La personalización es un fenómeno en constante evolución que promete mejorar significativamente la experiencia del usuario en plataformas de compras, entretenimiento y noticias, al emplear el comportamiento previo para recomendar productos y contenido que se alineen mejor con sus intereses. Esta técnica, además, puede aplicarse a interacciones conversacionales con asistentes virtuales impulsados por inteligencia artificial. Un ejemplo de esto es Amazon Q Business, una innovadora herramienta de Amazon que usa la personalización para ofrecer respuestas y recomendaciones más precisas a los usuarios, en función de su ubicación, departamento, o cargo laboral.
Amazon Q Business es un asistente generativo impulsado por IA que se encarga de responder preguntas, generar contenido y realizar tareas a partir de la información y los datos diseminados por los sistemas empresariales de una organización. Este asistente facilita la integración con más de 40 fuentes de datos y sistemas populares, creando un índice de búsqueda unificado y potente que permite a los empleados obtener las respuestas que buscan de manera más rápida, incrementando así la productividad y satisfacción laboral. Un aspecto crucial de Amazon Q Business es su capacidad de respetar los permisos de acceso originales, asegurando que los usuarios solo vean la información que ya tienen autorizada en los sistemas fuente.
La personalización de respuestas por parte de Amazon Q Business se lleva a cabo identificando si la consulta de un usuario puede mejorarse al integrarse con atributos conocidos de este, como su ubicación o cargo, usando esta consulta personalizada para obtener documentos del índice de búsqueda. Esto conlleva a respuestas más pertinentes, moldeadas por los atributos que los sistemas de autenticación proporcionan al asistente, dependiendo del mecanismo de federación de identidad empleado para autenticar a la fuerza laboral.
El uso de la personalización tiene aplicaciones prácticas, como en el caso de empresas multinacionales donde un departamento de capacitación busca mejorar el acceso a las oportunidades de entrenamiento disponibles para sus empleados. Muchas veces, la información relevante está diseminada por diferentes plataformas, lo que provoca confusión entre los empleados. Amazon Q Business, con su capacidad para integrar información variada en una interfaz conversacional intuitiva, permite a los empleados formular preguntas en lenguaje natural, mejorando el acceso y la relevancia de la información recibida.
Además, al saber los detalles del usuario, como su ubicación, el asistente es capaz de sacar provecho de esta información para ofrecer respuestas más precisas. Por ejemplo, una respuesta a una pregunta acerca de la disponibilidad de entrenamientos no solo incluiría clases de la propia ubicación del empleado, sino también una respuesta más focalizada al conocimiento del contexto personal del usuario.
La técnica base detrás de Amazon Q Business es la «Generación de Recuperación Aumentada» (RAG), que consiste en buscar fragmentos de documentos en un índice que son más similares a la consulta del usuario y luego usar modelos de lenguaje para generar una respuesta usando esos fragmentos. Cuanto más preciso sea el ajuste de la consulta a la capa de recuperación, más exacta y relevante será la respuesta final.
Amazon Q Business no solo aumenta la efectividad de los sistemas de búsqueda mediante personalización, sino que también garantiza la privacidad y seguridad, limitando el acceso solo a la información que el usuario está autorizado a ver. La verdadera ventaja de este sistema radica en la capacidad de ofrecer experiencias personalizadas y eficientes sin sacrificar la confidencialidad del usuario.
En conclusión, la personalización a través de Amazon Q Business representa una poderosa herramienta para aumentar la pertinencia y utilidad de las interacciones con asistentes impulsados por IA. Aunque no todos los casos de uso se beneficiarán dramáticamente, aplicar la personalización de manera cuidadosa puede generar confianza con los usuarios finales al ofrecer respuestas más relevantes y significativas. ¿Qué casos de uso presenta su organización que podrían beneficiarse de una personalización mejorada? La invitación queda abierta para explorar estas posibilidades y compartir comentarios y preguntas.
vía: AWS machine learning blog
