Gérez-vous un grand volume de données sur des systèmes tels que RDS, DB2, S3, GitHub, Confluence, Alfresco et autres ? Recherchez-vous des applications GenAI capables de limiter les réponses aux données de votre entreprise, minimisant ainsi les hallucinations des modèles ? Avez-vous besoin d'une solution pour filtrer les réponses en fonction des autorisations d'accès au contenu de l'utilisateur final ? Est-il possible de limiter la recherche aux données de l'entreprise et de filtrer les données en fonction des autorisations d'accès au contenu de l'utilisateur final tout en garantissant le respect des réglementations en matière de protection des données et en maintenant l'exactitude et la pertinence des réponses dans les expériences conversationnelles ?
Si vous recherchez une solution cloud complète pour relever les défis susmentionnés, ce cas d'utilisation est fait pour vous. Oui, passons à la création d’une intégration autonome des employés pour une grande entreprise.
L'IA générative révolutionne les tâches basées sur le langage dans tous les secteurs et rôles, créant de nouvelles sources de revenus, augmentant la productivité et réduisant les coûts. Ce cas d'utilisation explore un chatbot Lex utilisant la technologie Retrieval Augmented Generation (RAG). L'objectif est de simplifier les recherches de documents complexes à l'aide d'Amazon Kendra et d'Amazon Bedrock via l'API Langchain via la fonction Lambda et le chatbot Amazon Lex intégré à l'intranet. L'authentification est gérée à l'aide d'un fournisseur d'identité (IdP) basé sur Security Assertion Markup Language (SAML) 2.0 pour répondre aux normes de gestion des identités d'entreprise.
Une grande entreprise comptant près de 70 000 employés est confrontée au défi d'intégrer efficacement les nouveaux employés en raison du vaste volume d'informations réparties sur divers outils tels que Confluence, Jira, Intranet, Slack et autres. Cette information dispersée rend diffici...
[Courte citation de 8% de l'article original]