o enriquecimento personalizado de documentos do Amazon Kendra, acesse a documentação.

O Amazon Kendra inclui a funcionalidade de preenchimento automático da consulta de pesquisa de um usuário final. O preenchimento automático da consulta ajuda a reduzir a digitação em cerca de 25% e a orientar você para perguntas mais precisas e frequentes. Essas perguntas normalmente resultam em respostas mais relevantes e úteis. Por exemplo, se você começar a digitar “Onde fica” na caixa de pesquisa, o Amazon Kendra sugerirá opções para completar a pesquisa como “Onde fica o departamento de TI?” ou “Onde fica o refeitório?” e outras perguntas frequentes relacionadas.