En un esfuerzo por ofrecer una experiencia de lectura personalizada y dinámica, los editores de noticias están adoptando nuevas tecnologías como Amazon Personalize para enfrentar el desafío de la corta vida útil de los artículos periodísticos. Generalmente, los artículos alcanzan su mayor popularidad el mismo día de su publicación, lo que exige métodos eficientes de recomendación para captar y mantener el interés de los lectores.
Para la mayoría de los editores de noticias, la experimentación con algoritmos propios no es viable debido a restricciones presupuestarias y de personal. Por ello, Amazon ofrece una solución gestionada que integra Amazon Personalize con Amazon Bedrock, una plataforma que provee modelos fundacionales de alto rendimiento de empresas líderes en inteligencia artificial.
Amazon Personalize utiliza técnicas avanzadas como el filtrado colaborativo y el aprendizaje profundo para aprender de las preferencias de los usuarios a partir de su comportamiento previo. No obstante, en el dominio de las noticias, donde el contenido se actualiza constantemente, esto no es suficiente. Para resolver esta limitación, Amazon ha propuesto una combinación con Amazon Titan Text Embeddings en Amazon Bedrock. Este modelo crea incrustaciones textuales que capturan el significado de los artículos y permiten su agrupamiento y recomendación casi en tiempo real.
El proceso comienza cuando se publica un nuevo artículo, lo que desencadena una serie de acciones automatizadas. Una función AWS Lambda se ejecuta, generando una incrustación textual del nuevo artículo a través de Amazon Bedrock. Luego, un modelo alojado en Amazon SageMaker agrupa el artículo con otros similares. Si es necesario, Amazon Bedrock puede generar titulares y resúmenes. Posteriormente, el artículo se almacena en Amazon DynamoDB con un tiempo de vida que define hasta cuándo se considera de última hora.
Cuando un lector accede al sitio web de noticias, Amazon API Gateway procesa sus solicitudes y consulta a Amazon Personalize sobre los intereses específicos del usuario. Simultáneamente, se revisa DynamoDB para identificar los artículos más recientes de cada tipo, permitiendo así su recomendación inmediata.
A medida que los usuarios interactúan con los artículos, sus acciones se trasmiten a Amazon Personalize a través de Amazon Kinesis Data Streams, lo cual actualiza los modelos de personalización en cuestión de segundos. Esta metodología no solo permite mostrar artículos nuevos casi instantáneamente, sino que también asegura que las recomendaciones se mantengan actualizadas y pertinentes para cada usuario.
Para implementar esta solución, es necesario contar con una cuenta de AWS y conocimientos en varios servicios de Amazon, incluyendo Personalize, SageMaker, DynamoDB y Bedrock. Una vez configurados, los editores pueden cargar artículos históricos para entrenar el modelo de agrupamiento, facilitando la identificación y recomendación de nuevos artículos.
En resumen, la integración de Amazon Personalize con Amazon Bedrock y otros servicios de AWS permite a los editores de noticias ofrecer una experiencia de lectura hiper-personalizada. Esta innovación no solo maximiza la relevancia del contenido presentado a los lectores, sino que también optimiza la eficiencia operativa de las empresas periodísticas.
