El auge de los modelos de lenguaje de gran escala (LLMs) está transformando el uso de asistentes virtuales en el entorno empresarial, mejorando la atención al cliente y la eficiencia interna gracias a la tecnología de generación aumentada por recuperación (RAG). Estos avances permiten consultar información específica de la empresa a través de poderosos modelos, enfrentándose al reto de crear asistentes que procesen texto e imágenes para dar respuestas adecuadas.
Amazon Web Services (AWS) ha presentado una solución innovadora basada en sus modelos Amazon Bedrock, que permite crear un asistente de chat multimodal. Este asistente ofrece la capacidad de interpretar imágenes y preguntas, vinculando información visual con texto para responder eficazmente en base a documentos propiedad de la empresa.
La tecnología impulsada por AWS está diseñada para sectores diversos, como el retail, donde puede optimizar procesos de venta, o el sector de manufactura, facilitando el mantenimiento de maquinaria. Esto es posible gracias al uso de Amazon OpenSearch Service, que crea una base de datos vectorial de documentos relevantes, y AWS CloudFormation, que ayuda a desplegar el asistente de chat completo.
El flujo del sistema es eficiente: comienza con la carga de una imagen y una pregunta por parte del usuario, las cuales son procesadas a través de Amazon API Gateway hacia AWS Lambda. Este núcleo de procesamiento almacena la imagen en Amazon S3 y coordina llamadas a modelos de Amazon Bedrock para generar descripciones textuales y vincularlas con datos relevantes, recuperados de OpenSearch. Las respuestas se generan y almacenan en Amazon DynamoDB, mejorando la precisión y contextualización de las respuestas.
En un ejemplo práctico en la industria automotriz, un usuario puede subir la imagen de un automóvil, hacer preguntas y recibir respuestas detalladas basadas en una base de datos propia de listados de vehículos, demostrando así la versatilidad de esta tecnología.
Esta solución ofrece grandes ventajas al proporcionar respuestas contextualizadas, aumentar la eficiencia operativa y mejorar la experiencia del usuario. La personalización y escalabilidad de este sistema permiten a las empresas adaptarse a sus necesidades únicas, abriendo nuevas posibilidades para la interacción eficaz entre humanos y máquinas.
