Organizaciones gubernamentales y sin fines de lucro enfrentan el desafío de evaluar numerosas propuestas de subvención, cada una con sus propios méritos, lo que complica la identificación de las iniciativas más prometedoras. Este proceso, tedioso y que consume tiempo, es el primer paso en la gestión de subvenciones, un aspecto crítico para fomentar un impacto social significativo.
Ante esta situación, el equipo de Responsabilidad Social e Impacto de AWS ha decidido optimizar el proceso de revisión y evaluación de propuestas utilizando inteligencia artificial generativa. Para ello, han desarrollado una solución innovadora que emplea las capacidades de procesamiento del lenguaje natural (NLP) de Amazon Bedrock. Este servicio gestionado de AWS permite el uso de modelos de base de alto rendimiento de diversas empresas líderes en inteligencia artificial a través de una única API, brindando una amplia gama de capacidades necesarias para crear aplicaciones de IA generativa de manera segura y responsable.
Históricamente, las solicitudes del AWS Health Equity Initiative eran revisadas manualmente por un comité, lo que requería hasta 14 días por ciclo para procesar un promedio de 90 solicitudes. En junio de 2024, se registró el mayor volumen de aplicaciones hasta la fecha, con 139 propuestas, lo que habría prolongado el proceso a 21 días. Sin embargo, el enfoque centrado en Amazon Bedrock redujo este tiempo a solo 2 días, logrando una disminución del 90%.
El objetivo de esta iniciativa era mejorar la eficiencia y la consistencia del proceso de revisión, permitiendo a las organizaciones construir soluciones impactantes de manera más ágil. La combinación de las avanzadas capacidades de NLP de Amazon Bedrock con una ingeniería de indicaciones bien diseñada ha dado lugar a una solución dinámica, impulsada por datos y equitativa, que demuestra el potencial transformador de los grandes modelos de lenguaje en el ámbito del impacto social.
Para construir una aplicación de evaluación de propuestas dinámica, el equipo utilizó Streamlit, Amazon Bedrock y Amazon DynamoDB. Cabe destacar que esta implementación es un prototipo y no está destinada para uso en producción, sino que sirve como punto de partida para futuros desarrollos. Gracias a esta aplicación, los usuarios pueden definir y guardar diversas personas y rúbricas de evaluación, que se aplican de manera dinámica al revisar las propuestas.
Este prototipo ha demostrado ser una herramienta valiosa, permitiendo a las organizaciones reducir el tiempo de procesamiento de solicitudes hasta en un 90%, simplificar las tareas de revisión, capturar datos estructurados para un análisis futuro e incorporar diversas perspectivas mediante la utilización de múltiples personas y rúbricas.
Sin embargo, para una implementación en producción, se deben considerar aspectos como escalabilidad, seguridad, cumplimiento y optimización de costos. Al implementar una arquitectura sin servidores y utilizando diversas herramientas de AWS, las organizaciones pueden construir una solución que no solo cumpla con sus requisitos específicos, sino que también garantice la compliance, fiabilidad y eficacia en costes.
En conclusión, Amazon Bedrock y una ingeniosa ingeniería de indicaciones han permitido al equipo de AWS SRI revisar propuestas de subvención y otorgar subvenciones a los solicitantes en un tiempo significativamente reducido. Las habilidades desarrolladas durante este proyecto son aplicables y transferibles a múltiples industrias y casos de uso.
vía: AWS machine learning blog
