本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
向量資料庫使用案例
下列範例強調如何有效地使用不同的向量資料庫選項來增強知識管理、提高營運效率，以及提供更好的業務成果。這些使用案例說明本指南稍早討論的向量資料庫解決方案的實際應用程式，並提供其實際效能和優點的洞見。
Amazon Kendra 的知識管理
客戶問題 – 日本最大的一般承包商之一面臨經驗豐富的人員下降。公司需要一種方法來有效地將體驗人員的知識和技能轉移到較年輕的世代。他們需要解決方案來擷取和傳播複雜的建構工程知識和過去的經驗。
AWS 解決方案 – 為了解決此問題，客戶轉向 Amazon Kendra，這是一種 AI 解決方案，可以快速準確地處理其內部知識庫並允許自然語言查詢。使用 Amazon Kendra，員工現在可以更快地找到他們所需的資訊，提高生產力並促進從經驗豐富的人員到較年幼員工的知識轉移。
影響 – 透過實作由 Amazon Kendra 提供支援的生成式 AI 聊天機器人，該公司建立了統一的知識平台。聊天機器人可讓員工快速存取技術知識和過去的建構工程經驗。此解決方案已大幅提升組織內知識轉移和決策程序的效率，有助於確保所有員工都能輕鬆獲得寶貴的專業知識。此解決方案的成本可能會因您的用量和組態而有所不同。如需詳細成本估算，請參閱 AWS 定價計算工具
如需其他客戶使用案例的資訊，請參閱 Amazon Kendra 客戶
使用 OpenSearch Serverless 進行即時分析
客戶問題 – 一家領先的金融服務供應商面臨管理巨型資料生態系統的挑戰。它每年處理 3 億個授權和 900 億筆交易，累積到大約 11 PB (PB) 的資料。現有系統為需要存取超過 6，000 個報告的 300，000 名使用者提供服務，需要現代化以提供全球一致性並啟用即時決策。
AWS 解決方案 – 解決方案架構使用透過 Amazon Bedrock （包括 Anthropic、Sonnet 3、Sonnet 3.5 和 Haiku) 提供的基礎模型進行自然語言處理。客戶選擇 OpenSearch Serverless 作為向量資料庫，因其卓越的可擴展性和有效處理大量資料量的能力。此架構可無縫處理複雜的查詢和產生動態報告。
影響 – 實作透過消除手動產生超過 100 個商業智慧儀表板的需求，將生產力提高 50%。使用者現在可以透過回應時間介於 20-40 秒之間的自然語言查詢產生報告。此解決方案的成本可能會因您的用量和組態而有所不同。如需詳細成本估算，請參閱 AWS 定價計算工具
