In de afgelopen 5 jaar zijn kunstmatige intelligentie (AI) en machine learning (ML) geëvolueerd van een nicheactiviteit naar een snelgroeiende mainstream onderneming. Tegenwoordig vertrouwen meer dan 100,000 klanten in tal van sectoren op AWS voor ML- en AI-initiatieven die AI integreren in een breed scala aan zakelijke use-cases om repetitieve en alledaagse taken te automatiseren, van intelligente vraagplanning tot documentverwerking en contentmoderatie. AWS AI-services helpen klanten om vlottere, snellere en efficiëntere contacten met klanten te creëren, waardoor de efficiëntie wordt vergroot en de operationele kosten worden verlaagd.

Tijdens AWS re:Invent heeft Amazon Web Services, Inc. een reeks functies en verbeteringen aangekondigd voor zijn portfolio van AI-diensten, waaronder speciaal gebouwde oplossingen om branchespecifieke uitdagingen op te lossen, wat een diepere integratie van AI in dagelijkse ervaringen vertegenwoordigt. De nieuwe mogelijkheden omvatten Amazon Textract Analyse Lending om de verwerkingsefficiëntie van leningdocumenten te verbeteren, Amazon Transcribe Call Analytics om lopende contactcentergesprekken te analyseren, Amazon Kendra-ondersteuning voor zoeken in tabellen in HTML en zeven nieuwe talen, Amazon HealthLake Imaging voor het opslaan van medische beelden; Amazon HealthLake Analytics met multimodale mogelijkheden voor het opvragen van gegevens, ondersteuning voor bredere programmeertalen en eenvoudiger beheer in Amazon CodeWhisperer. Deze AI-service-innovaties bieden verticale markten en horizontale functies diepere, realtime inzichten en kostenbesparende efficiëntie om transformatie in verschillende sectoren te stimuleren.

Deze nieuwe mogelijkheden verbeteren het AI-aanbod van AWS bovenaan de drielaagse ML-stack. De onderste laag bevat basiscomponenten (ML-hardware en ML-softwarebibliotheken) om klanten te helpen bij het bouwen van hun eigen ML-infrastructuur, en de middelste laag:Amazon Sage Maker—is een volledig beheerde ML-ontwikkelomgeving. De toplaag van AI-services brengt ML naar zakelijke use-cases, zoals het transcriberen van contactcentergesprekken, het verwerken van documenten en het verbeteren van zorgresultaten. Klanten kunnen AWS AI-services gebruiken zonder dat ML-expertise vereist is.

Klanten uit verschillende branches vertrouwen op AWS AI-services om de efficiëntie te verbeteren en de operationele kosten te verlagen. Zo verbeterde WaFd Bank, een full-service Amerikaanse bank, haar klantervaring met Talkdesk (een wereldwijd cloudcontactcenterbedrijf) en AWS Contact Center-informatie (CCI)-oplossingen, waardoor de gesprekstijd tot wel 90% wordt verkort. En State Auto, een holdingmaatschappij voor eigendoms- en ongevallenverzekeringen, automatiseerde het eigendomsinspectieproces met behulp van Amazon Rekognition (een computervisiedienst), waardoor het aantal claims dat het beoordeelt op mogelijke fraude met 83% toenam.

Amazon Textract Analyse Lending maakt het gemakkelijk om gegevens over hypotheekleningen te classificeren en te extraheren

Tegenwoordig verwerken hypotheekbedrijven grote hoeveelheden documenten om bedrijfskritische gegevens te extraheren en beslissingen te nemen over leningaanvragen. Een typische Amerikaanse hypotheekaanvraag kan bijvoorbeeld 500 of meer pagina's met verschillende soorten documenten omvatten, waaronder W2-formulieren, loonstrookjes, bankafschriften, formulier 1040, 1003 en nog veel meer. De leningverwerkingstoepassing van de geldschieter moet eerst elk documenttype begrijpen en classificeren om ervoor te zorgen dat het op de juiste manier wordt verwerkt. Daarna moet de leningverwerkingstoepassing alle gegevens op elke pagina van het document extraheren. De gegevens in deze documenten bestaan ​​in verschillende formaten en structuren, en hetzelfde gegevenselement kan verschillende namen hebben op verschillende documenten, bijvoorbeeld 'SSN' of 'Social Security Number', wat kan leiden tot onnauwkeurige gegevensextractie. Tot nu toe zijn de classificatie en extractie van gegevens uit hypotheekaanvraagpakketten voornamelijk handmatige taken geweest. Bovendien moeten hypotheekverstrekkers de vraag naar hypotheken beheren, die gedurende een jaar aanzienlijk kan fluctueren, waardoor kredietverstrekkers niet in staat zijn effectief te plannen en vaak ad hoc middelen moeten toewijzen om documenten te verwerken. Over het algemeen is de verwerking van hypotheekleningen nog steeds handmatig, traag, foutgevoelig en duur.

Amazon T-extract (de AI-service van AWS om automatisch tekst, handschrift en gegevens uit gescande documenten te extraheren) biedt nu Amazon Textract analyseert kredietverlening om de verwerking van leningsdocumenten meer geautomatiseerd, sneller en kosteneffectiever op schaal te maken. Amazon Textract Analyse Lending verzamelt meerdere ML-modellen om verschillende documenten te classificeren die vaak voorkomen in hypotheekpakketten, en haalt vervolgens met hoge nauwkeurigheid kritieke informatie uit deze documenten om de workflows voor het verwerken van leningdocumenten te verbeteren. Het kan nu bijvoorbeeld handtekeningdetectie uitvoeren om vast te stellen of documenten de vereiste handtekeningen hebben. Het biedt ook een samenvatting van de documenten in een hypotheekaanvraagpakket en identificeert eventuele ontbrekende documenten. PennyMac, een financiële dienstverlener die gespecialiseerd is in de productie en het onderhoud van Amerikaanse hypotheekleningen, gebruikt bijvoorbeeld Amazon Textract Analyse Lending om een ​​hypotheekaanvraag van 3,000 pagina's in minder dan 5 minuten te verwerken. Voorheen vergde de verwerking van hypotheekdocumenten door PennyMac enkele uren aan het beoordelen en voorbereiden van een leningpakket ter goedkeuring.

Amazon Transcribe Call Analytics voor verbeterde eindgebruikerservaringen

In de meeste klantgerichte sectoren, zoals telecom, financiën, gezondheidszorg en detailhandel, kunnen klantervaringen met callcenters een diepgaande invloed hebben op de perceptie van het bedrijf. Lange oplostijden of het onvermogen om problemen op te lossen tijdens live interacties kunnen leiden tot slechte klantervaringen of klantverloop. Contactcenters hebben realtime inzicht nodig in klantervaringsproblemen (bv, een productdefect) tijdens gesprekken. Doorgaans gebruiken ontwikkelaars meerdere AI-services om live oproeptranscripties te genereren, relevante realtime inzichten te extraheren en gevoelige klantinformatie te beheren (bv gevoelige klantgegevens identificeren en redigeren) tijdens live gesprekken. Dit proces voegt echter onnodige complexiteit, tijd en kosten toe.

Amazon Transcribe, een automatische spraakherkenningsservice (ASR) waarmee ontwikkelaars eenvoudig spraak-naar-tekst-mogelijkheden aan hun toepassingen kunnen toevoegen, ondersteunt nu gespreksanalyse om real-time gespreksinzichten te bieden. Amazon Transcribe Oproepanalyse biedt nu realtime conversatie-inzichten die helpen bij het analyseren van duizenden lopende gesprekken, het identificeren van gesprekssentiment (bijvoorbeeld gesprekken die eindigden met een negatieve klantsentimentscore), het detecteren van de mogelijke reden voor het gesprek en het opsporen van problemen zoals herhaalde spreekverzoeken aan een beheerder. Amazon Transcribe Call Analytics combineert krachtige automatische spraak-NLP-modellen die specifiek zijn getraind om de algehele klantervaring te verbeteren. Met Amazon Transcribe Call Analytics kunnen ontwikkelaars een real-time systeem bouwen dat contactcentermedewerkers relevante informatie biedt om problemen van klanten op te lossen of supervisors te waarschuwen voor mogelijke problemen. Amazon Transcribe Call Analytics genereert ook automatisch oproepoverzichten, waardoor agenten geen aantekeningen meer hoeven te maken en ze zich kunnen concentreren op de behoeften van de klant. Bovendien beschermt Amazon Transcribe Call Analytics gevoelige klantgegevens door persoonlijke informatie tijdens live-oproepen te identificeren en te redigeren.

Amazon Kendra voegt nieuwe zoekmogelijkheden toe

Vandaag de dag, in het licht van de snelle groei van het volume en de verscheidenheid aan gegevens, hebben zoekhulpmiddelen voor bedrijven moeite om belangrijke inzichten te onderzoeken en te ontdekken die zijn opgeslagen in verschillende bedrijfssystemen in heterogene gegevensformaten en in verschillende talen. Conventionele enterprise search-oplossingen zijn niet in staat om kennis te vinden die is opgeslagen in ongestructureerde datasets zoals HTML-tabellen, omdat hiervoor informatie moet worden geëxtraheerd uit tweedimensionale formaten (rijen en kolommen). Soms kan de informatie die een klant zoekt in verschillende talen bestaan, wat de zoektocht nog uitdagender maakt. Als gevolg hiervan verspillen ondernemingsmedewerkers tijd aan het zoeken naar informatie of zijn ze niet in staat hun taken uit te voeren.

Amazon Kendra (de intelligente zoekservice van AWS, mogelijk gemaakt door ML) biedt een nieuwe mogelijkheid die zoeken in tabelvorm in HTML ondersteunt. Klanten kunnen sneller nauwkeurigere antwoorden vinden in HTML-documenten, of ze nu in verhalende hoofdtekst of in tabelvorm zijn, door vragen in natuurlijke taal te gebruiken. Amazon Kendra kan nauwkeurige antwoorden uit HTML-tabellen vinden en extraheren door diepere analyses van HTML-pagina's uit te voeren en nieuwe gespecialiseerde deep learning-modellen te gebruiken die op intelligente wijze kolommen en rijen interpreteren om relevante gegevens te lokaliseren. Amazon Kendra voegt ook semantische ondersteuning toe voor zeven nieuwe talen (naast Engels): Frans, Spaans, Duits, Portugees, Japans, Koreaans en Chinees. Klanten kunnen nu vragen in natuurlijke taal stellen en exacte antwoorden krijgen in een van de ondersteunde talen. Een van de biofarmaceutische klanten van AWS, Gilead Sciences Inc., verhoogde de productiviteit van het personeel door de interne zoektijd met ongeveer 50% te verkorten met behulp van Amazon Kendra.

Amazon HealthLake biedt beeldvormingsoplossingen van de volgende generatie en nauwkeurige gezondheidsanalyses

Zorgverleners staan ​​voor een groot aantal uitdagingen naarmate de schaal en complexiteit van medische beeldvormingsgegevens blijft toenemen. Medische beeldvorming is een cruciaal hulpmiddel om patiënten te diagnosticeren en er worden elk jaar wereldwijd miljarden medische beelden gescand. Beeldgegevens zijn goed voor ongeveer 90% ¹ van alle zorggegevens en het analyseren van deze complexe beelden is grotendeels een handmatige taak geweest van experts en specialisten. Het kost datawetenschappers en onderzoekers vaak weken of maanden om belangrijke inzichten uit medische beelden te halen, waardoor besluitvormingsprocessen voor zorgverleners worden vertraagd en de patiëntenzorg wordt beïnvloed. Om deze uitdagingen het hoofd te bieden, Amazon Health Lake (een HIPAA-geschikte service voor het opslaan, transformeren, opvragen en analyseren van grootschalige gezondheidsgegevens) voegt twee nieuwe mogelijkheden toe voor medische beeldvorming en analyse:

• Amazon HealthLake-beeldvorming is een nieuwe mogelijkheid die in aanmerking komt voor HIPAA en waarmee zorgaanbieders en hun softwarepartners eenvoudig medische beelden op petabyte-schaal kunnen opslaan, openen en analyseren. De nieuwe mogelijkheid is ontworpen voor het snel ophalen van beelden in minder dan een seconde in klinische workflows waar zorgverleners vanaf elke locatie veilig toegang toe hebben (bv web, desktop of telefoon) en met hoge beschikbaarheid. Doorgaans slaan gezondheidssystemen meerdere kopieën van dezelfde beeldvormingsgegevens op in klinische en onderzoekssystemen, wat leidt tot hogere opslagkosten en complexiteit. Amazon HealthLake Imaging extraheert slechts één kopie van dezelfde afbeelding en slaat deze op in de cloud. Klanten hebben nu toegang tot bestaande medische dossiers en kunnen analyse-applicaties uitvoeren vanaf een enkele gecodeerde kopie van dezelfde gegevens in de cloud met genormaliseerde metadata en geavanceerde compressie. Als gevolg hiervan kan Amazon HealthLake Imaging providers helpen de totale kosten van opslag voor medische beeldvorming met tot wel 40% te verlagen.
• Amazon HealthLake Analytics is een nieuwe HIPAA-geschikte mogelijkheid die het gemakkelijk maakt om multimodale gezondheidsgegevens op te vragen en inzichten te ontlenen (bv beeldvorming, tekst of genetica), op individueel of populatieniveau, met de mogelijkheid om gegevens veilig te delen binnen de onderneming. Het maakt het voor zorgverleners overbodig om complexe data-exports en datatransformaties uit te voeren. Amazon HealthLake Analytics normaliseert automatisch onbewerkte gezondheidsgegevens uit verschillende bronnen (bv medische dossiers, claims voor ziektekostenverzekeringen, EPD's of medische apparaten) in een analytisch en interoperabel formaat in enkele minuten. De nieuwe mogelijkheid vermindert wat anders maanden aan technische inspanning zou kosten om zorgverleners in staat te stellen zich te concentreren op waar ze goed in zijn: patiëntenzorg leveren.

Amazon CodeWhisperer biedt bredere ondersteuning en eenvoudiger beheer

Hoewel de cloud de ontwikkeling van applicaties heeft gedemocratiseerd door on-demand toegang tot computers, opslag, database, analyse en ML, blijft het traditionele proces van het bouwen van softwareapplicaties in elke branche tijdrovend. Ontwikkelaars moeten nog steeds veel tijd besteden aan het schrijven van repetitieve code die niet direct verband houdt met de kernproblemen die ze willen oplossen. Zelfs zeer ervaren ontwikkelaars vinden het moeilijk om meerdere programmeertalen, frameworks en softwarebibliotheken bij te houden, terwijl ze ervoor moeten zorgen dat ze de juiste programmeersyntaxis en best practices voor coderen volgen.

Amazon Code Whisperer (een door ML aangedreven service die code-aanbevelingen genereert) ondersteunt nu AWS Builder ID, zodat elke ontwikkelaar zich veilig kan aanmelden met alleen een e-mailadres en Amazon CodeWhisperer kan inschakelen voor hun IDE binnen de AWS Toolkit. Naast Python, Java en JavaScript voegt Amazon CodeWhisperer ondersteuning toe voor TypeScript- en C#-talen om de ontwikkeling van code te versnellen. Ook doet Amazon CodeWhisperer nu codeaanbevelingen voor AWS Application Programming Interfaces (API's) voor zijn meest populaire services, waaronder Amazon Elastic Compute-cloud (Amazone EC2), AWS Lambda en Amazon eenvoudige opslagservice (Amazone S3). Eindelijk is Amazon CodeWhisperer nu beschikbaar op de AWS-beheerconsole, zodat elke geautoriseerde AWS-beheerder Amazon CodeWhisperer voor zijn organisatie kan inschakelen.

Conclusie

Met deze nieuwe functies en mogelijkheden blijft AWS zijn portfolio van de breedste en diepste set AI-services uitbreiden. AWS erkent ook dat naarmate AI-aangedreven use cases alomtegenwoordig worden, het belangrijk is dat deze mogelijkheden op een verantwoorde manier worden gebouwd. AWS zet zich in om haar diensten op een verantwoorde manier op te bouwen en klanten te ondersteunen om hen te helpen AI op een verantwoorde manier in te zetten. Door klanten in staat te stellen gemakkelijker en verantwoord nieuwe en uitgebreide AI-mogelijkheden toe te voegen aan hun applicaties en workflows, ontketent AWS nog meer innovatie en helpt het bedrijven opnieuw na te denken over hoe ze enkele van hun meest urgente uitdagingen benaderen en oplossen. Ga voor meer informatie over de alomvattende benadering van AWS voor verantwoorde AI naar Verantwoord gebruik van kunstmatige intelligentie en machine learning.

Referenties

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

Over de auteur

Bratin Saha is de vice-president van kunstmatige intelligentie en machine learning bij AWS.

• Coinsmart. Europa's beste Bitcoin- en crypto-uitwisseling.Klik Hier
• Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/aws-unveils-new-ai-service-features-and-enhancements-at-reinvent-2022/