Desarrollo de una Aplicación Innovadora Usando Amazon Aurora y Amazon Kendra

Elena Digital López

El avance de la inteligencia artificial generativa y los modelos de lenguaje grande (LLMs) está transformando notablemente las organizaciones en diversos sectores, mejorando significativamente la experiencia del cliente de manera mucho más rápida que los métodos tradicionales, los cuales solían requerir años de desarrollo. Las organizaciones disponen de una vasta cantidad de datos almacenados, ya sea en infraestructuras locales o en proveedores de la nube.

Una de las formas más efectivas de aprovechar la inteligencia artificial generativa es convertir los datos existentes en un índice que esta tecnología pueda utilizar para realizar búsquedas. A diferencia de los resultados obtenidos al consultar un LLM de código abierto, que solo proporciona información públicamente accesible, la inteligencia generativa ofrece un entendimiento más profundo de esos datos, complementando la información con contexto adicional mediante técnicas como la Generación Aumentada por Recuperación (RAG).

RAG permite la extracción de datos de una base de conocimiento preexistente —los datos de la organización—, los combina con el conocimiento del LLM y produce respuestas que resultan más naturales al usuario. Sin embargo, para que la inteligencia generativa pueda interpretar adecuadamente los datos de una organización, es esencial prepararlos de forma adecuada, lo cual puede comportar un aprendizaje considerable.

Amazon Aurora, una base de datos relacional compatible con MySQL y PostgreSQL, ha sido diseñada para optimizar su uso en la nube. Combinando la eficiencia y disponibilidad de bases de datos empresariales tradicionales con la simplicidad y rentabilidad de las bases de datos de código abierto, Aurora se plantea como una solución efectiva para transformar los datos en un recurso útil.

Un ejemplo de implementación de esta estrategia consiste en utilizar los datos existentes en Aurora como fuente para crear un servicio de búsqueda inteligente, conectando y sincronizando dicha fuente con Amazon Kendra. De este modo, es posible realizar una búsqueda de datos generativa que emplea RAG para generar respuestas precisas, basándose en una combinación de los datos organizacionales y el conocimiento proporcionado por los LLMs.

Los pasos para llevar a cabo esta implementación incluyen la creación de un clúster de Aurora PostgreSQL, la ingesta de datos en la base de datos, el establecimiento de un índice en Amazon Kendra, y la configuración de un conector de Aurora PostgreSQL en Kendra para vincular ambos sistemas. Una vez que el índice de Kendra se sincroniza con los datos de Aurora, se habilita la búsqueda inteligente y la generación de respuestas mejoradas mediante la interacción con la inteligencia artificial.

La adopción de esta tecnología no solo disminuye la necesidad de preparar los datos antes de ser utilizados por servicios de búsqueda, sino que también acelera el desarrollo de aplicaciones de inteligencia generativa, facilitando a las organizaciones avanzar en su transformación digital y optimización de atención al cliente.

Scroll al inicio