En la industria automotriz, la capacidad de evaluar y abordar de manera efectiva los daños en los vehículos es esencial para mantener operaciones eficientes, satisfacer a los clientes y gestionar costos. Tradicionalmente, la inspección y detección de daños manual puede ser un proceso que consume mucho tiempo y está propenso a errores, especialmente al manejar grandes volúmenes de datos vehiculares y la complejidad inherente de evaluar daños en los vehículos.
Sin embargo, una nueva solución se presenta con el empleo de capacidades de inteligencia artificial generativa de Amazon, como Amazon Bedrock y OpenSearch vector search, para realizar valoraciones de daños dirigidas a aseguradoras, talleres de reparación y gerentes de flotas. Amazon Bedrock ofrece un servicio totalmente gestionado que brinda acceso a modelos de fundación (FMs) de alto rendimiento de importantes empresas de IA a través de una sola API, mientras que Amazon OpenSearch Service es un motor de búsqueda altamente flexible que permite recuperar datos mediante enfoques de recuperación léxica y semántica.
Esta solución combina estas herramientas para desarrollar un método integral que agiliza el proceso de identificación y categorización de daños automotrices, mejorando la eficiencia y proveyendo insights valiosos que ayudan a las empresas del sector a tomar decisiones más informadas. Tradicionalmente, estos problemas se abordaban mediante el uso de modelos de aprendizaje automático para clasificar el daño y su severidad, complementando con modelos de regresión que predecían resultados numéricos. No obstante, estos modelos tradicionales enfrentan el reto de mantener múltiples modelos para clasificar la severidad del daño y crear estimaciones, sin generalizar adecuadamente los cambios en los datos de daño.
Así, los modelos de lenguaje de gran escala (LLMs) entran en juego al permitir una evaluación visual y textual de las características, encontrando conciencias semánticas entre los datos disponibles. Las empresas automotrices poseen extensos conjuntos de datos que incluyen daños sufridos por sus activos, con imágenes, y metadatos detallados que describen cada daño, tales como la marca, el modelo, el año y los costos de reparación. Esta información se convierte en vectores numéricos mediante un proceso de incrustación multimodal y se consulta contra estos vectores para encontrar coincidencias con nuevas imágenes de daños.
La solución utiliza OpenSearch Service para la búsqueda semántica mediante vectores, generados con el modelo de Amazon Titan Multimodal Embeddings en Amazon Bedrock. Este enfoque promete transformar la manera en que la industria automotriz realiza las valoraciones de daños, ofreciendo beneficios significativos en términos de eficiencia, precisión, escalabilidad y adaptabilidad. A medida que el sector automotriz sigue evolucionando, el uso de tecnologías impulsadas por IA, como las ofrecidas por Amazon Bedrock y OpenSearch, garantiza mantenerse a la vanguardia en la prestación de servicios de evaluación de daños más eficientes, precisos y rentables.
vía: AWS machine learning blog
