En el entorno financiero de Amazon, se enfrentan a complejidades crecientes en los procesos de planificación y análisis. Los analistas deben manejar grandes volúmenes de datos desde múltiples sistemas y unidades de negocio, lo que representa desafíos significativos. La navegación manual por catálogos de datos y la conciliación de información de fuentes dispares consume gran parte del tiempo de los analistas, reduciendo su capacidad para realizar análisis valiosos. Además, los datos históricos y las decisiones empresariales pasadas se encuentran en documentos y sistemas obsoletos, complicando el uso de aprendizajes previos en los ciclos de planificación. La rapidez del cambio en el contexto empresarial exige acceso inmediato a métricas relevantes y datos financieros para decisiones basadas en datos.
Las herramientas tradicionales no logran abordar eficazmente estos problemas. Las búsquedas por palabras clave suelen omitir relaciones contextuales en los datos, y las consultas rígidas limitan la exploración dinámica. La falta de preservación del conocimiento institucional resulta en que decisiones valiosas se pierdan o se aíslen con el tiempo, conduciendo a análisis redundantes e inconsistencias en las suposiciones de planificación entre equipos. Estos desafíos afectan la eficiencia de la planificación financiera, la agilidad en la toma de decisiones y la calidad de las percepciones empresariales.
Para afrontar estas dificultades, Amazon Finance ha desarrollado una solución integrada con inteligencia artificial utilizando Amazon Bedrock y Kendra. Este asistente de IA permite a los analistas interactuar con los datos financieros a través de consultas en lenguaje natural, reduciendo la necesidad de búsquedas complejas. El asistente accede a una base de conocimientos de documentos financieros, datos históricos y contexto empresarial, ofreciendo respuestas relevantes y seguras.
La solución se basa en recuperación inteligente y generación aumentada. El sistema de recuperación utiliza almacenes vectoriales para búsquedas semánticas, convirtiendo consultas en representaciones vectoriales. La generación aumentada produce respuestas precisas y contextualizadas, mejorando la precisión factual y reduciendo las «alucinaciones» típicas de modelos de lenguaje tradicionales.
El éxito de esta solución se ha comprobado con un marco de evaluación exhaustivo que midió métricas cuantitativas y cualitativas. Las pruebas mostraron una reducción del 30% en el tiempo de búsqueda y un aumento del 80% en la precisión de los resultados. Este asistente ha simplificado significativamente la interacción con datos complejos, permitiendo consultas en lenguaje natural que ofrecen respuestas precisas y contextuales.
En conclusión, el asistente de IA ha transformado cómo los analistas financieros gestionan y exploran datos, mejorando eficiencia y calidad en el proceso de decisión. La tecnología ha facilitado el acceso a información crítica de manera rápida, creando un entorno donde los analistas pueden confiar en el sistema para generar información útil y precisa en tiempo real.
