Amazon continúa ampliando el acceso a los datos en su organización de Worldwide Returns & ReCommerce (WWRR) con la introducción de su asistente de datos, el Returns & ReCommerce Data Assist (RRDA). Esta herramienta basada en inteligencia artificial generativa transforma preguntas en lenguaje natural en consultas SQL validadas, facilitando a los usuarios técnicos el acceso a los datos que necesitan. Sin embargo, el tránsito hacia una democratización total de los datos no se limita solo a estas consultas, ya que una parte fundamental del trabajo de WWRR es permitir que los usuarios empresariales visualicen tendencias y patrones sin tener que adentrarse en los resultados de SQL.
La necesidad de obtener conocimientos rápidos y decisivos es primordial, sobre todo cuando se trata de realizar análisis a fondo sobre problemas específicos que no están cubiertos por los informes estándar. Para cerrar la brecha entre las consultas en lenguaje natural y las visualizaciones efectivas, el equipo ha integrado Amazon Q en QuickSight, lo que permite a los usuarios transformar preguntas como “Muéstrame cuántos artículos fueron devueltos en EE.UU. durante los últimos seis meses” en visualizaciones de datos significativas.
La arquitectura del RRDA incluye un sistema de clasificación de intenciones y dominios que permite al asistente determinar si una consulta se debe tratar como una solicitud de visualización o como una necesidad de generación de código SQL. Cuando se identifica una intención de «mostrar métricas», la consulta se dirige hacia una ruta de integración con Amazon Q en QuickSight. Además, se clasifica el dominio empresarial de la consulta, lo que ayuda a enfocar la búsqueda en aquellos contextos específicos que son relevantes para el usuario.
El proceso de recuperación y selección de temas Q es crucial, dado que permite a la herramienta presentar al usuario una lista de temas que pueden ilustrar mejor la información solicitada. Para ello, utiliza un método de búsqueda semántica mediante un modelo de aprendizaje automático que evalúa la capacidad de los temas para responder preguntas concretas. Este enfoque no solo mejora la precisión de las respuestas, sino que también optimiza la experiencia del usuario, que ya no necesita conocer cada uno de los más de 50 temas Q disponibles.
Otro reto que enfrenta el sistema es el de reestructurar las preguntas formuladas por los usuarios en un formato óptimo para su procesamiento por Amazon Q. Gracias a la implementación de la API Converse de Amazon Bedrock, el RRDA reconfigura las preguntas, asegurándose de que mantengan su esencia y contexto original, al mismo tiempo que son expresadas de una manera que QuickSight pueda procesar con eficacia.
Fallas en la formulación de preguntas complejas o imprecisas podrían llevar a visualizaciones subóptimas. La solución de RRDA y su integración en QuickSight permiten que las visualizaciones sean generadas directamente en el contexto de diálogo, lo que mejora la fluidez en el flujo de trabajo y reduce el tiempo necesario para llegar a conclusiones basadas en datos.
Con el respaldo de una base de datos automatizada que se actualiza a diario, el sistema asegura que la información sobre los temas Q esté siempre actualizada. Esto incluye la recolección de preguntas validadas por expertos que son incorporadas continuamente, enriqueciendo así la base de conocimientos y mejorando la calidad de las recomendaciones.
A medida que Amazon continúa mejorando RRDA y utilizando feedback de los usuarios, se espera que este sistema se convierta en una herramienta crucial en la toma de decisiones, permitiendo a los usuarios enfocarse en preguntas e insights, mientras la tecnología se encarga de elaborar las visualizaciones necesarias.
vía: AWS machine learning blog
