지난 5년 동안 인공 지능(AI)과 기계 학습(ML)은 틈새 활동에서 빠르게 성장하는 주류 활동으로 발전했습니다. 오늘날 다양한 산업 분야의 100,000명 이상의 고객이 지능형 수요 계획에서 문서 처리 및 콘텐츠 조정에 이르기까지 반복적이고 일상적인 작업을 자동화하기 위해 AI를 광범위한 비즈니스 사용 사례에 주입하는 ML 및 AI 이니셔티브에 AWS를 사용하고 있습니다. AWS AI 서비스는 고객이 보다 원활하고 빠르고 효율적으로 고객과 소통하여 효율성을 높이고 운영 비용을 절감할 수 있도록 지원합니다.

AWS re:Invent에서 Amazon Web Services, Inc.는 AI 서비스 포트폴리오 전반에 걸쳐 산업별 문제를 해결하기 위해 특별히 제작된 솔루션을 포함하여 일련의 기능 및 개선 사항을 발표했으며, 이는 AI를 일상 경험에 더 깊이 통합하는 것을 나타냅니다. 새로운 기능에는 대출 문서 처리 효율성을 개선하기 위한 Amazon Textract Analyze Lending, 진행 중인 고객 센터 통화를 분석하기 위한 Amazon Transcribe Call Analytics, HTML 및 XNUMX개의 새로운 언어로 표 형식 검색을 위한 Amazon Kendra 지원, 의료 이미지 저장을 위한 Amazon HealthLake Imaging이 포함됩니다. 다중 모달 데이터 쿼리 기능을 갖춘 Amazon HealthLake Analytics와 Amazon CodeWhisperer에서 더 광범위한 프로그래밍 언어 지원 및 더 쉬운 관리. 이러한 AI 서비스 혁신은 수직적 시장과 수평적 기능에 더 깊은 실시간 통찰력과 비용 절감 효율성을 제공하여 산업 전반에서 혁신을 주도합니다.

이러한 새로운 기능은 XNUMX계층 ML 스택의 최상위에서 AWS의 AI 제품을 향상시킵니다. 맨 아래 계층에는 고객이 자체 ML 인프라를 구축하는 데 도움이 되는 기본 구성 요소(ML 하드웨어 및 ML 소프트웨어 라이브러리)와 중간 계층이 포함됩니다.아마존 세이지 메이커— 완전 관리형 ML 개발 환경입니다. AI 서비스의 최상위 계층은 컨택 센터 통화 녹음, 문서 처리, 의료 결과 개선과 같은 비즈니스 사용 사례에 ML을 제공합니다. 고객은 ML 전문 지식 없이도 AWS AI 서비스를 사용할 수 있습니다.

다양한 산업 분야의 고객이 AWS AI 서비스를 사용하여 효율성을 개선하고 운영 비용을 절감합니다. 예를 들어 풀 서비스를 제공하는 미국 은행인 WaFd Bank는 Talkdesk(글로벌 클라우드 컨택 센터 회사)로 고객 경험을 개선하고 AWS Contact Center 인텔리전스 (CCI) 솔루션으로 통화 시간을 최대 90%까지 단축합니다. 그리고 재산 및 상해 보험 지주 회사인 State Auto는 다음을 사용하여 재산 검사 프로세스를 자동화했습니다. 아마존 인식 (컴퓨터 비전 서비스) 잠재적인 사기에 대해 검토하는 청구 건수를 83% 늘렸습니다.

Amazon Textract Analyze Lending을 사용하면 모기지론 데이터를 쉽게 분류하고 추출할 수 있습니다.

오늘날 모기지 회사는 비즈니스 크리티컬 데이터를 추출하고 대출 신청에 대한 결정을 내리기 위해 대량의 문서를 처리합니다. 예를 들어, 일반적인 미국 모기지 신청은 W500 양식, 급여 명세서, 은행 명세서, 양식 2, 1040 등을 포함하여 다양한 문서 유형의 1003페이지 이상을 포함할 수 있습니다. 대출 기관의 대출 처리 애플리케이션은 먼저 각 문서 유형을 이해하고 분류하여 올바른 방식으로 처리되도록 해야 합니다. 그런 다음 대출 처리 애플리케이션은 문서의 각 페이지에서 모든 데이터를 추출해야 합니다. 이러한 문서의 데이터는 서로 다른 형식과 구조로 존재하며 동일한 데이터 요소가 서로 다른 문서에서 서로 다른 이름을 가질 수 있습니다(예: "SSN" 또는 "사회 보장 번호"). 이로 인해 부정확한 데이터 추출이 발생할 수 있습니다. 지금까지 모기지 신청 패키지에서 데이터를 분류하고 추출하는 작업은 주로 수동 작업이었습니다. 또한 모기지 회사는 XNUMX년 동안 크게 변동할 수 있는 모기지에 대한 수요를 관리해야 하므로 대출 기관은 효과적인 계획을 세울 수 없으며 수시로 임시로 문서를 처리하기 위해 리소스를 할당해야 합니다. 전반적으로 모기지론 처리는 여전히 수동적이고 느리며 오류가 발생하기 쉽고 비용이 많이 듭니다.

아마존 텍사스 (스캔한 문서에서 텍스트, 필기, 데이터를 자동으로 추출하는 AWS의 AI 서비스)가 이제 Amazon Textract 대출 분석 대출 문서 처리를 더 자동화하고, 더 빠르고, 규모에 맞게 비용 효율적으로 만듭니다. Amazon Textract Analyze Lending은 여러 ML 모델을 함께 가져와 모기지 패키지에서 일반적으로 발생하는 다양한 문서를 분류한 다음 이러한 문서에서 높은 정확도로 중요한 정보를 추출하여 대출 문서 처리 워크플로를 개선합니다. 예를 들어 이제 서명 감지를 수행하여 문서에 서명이 필요한지 여부를 식별할 수 있습니다. 또한 모기지 신청 패키지의 문서 요약을 제공하고 누락된 문서를 식별합니다. 예를 들어 미국 모기지 대출의 생산 및 서비스를 전문으로 하는 금융 서비스 회사인 PennyMac은 Amazon Textract Analyze Lending을 사용하여 3,000페이지의 모기지 신청을 5분 이내에 처리합니다. 이전에 PennyMac의 모기지 문서 처리에는 승인을 위해 대출 패키지를 검토하고 준비하는 데 몇 시간이 걸렸습니다.

최종 사용자 경험 개선을 위한 Amazon Transcribe Call Analytics

통신, 금융, 의료 및 소매와 같은 대부분의 고객 대면 산업에서 콜 센터에 대한 고객 경험은 회사에 대한 인식에 큰 영향을 미칠 수 있습니다. 통화 해결 시간이 길거나 라이브 상호 작용 중에 문제를 처리할 수 없으면 고객 경험이 저하되거나 고객 이탈이 발생할 수 있습니다. 컨택 센터에는 고객 경험 문제에 대한 실시간 통찰력이 필요합니다(예, 제품 불량) 통화 중입니다. 일반적으로 개발자는 여러 AI 서비스를 사용하여 실시간 통화 녹음을 생성하고 관련 실시간 인사이트를 추출하며 민감한 고객 정보를 관리합니다.예 실시간 통화 중 민감한 고객 세부 정보 식별 및 수정). 그러나 이 프로세스는 불필요한 복잡성, 시간 및 비용을 추가합니다.

아마존 전사개발자가 애플리케이션에 음성을 텍스트로 변환하는 기능을 쉽게 추가할 수 있게 해주는 자동 음성 인식(ASR) 서비스인 은 이제 통화 분석을 지원하여 실시간 대화 통찰력을 제공합니다. Amazon Transcribe 통화 분석 이제 진행 중인 수천 건의 통화를 분석하고, 통화 감정(예: 부정적인 고객 감정 점수로 종료된 통화)을 식별하고, 통화의 잠재적인 이유를 감지하고, 반복적인 발언 요청과 같은 문제를 파악하는 데 도움이 되는 실시간 대화 통찰력을 제공합니다. 관리자에게. Amazon Transcribe Call Analytics는 전반적인 고객 경험을 개선하도록 특별히 훈련된 강력한 자동 음성 NLP 모델을 결합합니다. Amazon Transcribe Call Analytics를 사용하여 개발자는 고객 문제를 해결하거나 감독자에게 잠재적인 문제를 알리는 데 필요한 관련 정보를 연락 센터 상담원에게 제공하는 실시간 시스템을 구축할 수 있습니다. Amazon Transcribe Call Analytics는 또한 통화 요약을 자동으로 생성하므로 상담원이 메모할 필요가 없고 고객 요구 사항에 집중할 수 있습니다. 또한 Amazon Transcribe Call Analytics는 실시간 통화 중에 개인 정보를 식별하고 수정하여 중요한 고객 데이터를 보호합니다.

Amazon Kendra, 새로운 검색 기능 추가

오늘날 데이터의 양과 다양성이 급속히 증가함에 따라 엔터프라이즈 검색 도구는 이기종 데이터 형식과 다른 언어로 엔터프라이즈 시스템에 저장된 핵심 통찰력을 조사하고 발견하는 데 어려움을 겪고 있습니다. 기존의 엔터프라이즈 검색 솔루션은 XNUMX차원 형식(행 및 열)에서 정보를 추출해야 하기 때문에 HTML 테이블과 같은 비정형 데이터 세트에 저장된 지식을 찾을 수 없습니다. 경우에 따라 고객이 찾는 정보가 다른 언어로 존재할 수 있어 검색이 더욱 어려워질 수 있습니다. 결과적으로 기업 직원은 정보 검색에 시간을 낭비하거나 업무를 수행할 수 없습니다.

아마존 켄드라 (ML로 구동되는 AWS의 지능형 검색 서비스)는 HTML에서 표 형식 검색을 지원하는 새로운 기능을 제공합니다. 고객은 자연어 질문을 사용하여 서술형 본문이든 표 형식이든 관계없이 HTML 문서에서 보다 정확한 답변을 더 빨리 찾을 수 있습니다. Amazon Kendra는 HTML 페이지에 대한 심도 있는 분석을 수행하고 열과 행을 지능적으로 해석하여 관련 데이터를 찾아내는 새로운 특수 딥 러닝 모델을 사용하여 HTML 테이블에서 정확한 답변을 찾고 추출할 수 있습니다. Amazon Kendra는 영어 외에 프랑스어, 스페인어, 독일어, 포르투갈어, 일본어, 한국어, 중국어 등 50개의 새로운 언어에 대한 시맨틱 지원도 추가하고 있습니다. 고객은 이제 자연어로 질문하고 지원되는 모든 언어로 정확한 답변을 얻을 수 있습니다. AWS의 바이오 제약 고객 중 하나인 Gilead Sciences Inc.는 Amazon Kendra를 사용하여 내부 검색 시간을 약 XNUMX% 단축하여 직원 생산성을 높였습니다.

Amazon HealthLake는 차세대 이미징 솔루션 및 정밀 건강 분석을 제공합니다.

의료 영상 데이터의 규모와 복잡성이 계속해서 증가함에 따라 의료 서비스 제공자는 무수한 문제에 직면해 있습니다. 의료 영상은 환자를 진단하는 데 중요한 도구이며 매년 전 세계적으로 수십억 개의 의료 영상이 스캔됩니다. 영상 데이터가 약 90% 차지 ¹ 모든 의료 데이터 중 이러한 복잡한 이미지를 분석하는 것은 대부분 전문가와 전문가가 수행하는 수동 작업이었습니다. 데이터 과학자와 연구원이 의료 이미지에서 중요한 인사이트를 도출하는 데 몇 주 또는 몇 달이 걸리는 경우가 많습니다. 이는 의료 서비스 제공자의 의사 결정 프로세스를 늦추고 환자 치료 제공에 영향을 미칩니다. 이러한 과제를 해결하기 위해 아마존 헬스 레이크 (대규모 건강 데이터를 저장, 변환, 쿼리 및 분석하는 HIPAA 적격 서비스)는 의료 이미징 및 분석을 위한 두 가지 새로운 기능을 추가합니다.

• Amazon HealthLake 이미징 의료 서비스 제공자와 해당 소프트웨어 파트너가 의료 이미지를 페타바이트 규모로 쉽게 저장, 액세스 및 분석할 수 있도록 하는 새로운 HIPAA 적격 기능입니다. 새로운 기능은 의료 서비스 제공자가 어디에서나 안전하게 액세스할 수 있는 임상 워크플로우에서 XNUMX초 미만의 빠른 이미지 검색을 위해 설계되었습니다.예를 들어, 웹, 데스크톱 또는 전화) 및 고가용성을 제공합니다. 일반적으로 의료 시스템은 동일한 이미징 데이터의 여러 복사본을 임상 및 연구 시스템에 저장하므로 저장 비용과 복잡성이 증가합니다. Amazon HealthLake Imaging은 동일한 이미지의 사본 하나만 추출하여 클라우드에 저장합니다. 이제 고객은 정규화된 메타데이터 및 고급 압축을 사용하여 클라우드에 있는 동일한 데이터의 단일 암호화 복사본에서 기존 의료 기록에 액세스하고 분석 애플리케이션을 실행할 수 있습니다. 결과적으로 Amazon HealthLake Imaging은 공급자가 의료 영상 스토리지의 총 비용을 최대 40%까지 절감하도록 도울 수 있습니다.
• Amazon HealthLake Analytics는 다중 모달 건강 데이터(예를 들어, 이미징, 텍스트 또는 유전학)을 개인 또는 인구 수준에서 기업 전체에서 안전하게 데이터를 공유할 수 있습니다. 의료 제공자가 복잡한 데이터 내보내기 및 데이터 변환을 실행할 필요가 없습니다. Amazon HealthLake Analytics는 서로 다른 소스의 원시 건강 데이터를 자동으로 정규화합니다(예를 들어, 의료 기록, 건강 보험 청구, EHR 또는 의료 기기)를 몇 분 안에 분석 및 상호 운용 가능한 형식으로 변환합니다. 새로운 기능은 공급자가 자신이 가장 잘하는 것인 환자 치료 제공에 집중할 수 있도록 수개월이 걸리는 엔지니어링 노력을 줄여줍니다.

Amazon CodeWhisperer는 더 광범위한 지원과 더 쉬운 관리를 제공합니다.

클라우드는 컴퓨팅, 스토리지, 데이터베이스, 분석 및 ML에 대한 온디맨드 액세스를 통해 애플리케이션 개발을 민주화했지만 모든 산업에서 소프트웨어 애플리케이션을 구축하는 기존 프로세스는 여전히 시간 집약적입니다. 개발자는 여전히 해결하려는 핵심 문제와 직접적인 관련이 없는 반복적인 코드를 작성하는 데 상당한 시간을 소비해야 합니다. 고도로 숙련된 개발자조차도 올바른 프로그래밍 구문과 코딩 모범 사례를 따르도록 하면서 여러 프로그래밍 언어, 프레임워크 및 소프트웨어 라이브러리를 따라잡는 것이 어렵다는 것을 알게 됩니다.

아마존 코드위스퍼러 (코드 권장 사항을 생성하는 ML 기반 서비스)는 이제 AWS Builder ID를 지원하므로 모든 개발자가 이메일 주소만으로 안전하게 가입하고 AWS Toolkit 내에서 IDE에 대해 Amazon CodeWhisperer를 활성화할 수 있습니다. Amazon CodeWhisperer는 Python, Java 및 JavaScript 외에도 TypeScript 및 C# 언어에 대한 지원을 추가하여 코드 개발을 가속화합니다. 또한 Amazon CodeWhisperer는 이제 다음을 포함하여 가장 널리 사용되는 서비스에서 AWS 애플리케이션 프로그래밍 인터페이스(API)에 대한 코드 권장 사항을 제공합니다. 아마존 엘라스틱 컴퓨트 클라우드 (아마존 EC2), AWS 람다및 아마존 단순 스토리지 서비스 (아마존 S3). 마지막으로 Amazon CodeWhisperer는 이제 다음에서 사용할 수 있습니다. AWS 관리 콘솔, 따라서 권한이 있는 AWS 관리자라면 누구나 조직에서 Amazon CodeWhisperer를 활성화할 수 있습니다.

결론

이러한 새로운 기능을 통해 AWS는 가장 광범위하고 심층적인 AI 서비스 포트폴리오를 계속 확장하고 있습니다. AWS는 또한 AI 기반 사용 사례가 널리 보급됨에 따라 이러한 기능을 책임 있는 방식으로 구축하는 것이 중요하다는 점을 인식하고 있습니다. AWS는 책임감 있는 방식으로 서비스를 구축하고 고객이 AI를 책임감 있게 배포할 수 있도록 지원하기 위해 최선을 다하고 있습니다. AWS는 고객이 애플리케이션과 워크플로에 새롭고 확장된 AI 기능을 보다 쉽고 책임감 있게 추가할 수 있도록 함으로써 훨씬 더 큰 혁신을 불러일으키고 기업이 가장 시급한 문제에 접근하고 해결하는 방법을 재구상할 수 있도록 지원합니다. 책임 있는 AI에 대한 AWS의 포괄적인 접근 방식에 대해 자세히 알아보려면 다음 사이트를 방문하십시오. 인공 지능 및 머신 러닝의 책임감 있는 사용.

참고자료

¹SK Zhou et al., "A Review of Deep Learning in Medical Imaging: Imaging Traits, Technology Trends, Case Studies With Progress Highlights, and Future Promises," IEEE Proceedings of the IEEE, vol. 109, 아니. 5, pp. 820-838, 2021년 10.1109월, doi: 2021.3054390/JPROC.XNUMX.

저자에 관하여

브라틴 사하 AWS의 인공 지능 및 기계 학습 부사장입니다.

• 코인스마트. 유럽 ​​최고의 비트코인 ​​및 암호화폐 거래소.Click Here
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://aws.amazon.com/blogs/machine-learning/aws-unveils-new-ai-service-features-and-enhancements-at-reinvent-2022/