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.

Generazione aumentata di messa a terra e recupero

Affidabilità, precisione e spiegabilità sono essenziali per implementare i sistemi di intelligenza artificiale negli ambienti di produzione aziendali. I modelli Foundation (FMs) offrono funzionalità generali straordinarie. Tuttavia, vengono formati in aziende pubbliche su larga scala e spesso non conoscono i dati proprietari, le regole aziendali o le modifiche recenti.

Per colmare queste lacune di consapevolezza, AWS abilita Retrieval Augmented Generation (RAG) tramite Amazon Bedrock Knowledge Bases. RAG è un potente modello architettonico che basa le risposte FM su conoscenze esterne e specifiche del dominio, garantendo precisione fattuale e rilevanza contestuale.

RAG migliora l'output del Large Language Model (LLM) combinando due processi:

Questo approccio consente ai modelli di base «chiusi» di agire come se avessero accesso ai vostri dati aziendali in tempo reale e curati, senza bisogno di riqualificazione.

Ad esempio, un dipendente chiede a un assistente di intelligenza artificiale interno «Qual è la nostra politica di viaggio?» La risposta dell'assistente viene creata utilizzando la documentazione delle risorse umane (HR) ospitata in Amazon Simple Storage Service (Amazon S3), senza la necessità di perfezionare un modello.

Messa a terra in Amazon Bedrock

Amazon Bedrock supporta il grounding tramite la funzionalità Knowledge Bases, che consente agli sviluppatori di configurare e collegare gli archivi di contenuti aziendali ai modelli base senza dover gestire l'infrastruttura.

Le funzionalità chiave di grounding in Amazon Bedrock includono quanto segue:

Le fonti di base supportate nelle Knowledge Base di Amazon Bedrock includono quanto segue:

I modelli di supporto per la messa a terra in Amazon Bedrock includono quanto segue:

Integrazione con l'intelligenza artificiale agentica

RAG funziona particolarmente bene con gli agenti di Amazon Bedrock, permettendo loro di agire con intelligenza contestuale e consapevolezza delle policy. Di seguito è riportato un esempio di flusso di lavoro agentico:

Questo flusso di lavoro consente all'agente di ragionare in base al contesto e prendere decisioni spiegabili, colmando il divario tra l'intelligenza generica e l'applicazione specifica del dominio.

Aggiungere barriere per la sicurezza e la conformità

La messa a terra migliora la precisione, ma l'intelligenza artificiale di livello di produzione richiede controlli espliciti su ciò che il modello può e non può dire o fare. La funzionalità Amazon Bedrock Guardrails limita il comportamento degli agenti e applica le policy aziendali.

Le funzionalità dei guardrail includono quanto segue:

Con i guardrail, le organizzazioni possono delegare in sicurezza il ragionamento e il processo decisionale agli agenti, mantenendo il controllo su tono, comportamento e confini.

Ragionamento automatizzato in aggiunta a RAG

I contenuti fondati non sono sufficienti. Gli agenti devono ragionare su quel contenuto. È qui che il ragionamento automatico basato su LLM diventa fondamentale. Il ragionamento automatizzato si concentra sul consentire agli agenti di ragionare in modo logico, ad esempio trarre conclusioni, prendere decisioni o risolvere problemi, senza l'intervento umano diretto.

Il ragionamento automatizzato consente quanto segue:

Queste funzionalità trasformano una risposta fondata in una risposta motivata e un agente Amazon Bedrock da uno strumento di recupero a un consulente sensibile al dominio.

Con strumenti come il concatenamento rapido, i cicli di riflessione-valutazione e l'orchestrazione multiagente, i sistemi di intelligenza artificiale agentica possono simulare modelli di ragionamento esperti, come diagnosi, triage, pianificazione o analisi del rischio.

Modelli Amazon Nova e generazione a terra

Con Amazon Nova Pro e Amazon Nova Premier, i flussi di lavoro RAG basati su basi si estendono agli input multimodali, consentendo agli agenti di interpretare e ragionare attraverso le seguenti fonti:

Questa funzionalità rende Amazon Nova la soluzione ideale per i settori che richiedono una conoscenza approfondita dei contenuti multimediali, come casi legali, valutazioni assicurative, cartelle cliniche o documenti normativi.

Sicurezza e governance in RAG

I modelli aziendali radicati introducono, ad esempio tramite RAG, basi di conoscenza o perfezionamento, nuove responsabilità. Stai inserendo i tuoi dati e il tuo contesto in un modello di base. Ciò introduce nuove responsabilità oltre alla semplice selezione del modello e alla rapida creazione. AWS consiglia i seguenti controlli, che collaborano con i guardrail per supportare un'implementazione aziendale sicura:

Riepilogo di grounding e RAG

RAG è una strategia fondamentale per un'IA aziendale sicura e scalabile. Basando i modelli di base su conoscenze interne autorevoli, RAG trasforma modelli linguistici di grandi dimensioni da generatori generici in assistenti di intelligenza artificiale sensibili al dominio, allineati alle politiche e spiegabili. Questo approccio riduce le allucinazioni, impone la conformità alle politiche interne e consente risposte contestuali e basate sui fatti, rendendo l'IA generativa adatta sia alle applicazioni rivolte ai clienti che ai dipendenti.

Se combinati con il ragionamento automatico e i guardrail, i modelli fondati diventano non solo strumenti, ma agenti affidabili e responsabili. Con il supporto RAG serverless di Amazon Bedrock e le funzionalità multimodali di Amazon Nova, le organizzazioni possono scalare l'IA sicura e ad alte prestazioni in tutta l'azienda senza gestire l'infrastruttura.