Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Utilizzo dell'intelligenza artificiale agentica con DynamoDB
Amazon DynamoDB è un database NoSQL distribuito senza server, completamente gestito, con prestazioni a una cifra in millisecondi su qualsiasi scala. DynamoDB è ottimizzato per carichi di lavoro ad alto throughput ed è possibile estenderne le funzionalità attraverso l’integrazione con modelli di IA generativa. Utilizzando modelli di IA generativa è possibile lavorare con i dati archiviati nelle tabelle DynamoDB in tempo reale e creare applicazioni che possono adattarsi al contesto e altamente personalizzate. È possibile anche migliorare l’esperienza dell’utente finale sfruttando appieno i dati aziendali, degli utenti e delle applicazioni per personalizzare le proprie soluzioni di IA generativa.
[Per ulteriori informazioni sull'IA di generazione e sulle soluzioni AWS fornite per creare applicazioni AI di generazione, consulta Trasforma il tuo business con l'intelligenza artificiale generativa.](https://aws.amazon.com/ai/generative-ai/)
**Topics**
+ [Casi d’uso di IA generativa per DynamoDB](#gen-ai-use-case-ddb)
+ [Blog di IA generativa per DynamoDB](#gen-ai-blogs)
+ [Sfruttare l'integrazione zero-ETL di DynamoDB con Service OpenSearch](ddb-and-amazon-bedrock.md)
+ [Utilizzo di DynamoDB come archivio di checkpoint per gli agenti LangGraph](ddb-langgraph-checkpoint.md)
## Casi d’uso di IA generativa per DynamoDB
DynamoDB è ampiamente utilizzato nelle applicazioni conversazionali basate sull’intelligenza artificiale, come chatbot e call center creati con un [modello di fondazione (FM)](https://aws.amazon.com/what-is/foundation-models/). Puoi accedere FMs tramite Amazon Bedrock, Amazon SageMaker AI o altri fornitori di modelli. Tali applicazioni utilizzano comunemente DynamoDB per migliorare la personalizzazione e migliorare l’esperienza utente su tre modelli di dati: dati applicativi, dati aziendali e dati degli utenti. Alcuni esempi di questi modelli di dati sono i seguenti:
+ Archiviazione dei dati dell'applicazione, come la cronologia dei messaggi di chat, tramite integrazioni con [LangChain](https://js.langchain.com/v0.1/docs/integrations/chat_memory/dynamodb/)o un codice personalizzato. [LlamaIndex](https://docs.llamaindex.ai/en/stable/examples/docstore/DynamoDBDocstoreDemo/) Questo contesto migliora l’esperienza dell’utente consentendo al modello una *conversazione* bidirezionale con l’utente.
+ Creazione di un’esperienza utente personalizzata sfruttando i dati aziendali, come inventario, prezzi e documentazione.
+ Applicazione dei dati utente, come la cronologia web, gli ordini passati e le preferenze dell’utente, per fornire risposte personalizzate.
Ad esempio, una compagnia di assicurazioni può creare un chatbot utilizzando DynamoDB per fornire al proprio modello di IA generativa basato sulla [generazione potenziata da recupero dati (RAG, Retrieval-Augmented Generation)](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html) l’accesso a dati quasi in tempo reale. Esempi di tali dati sono i tassi ipotecari in tempo reale, i prezzi dei prodotti, la copia del compliant/standard contratto, la cronologia web degli utenti e le preferenze degli utenti. La combinazione di DynamoDB con RAG aggiunge informazioni approfondite e aggiornate sui prodotti assicurativi e sui dati degli utenti. Ciò arricchisce i prompt e le risposte per fornire agli utenti finali un’esperienza accurata, personalizzata e quasi in tempo reale.
Allo stesso modo, i clienti del settore dei servizi finanziari utilizzano DynamoDB, le [knowledge base Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) e gli [agenti Amazon Bedrock](https://aws.amazon.com/bedrock/agents/) per creare applicazioni di IA generativa basate su RAG. Queste applicazioni possono utilizzare report sugli utili e trascrizioni delle chiamate open source. Possono inoltre utilizzare la cronologia del portafoglio e delle transazioni specifica dell’utente per generare un riepilogo on demand del portafoglio che include una prospettiva per il futuro.
## Blog di IA generativa per DynamoDB
I seguenti articoli offrono casi d'uso dettagliati, best practice e step-by-step guide per aiutarvi a sfruttare le funzionalità di DynamoDB nella creazione di applicazioni avanzate basate sull'intelligenza artificiale.
+ [Amazon DynamoDB data models for generative AI chatbots ](https://aws.amazon.com/blogs/database/amazon-dynamodb-data-models-for-generative-ai-chatbots/)
+ [Crea un chatbot scalabile e sensibile al contesto con Amazon DynamoDB, Amazon Bedrock e LangChain](https://aws.amazon.com/blogs/database/build-a-scalable-context-aware-chatbot-with-amazon-dynamodb-amazon-bedrock-and-langchain/)
+ [Crea agenti AI durevoli con LangGraph Amazon DynamoDB](https://aws.amazon.com/blogs/database/build-durable-ai-agents-with-langgraph-and-amazon-dynamodb/)