Los desarrolladores de software se enfrentan a dificultades significativas cuando intentan utilizar modelos fundamentales para extraer datos de activos no estructurados. Este desafío implica no solo identificar cuidadosamente los modelos adecuados que cumplan con los criterios precisos de exactitud, coste y características del desarrollador, sino también optimizar el rendimiento del coste mediante el ajuste fino y una compleja ingeniería de indicaciones. Además, el manejo de múltiples modelos, la implementación de medidas de seguridad y la adaptación de salidas para que cumplan con los requisitos de sistemas posteriores pueden ser complicados y consumir mucho tiempo.
En respuesta a estos desafíos, Amazon ha introducido en vista previa pública Amazon Bedrock Data Automation. Esta nueva funcionalidad de Amazon Bedrock proporciona una experiencia integral para desarrolladores de todos los niveles, simplificando la automatización de la extracción, transformación y generación de datos relevantes a partir de documentos, imágenes, audio y vídeos para la creación de aplicaciones basadas en inteligencia artificial generativa. Gracias a Amazon Bedrock Data Automation, los clientes pueden maximizar el uso de sus datos al extraer conocimientos precisos de su contenido multimodal no estructurado en un formato compatible con sus aplicaciones. La experiencia gestionada, la facilidad de uso y las capacidades de personalización de la herramienta permiten a los clientes ofrecer valor comercial más rápido, eliminando la necesidad de gestionar múltiples modelos, diseñar indicaciones o consolidar salidas.
La herramienta ofrece la capacidad de crear salidas estándar y personalizadas. Las salidas estándar son conocimientos predeterminados específicos de cada modalidad, incluyendo resúmenes de video que capturan momentos clave, detección de contenido tóxico visual y auditivo, y explicaciones de gráficos documentales. En contraste, las salidas personalizadas permiten a los clientes utilizar plantillas definidas por ellos mismos que especifican los requisitos de salida mediante lenguaje natural o un editor de esquemas, otorgándoles control total sobre el resultado e integrándolo fácilmente en aplicaciones existentes.
Amazon Bedrock Data Automation se integra además con Amazon Bedrock Knowledge Bases, lo que facilita la generación de información significativa a partir de contenido multimodal no estructurado, ofreciendo respuestas más relevantes para la generación aumentada por recuperación (RAG).
Actualmente, los clientes pueden utilizar salidas estándar para cuatro modalidades: documentos, imágenes, videos y audio, y también salidas personalizadas para documentos e imágenes. Las salidas personalizadas para video y audio estarán disponibles cuando la capacidad se habilite de forma general.
Un ejemplo práctico de la industria de medios y entretenimiento es la monetización del contenido de largo formato, como programas de televisión y películas, a través de la colocación contextual de anuncios. Para entregar los anuncios adecuados en los momentos precisos del video, es crucial extraer información significativa tanto de los anuncios como del contenido de video. Amazon Bedrock Data Automation permite que las aplicaciones de colocación de anuncios contextuales generen estas percepciones.
A medida que los desarrolladores buscan automatizar flujos de trabajo complejos de procesamiento de documentos, Amazon Bedrock Data Automation simplifica tareas como la extracción de datos, normalización y validación, lo que disminuye la complejidad operativa y mejora la eficiencia del procesamiento. Esto les permite gestionar mayores volúmenes de procesamiento de préstamos, minimizar errores y promover la excelencia operativa.
Esta herramienta se encuentra disponible en vista previa pública en la región de AWS Estados Unidos Oeste 2 (Oregón), brindando a todos los desarrolladores la oportunidad de explorar el poder de la automatización en la gestión de datos no estructurados. Con Amazon Bedrock Data Automation, convertir contenido no estructurado en información precisa y útil se convierte en una tarea más sencilla y efectiva para la creación de aplicaciones potenciadas por inteligencia artificial generativa.
