El correo electrónico sigue siendo un canal de comunicación fundamental para los clientes empresariales, especialmente en el ámbito de recursos humanos (RRHH), donde la respuesta a consultas puede consumir recursos del personal y provocar demoras. La amplia base de conocimiento necesaria para responder consultas de correo puede resultar abrumadora si se hace de manera manual. En el futuro, la alta automatización jugará un papel crucial en este dominio.
La utilización de inteligencia artificial generativa permite a las empresas mejorar la precisión y eficiencia en la gestión y automatización del correo electrónico. Esta tecnología posibilita respuestas automatizadas, dejando solo los casos complejos para revisión manual, optimizando así las operaciones y mejorando la productividad global.
La combinación de generación aumentada por recuperación (RAG, por sus siglas en inglés) y bases de conocimiento potencia la precisión de las respuestas automatizadas. Al integrar modelos de recuperación y generación en RAG, se accede a bases de datos y se generan respuestas precisas y contextualmente relevantes. Acceder a información confiable de una base de conocimiento comprehensiva ayuda a ofrecer mejores respuestas. Este enfoque híbrido asegura que las respuestas automáticas no solo sean contextualmente pertinentes, sino también factual y consistentemente correctas, mejorando la fiabilidad y confianza en la comunicación.
Se ilustra la automatización de respuestas a consultas de correo electrónico mediante Amazon Bedrock Knowledge Bases y Amazon Simple Email Service (Amazon SES), ambos servicios totalmente gestionados. Al vincular las consultas de los usuarios con la información relevante del dominio de la empresa, Amazon Bedrock Knowledge Bases ofrece respuestas personalizadas. Estas bases integran modelos de base (FMs) con fuentes de datos internas de la empresa para RAG, logrando mayor precisión y relevancia en las respuestas. Amazon SES es un servicio de correo electrónico que proporciona una forma sencilla de enviar y recibir correos utilizando direcciones y dominios propios.
El enfoque de RAG integra la recuperación de información en el proceso de generación de lenguaje natural. Involucra dos flujos de trabajo clave: la ingesta de datos y la generación de texto. El flujo de ingesta de datos crea incrustaciones semánticas para documentos y preguntas, almacenando las incrustaciones de documentos en una base de datos vectorial. Al comparar la similitud de vectores con la incrustación de la pregunta, el flujo de generación de texto selecciona los fragmentos documentales más relevantes, enriqueciendo el aviso. La información obtenida permite al modelo generar respuestas más precisas y fundamentadas.
Para los flujos de trabajo de RAG, Amazon Bedrock ofrece bases de conocimiento gestionadas, que son bases de datos vectoriales que almacenan datos no estructurados de forma semántica. Este servicio gestionado simplifica el despliegue y escalado, permitiendo a los desarrolladores centrarse en la construcción de aplicaciones RAG sin preocuparse por la gestión de la infraestructura.
Esta solución responde automáticamente a consultas de correo electrónico mediante una arquitectura de solución que se basa en fortalecer la base de conocimientos de soporte RAG con documentos específicos del dominio y automatizar las respuestas de correo electrónico.
Los pasos para poblar la base de conocimiento incluyen la carga de información de la empresa y del dominio, como manuales de políticas, a un almacenamiento en nube (Amazon S3). Esta fuente de datos se sincroniza con la base de conocimiento para preparar los documentos para su recuperación eficiente.
El flujo de trabajo para automatizar las respuestas de correo electrónico con inteligencia artificial generativa con la base de conocimiento implica el envío de una consulta por parte del cliente a una dirección configurada en el dominio, la recepción del correo por Amazon SES, y la coordinación de una respuesta generada para ser enviada al cliente, utilizando las capacidades del modelo de lenguaje de Amazon Bedrock.
Este desarrollo promete aumentar significativamente la eficiencia en la gestión de la comunicación electrónica empresarial, específicamente en el área de RRHH, al reducir tiempos de respuesta y liberar recursos para tareas más críticas.
vía: AWS machine learning blog
