AWS นำเสนอ บริการ ใหม่เพื่อเร่งความสามารถในการสร้างนวัตกรรม Generative AI มุ่งเพิ่มประสิทธิภาพการทำงานของพนักงาน และเปลี่ยนสภาพธุรกิจได้
Amazon Web Services, Inc. (AWS) บริษัทในเครือ Amazon.com, Inc. ประกาศเปิดตัวนวัตกรรมปัญญาประดิษฐ์ (Artificial Intelligence: AI) ทั้งหมด 5 นวัตกรรม เพื่อให้องค์กรทุกขนาดสามารถสร้างแอปพลิเคชัน Generative AI ใหม่ เพิ่มประสิทธิภาพการทำงานของพนักงาน และเปลี่ยนสภาพธุรกิจของตนได้ รวมถึงประกาศความพร้อมใช้งานทั่วไปของ Amazon Bedrock ซึ่งเป็น บริการ ที่มีการจัดการเต็มรูปแบบซึ่งทำให้โมเดลพื้นฐานต่าง ๆ (Foundation Model: FM) จากบริษัท AI ชั้นนำพร้อมใช้งานผ่าน Application Programming Interface (API) เดียว นอกจากนี้เพื่อให้ลูกค้ามีทางเลือกโมเดลพื้นฐานที่มากขึ้น AWS ยังประกาศความพร้อมใช้งานทั่วไปของโมเดล Amazon Titan Embeddings และ Llama 2 อีกด้วย ซึ่งจะทำให้เป็นบริการที่มีการจัดการเต็มรูปแบบแห่งแรกที่นำเสนอ Llama 2 ของ Meta ผ่านทาง API
สำหรับองค์กรที่ต้องการสร้างมูลค่าสูงสุดให้นักพัฒนาของตนจาก Generative AI นั้น AWS ยังประกาศความสามารถใหม่ (ที่จะเปิด บริการ พร้อมให้ใช้งานในแบบ preview เร็ว ๆ นี้) สำหรับ Amazon CodeWhisperer ที่เป็นคู่หูการเขียนโค้ดที่ขับเคลื่อนด้วย AI ของ AWS ที่ปรับแต่งคำแนะนำโค้ดของ CodeWhisperer อย่างปลอดภัยบนพื้นฐานของฐานข้อมูลโค้ดภายในขององค์กรเอง
AWS ปล่อยตัวอย่างความสามารถในการเขียน Generative Business Intelligence (BI) สำหรับ Amazon QuickSight เพื่อเพิ่มประสิทธิภาพการทำงานของนักวิเคราะห์ธุรกิจ โดย Amazon QuickSight เป็นบริการ BI แบบรวมศูนย์ที่สร้างขึ้นสําหรับระบบคลาวด์ เพื่อให้ลูกค้าสามารถสร้างสรรค์การนำเสนอที่น่าสนใจผ่านแผนภูมิ การคํานวณ และอื่น ๆ อีกมากมาย โดยเพียงแค่อธิบายสิ่งที่ต้องการในภาษาธรรมชาติ
นวัตกรรม Amazon Bedrock และ Amazon Titan Embeddings ไปจนถึง CodeWhisperer และ QuickSight จะช่วยเพิ่มความสามารถของบริการที่ AWS มอบให้กับลูกค้าที่ใช้ Generative AI ในทุกระดับสําหรับองค์กรทุกขนาด ตลอดจนความปลอดภัยและความเป็นส่วนตัวระดับองค์กร หากต้องการเริ่มต้นใช้งาน Generative AI บน AWS โปรดไปที่ aws.amazon.com/generative-ai/
สวามิ ศิวาสุบราห์มาเนียน รองประธานฝ่ายข้อมูลและ AI ของ AWS กล่าวว่า “ในปีที่ผ่านมา การแพร่กระจายของข้อมูล การเข้าถึงการประมวลผลที่ปรับขนาดได้ และความก้าวหน้าของแมชชีนเลิร์นนิง (ML) ได้นําไปสู่ความสนใจใน Generative AI ที่เพิ่มขึ้นอย่างมาก ซึ่งจุดประกายแนวคิดใหม่ ๆ ที่อาจทำให้เกิดการเปลี่ยนแปลงในอุตสาหกรรมทั้งหมด และการเริ่มต้นคิดเรื่องวิธีการทำงานใหม่ ๆ ด้วยความปลอดภัยและความเป็นส่วนตัวระดับองค์กร การเลือกใช้ FM ชั้นนำ แนวทางที่เน้นข้อมูลเป็นพื้นฐาน รวมถึงโครงสร้างพื้นฐานประสิทธิภาพสูงที่มีความคุ้มค่าของเรา องค์กรต่าง ๆ จึงไว้วางใจใน AWS เพื่อขับเคลื่อนธุรกิจของพวกเขาด้วยโซลูชัน Generative AI การประกาศในวันนี้ถือเป็นก้าวสำคัญที่นำ Generative AI มาอยู่ใกล้แค่ปลายนิ้วของทุกธุรกิจ ตั้งแต่สตาร์ทอัพไปจนถึงองค์กรขนาดใหญ่ และพนักงานทุกคน ตั้งแต่นักพัฒนาไปจนถึงนักวิเคราะห์ข้อมูล ด้วยนวัตกรรมใหม่อันทรงพลัง AWS จึงนําความปลอดภัย ทางเลือก และประสิทธิภาพที่มากขึ้นมาสู่ลูกค้า ในขณะเดียวกันก็ช่วยให้พวกเขาปรับกลยุทธ์ข้อมูลให้สอดคล้องกันทั่วทั้งองค์กร เพื่อให้สามารถใช้ประโยชน์จากศักยภาพของ Generative AI เพื่อสร้างการเปลี่ยนแปลงได้อย่างเต็มที่”
องค์กรทุกขนาดและทุกธุรกิจต้องการเริ่มต้นใช้ Generative AI เพื่อเปลี่ยนแปลงวิธีการดำเนินงาน มองหาวิธีการแก้ปัญหาที่ยากลำบากและสร้างประสบการณ์ผู้ใช้ใหม่ ในขณะที่ความก้าวหน้าล่าสุดใน generative AI ได้รับความสนใจอย่างแพร่หลาย แต่ธุรกิจจํานวนมากไม่สามารถมีส่วนร่วมในการเปลี่ยนแปลงนี้ได้ องค์กรเหล่านี้ต้องการเริ่มต้นใช้ Generative AI แต่กังวลเรื่องความปลอดภัยและความเป็นส่วนตัวของเครื่องมือเหล่านี้ และยังต้องการทางเลือกของ FM ที่หลากหลาย เพื่อให้สามารถทดสอบโมเดลต่าง ๆ เพื่อพิจารณาว่าโมเดลใดทำงานได้ดีที่สุดสำหรับกรณีการใช้งานต่าง ๆ ลูกค้าต้องการใช้ประโยชน์สูงสุดจากข้อมูลที่มีอยู่แล้วโดยการปรับแต่งโมเดลแบบส่วนตัวเพื่อสร้างประสบการณ์ที่แตกต่างให้กับผู้ใช้จริง
สุดท้ายพวกเขาต้องการเครื่องมือที่ช่วยให้พวกเขานำนวัตกรรมใหม่ ๆ เหล่านี้ออกสู่ตลาดได้อย่างรวดเร็ว และโครงสร้างพื้นฐานที่ช่วยให้พวกเขาสามารถนำแอปพลิเคชัน Generative AI ไปใช้ในระดับโลก นั่นเป็นเหตุผลที่ลูกค้า เช่น adidas, Alida, Asurion, BMW Group, Clariant, Genesys, Glide, GoDaddy, Intuit, LexisNexis Legal & Professional, Lonely Planet, Merck, NatWest Group, Perplexity AI, Persistent, Quext, RareJob Technologies, Rocket Mortgage, SnapLogic, Takenaka Corporation, Traeger Grills, the PGA TOUR, United Airlines, Verint, Verisk, WPS และอื่น ๆ ได้เลือกใช้ AWS สำหรับ Generative AI
Amazon Bedrock พร้อมใช้งานโดยทั่วไปแล้ว ช่วยให้ลูกค้าสามารถสร้างและปรับขนาดแอปพลิเคชัน Generative AI ได้มากยิ่งขึ้น
Amazon Bedrock เป็นบริการที่มีการจัดการเต็มรูปแบบซึ่งนําเสนอตัวเลือก FM ประสิทธิภาพสูงจากบริษัท AI ชั้นนํา เช่น AI21 Labs, Anthropic, Cohere, Meta, Stability AI และ Amazon พร้อมกับชุดความสามารถที่หลากหลายที่ลูกค้าต้องการในการสร้างแอปพลิเคชัน Generative AI ทำให้การพัฒนาง่ายขึ้นในขณะที่รักษาความเป็นส่วนตัวและความปลอดภัย ความยืดหยุ่นของ FM ทำให้สามารถนำไปใช้กับกรณีการใช้งานที่หลากหลาย โดยขับเคลื่อนทุกอย่างตั้งแต่การค้นหา การสร้างเนื้อหา ไปจนถึงการค้นพบยา อย่างไรก็ตาม มีบางสิ่งที่ยังขัดขวางธุรกิจส่วนใหญ่ที่ต้องการนำ Generative AI มาใช้ ประการแรกพวกเขาต้องการวิธีที่เรียบง่ายในการค้นหาและเข้าถึง FM ที่มีประสิทธิภาพสูงและเหมาะสมที่สุดกับวัตถุประสงค์ของพวกเขา ประการที่สองลูกค้าต้องการให้การรวมแอปพลิเคชันเป็นไปอย่างราบรื่น โดยไม่ต้องจัดการโครงสร้างพื้นฐานขนาดใหญ่หรือมีค่าใช้จ่ายจํานวนมาก สุดท้ายลูกค้าต้องการวิธีที่ง่ายในการใช้ FM พื้นฐานและสร้างแอปพลิเคชันที่แตกต่างด้วยข้อมูลของพวกเขา เนื่องจากข้อมูลที่ลูกค้าต้องการสำหรับการปรับแต่งนั้นเป็นทรัพย์สินที่มีคุณค่าอย่างมาก จึงต้องรักษาความปลอดภัยและความเป็นส่วนตัวอย่างสมบูรณ์ในกระบวนการ และลูกค้าต้องการควบคุมว่าข้อมูลจะถูกแบ่งปันและใช้งานอย่างไร
ด้วยความสามารถที่ครอบคลุมของ Amazon Bedrock ลูกค้าสามารถทดลองใช้ FM ชั้นนำได้หลายรูปแบบและสามารถปรับแต่งแบบส่วนตัวได้ด้วยข้อมูลของตนได้อย่างง่ายดาย นอกจากนี้ Amazon Bedrock ยังมีความสามารถที่แตกต่างออกไป เช่น การสร้างตัวแทน (Agent) เพื่อดำเนินงานทางธุรกิจที่ซับซ้อน เช่น การจองท่องเที่ยว การประมวลผลคำขอเคลมประกัน การสร้างแคมเปญโฆษณา และการจัดการสินค้าคงคลัง โดยไม่ต้องเขียนโค้ดใด ๆ และเนื่องจากบริการ Amazon Bedrock เป็นแบบ Serverless ลูกค้าไม่ต้องจัดการโครงสร้างพื้นฐานใด ๆ ลูกค้าสามารถปรับใช้ความสามารถของ Generative AI ในแอปพลิเคชันของตนได้อย่างปลอดภัยโดยใช้บริการของ AWS ที่คุ้นเคยอยู่แล้ว Amazon Bedrock สร้างขึ้นโดยคำนึงถึงความปลอดภัยและความเป็นส่วนตัว ทำให้ลูกค้าสามารถปกป้องข้อมูลที่ละเอียดอ่อนได้อย่างง่ายดาย ลูกค้าสามารถใช้ AWS PrivateLink เพื่อสร้างการเชื่อมต่อที่เป็นส่วนตัวและปลอดภัยระหว่าง Amazon Bedrock และ Virtual Private Cloud (VPC) โดยไม่ต้องเปิดเผยการรับส่งข้อมูลใด ๆ ไปยังอินเทอร์เน็ต และสำหรับลูกค้าในอุตสาหกรรมที่มีกฎระเบียบเข้มงวด Amazon Bedrock เป็นบริการที่สามารถใช้ได้ตามเกณฑ์ HIPAA และสอดคล้องกับ GDPR ช่วยให้ลูกค้าได้รับประโยชน์จาก Generative AI มากยิ่งขึ้น
Amazon Bedrock ขยายการเลือกโมเดลอย่างต่อเนื่องด้วย Amazon Titan Embeddings และ Llama 2 เพื่อช่วยให้ลูกค้าทุกคนค้นหาโมเดลที่เหมาะสมสําหรับกรณีการใช้งานของตน
ไม่มีโมเดลใดได้รับการปรับให้เหมาะสมสำหรับทุกกรณีการใช้งานและเพื่อปลดล็อกประโยชน์ของ Generative AI ลูกค้าจำเป็นต้องเข้าถึงโมเดลที่หลากหลายเพื่อค้นหาสิ่งที่ดีที่สุดตามความต้องการของพวกเขา นั่นคือเหตุผลที่ Amazon Bedrock ช่วยให้ลูกค้าค้นหาและทดสอบ FM ชั้นนําที่ผ่านการคัดสรรหลายรูปแบบได้อย่างง่ายดาย รวมถึงโมเดลจาก AI21 Labs, Anthropic, Cohere, Meta, Stability AI และ Amazon ผ่าน API เดียว นอกจากนี้ ยังเป็นส่วนหนึ่งของความร่วมมือเชิงกลยุทธ์ที่ประกาศเมื่อเร็ว ๆ นี้โดย FM ในอนาคตทั้งหมดจาก Anthropic จะพร้อมใช้งานภายใน Amazon Bedrock พร้อมสิทธิ์การเข้าถึงคุณสมบัติเฉพาะก่อนใครสําหรับการปรับแต่งโมเดลและความสามารถในการปรับแต่งอย่างละเอียด ทั้งนี้ Amazon Bedrock ยังคงขยายการเลือก FM อย่างต่อเนื่องด้วยการเข้าถึงโมเดลใหม่ ๆ
- Amazon Titan Embeddings พร้อมใช้งานโดยทั่วไปแล้ว: Amazon Titan FM เป็นตระกูลโมเดลที่ AWS สร้างขึ้นและฝึก (Train) ด้วยชุดข้อมูลขนาดใหญ่ ทําให้มีความสามารถทั่วไปที่มีประสิทธิภาพเพื่อรองรับกรณีการใช้งานที่หลากหลาย โมเดลแรกที่พร้อมให้บริการทั่วไปแก่ลูกค้าคือ Amazon Titan Embeddings ซึ่งเป็นโมเดลภาษาขนาดใหญ่ (LLM) ที่แปลงข้อความเป็นตัวเลขที่เรียกว่า embeddings เพื่อเพิ่มประสิทธิภาพการค้นหา การปรับใช้ส่วนบุคคล และการสร้างเสริมการดึงข้อมูล (Retrieval-Augmented Generation: RAG) โมเดล FM เหมาะกับงานที่หลากหลาย แต่สามารถตอบคำถามเฉพาะตามการเรียนรู้จากข้อมูลที่ถูกฝึกมาหรือข้อมูลที่ได้รับจากในคำถามเท่านั้น ซึ่งจำกัดประสิทธิภาพในการตอบคำถามที่ต้องใช้ความรู้ใหม่ ๆ หรือข้อมูลที่มีกรรมสิทธิ์ เพื่อเพิ่มความสามารถในการตอบของ FM ด้วยข้อมูลเพิ่มเติม หลายองค์กรจึงหันมาใช้ RAG ซึ่งเป็นเทคนิคการปรับแต่งโมเดลยอดนิยมที่ FM เชื่อมต่อกับแหล่งความรู้ที่สามารถอ้างอิงเพื่อเพิ่มความสามารถในการตอบได้ ในการเริ่มต้นใช้งาน RAG ลูกค้าต้องเข้าถึงโมเดล embeddings เพื่อแปลงข้อมูลของตนเป็น embeddings ซึ่งช่วยให้ FM เข้าใจความหมายและความสัมพันธ์ระหว่างข้อมูลได้ง่ายขึ้น การสร้างโมเดล embeddings ต้องใช้ข้อมูลและทรัพยากรจํานวนมาก รวมถึงความเชี่ยวชาญด้าน ML ในเชิงลึก ทําให้หลายองค์กรไม่สามารถสร้างด้วยตัวเองและไม่สามารถใช้งาน RAG ได้. Amazon Titan Embeddings ทำให้ลูกค้าสามารถเริ่มต้นใช้งาน RAG ได้ง่ายขึ้นเพื่อเพิ่มความสามารถของ FM โดยใช้ข้อมูลที่เป็นกรรมสิทธิ์ของตน Amazon Titan Embeddings รองรับมากกว่า 25 ภาษาและความยาวของบริบทสูงสุดถึง 8,192 โทเค็น ทำให้เหมาะสำหรับการทำงานกับคำศัพท์ วลี หรือเอกสารต่าง ๆ ตามกรณีการใช้งานของลูกค้า โมเดลส่งคืนเวกเตอร์เอาท์พุตขนาด 1,536 มิติ ทำให้มีความแม่นยำสูง พร้อมยังมีการปรับผลลัพธ์ให้มีความหน่วงต่ำและประหยัดต้นทุน
- Llama 2 จะมาในอีกไม่กี่สัปดาห์ข้างหน้า: Amazon Bedrock เป็นบริการ Generative AI ที่มีการจัดการเต็มรูปแบบรายแรกที่นําเสนอโมเดล Llama 2 ซึ่งเป็น LLM รุ่นต่อไปของ Meta ผ่าน API โมเดล Llama 2 มาพร้อมการปรับปรุงที่สําคัญกว่าโมเดล Llama เดิม ซึ่งรวมถึงการฝึกด้วยข้อมูลที่มากขึ้นถึง 40% และมีความยาวบริบทที่ยาวขึ้น 4,000 โทเค็นเพื่อให้สามารถใช้งานกับเอกสารขนาดใหญ่ได้ โมเดล Llama 2 ได้รับการปรับให้เหมาะสมเพื่อให้การตอบสนองอย่างรวดเร็วบนโครงสร้างพื้นฐานของ AWS ซึ่งพร้อมใช้งานผ่าน Amazon Bedrock เหมาะสำหรับกรณีการใช้งานเชิงโต้ตอบ ลูกค้าจะสามารถสร้างแอปพลิเคชัน Generative AI ด้วยโมเดล Llama 2 ขนาด 13B และ 70B พารามิเตอร์โดยไม่จำเป็นต้องตั้งค่าและจัดการโครงสร้างพื้นฐานใด ๆ
ความสามารถใหม่ของ Amazon CodeWhisperer จะช่วยให้ลูกค้าสามารถปรับแต่งคําแนะนํา CodeWhisperer ได้อย่างปลอดภัยโดยใช้ฐานโค้ดของตนเพื่อปลดล็อกประสิทธิภาพการทํางานของนักพัฒนาในระดับใหม่
Amazon CodeWhisperer ได้รับการฝึกด้วยหลายพันล้านบรรทัดและโค้ดสาธารณะของ Amazon เป็นเพื่อนคู่หูในการเขียนโค้ดที่ขับเคลื่อนด้วย AI ซึ่งช่วยปรับปรุงประสิทธิภาพการทำงานของนักพัฒนา ในขณะที่นักพัฒนามักใช้ CodeWhisperer ในการทำงานในแต่ละวัน แต่บางครั้งพวกเขาจําเป็นต้องรวมฐานโค้ดภายในขององค์กร (เช่น API Library Package และ Classes) ไว้ในแอปพลิเคชัน ซึ่งไม่รวมอยู่ในข้อมูลการฝึกของ CodeWhisperer อย่างไรก็ตาม การทำงานกับโค้ดภายในอาจเป็นเรื่องยากที่จะทํางานด้วยเนื่องจากเอกสารอาจมีจํากัดและไม่มีแหล่งข้อมูลหรือฟอรัม (Forum) สาธารณะที่นักพัฒนาสามารถขอความช่วยเหลือได้ ตัวอย่างเช่น ในการเขียนฟังก์ชันสำหรับเว็บไซต์อีคอมเมิร์ซที่จะลบสินค้าออกจากตะกร้าสินค้า นักพัฒนาจะต้องเข้าใจ API คลาสและโค้ดภายในอื่น ๆ ที่ใช้ในการโต้ตอบกับแอปพลิเคชันก่อน ก่อนหน้านี้นักพัฒนาอาจใช้เวลาหลายชั่วโมงในการตรวจสอบโค้ดภายในที่เขียนไว้ก่อนหน้านี้เพื่อค้นหาข้อมูลที่ต้องการและทําความเข้าใจว่ามันทำงานอย่างไร และหลังจากค้นหาทรัพยากรที่เหมาะสมแล้ว พวกเขาต้องตรวจสอบโค้ดอย่างใกล้ชิดเพื่อให้แน่ใจว่าเป็นไปตามแนวทางปฏิบัติที่ดีที่สุดในการเขียนโค้ดของบริษัท และไม่ทำให้เกิดข้อบกพร่องหรือช่องโหว่ใด ๆ ในโค้ดอ้างอิง
ความสามารถใหม่ของ Amazon CodeWhisperer จะปลดล็อกศักยภาพสูงสุดของการเขียนโค้ดที่ขับเคลื่อนด้วย Generative AI โดยใช้ประโยชน์จากฐานโค้ดภายในและทรัพยากรภายในของลูกค้าอย่างปลอดภัย เพื่อให้คำแนะนำที่ปรับแต่งตามความต้องการเฉพาะของตน นักพัฒนาประหยัดเวลาด้วยความเกี่ยวข้องของคำแนะนำโค้ดที่ดีขึ้นในงานต่างๆ ในการเริ่มต้น ผู้ดูแลระบบจะเชื่อมต่อกับที่เก็บโค้ดส่วนตัวจากแหล่งที่มา เช่น GitLab หรือ Amazon S3 และกำหนดงานเพื่อสร้างการปรับแต่งของตนเอง CodeWhisperer ใช้เทคนิคการปรับแต่งโมเดลและบริบทที่หลากหลายเมื่อสร้างการปรับแต่ง เพื่อเรียนรู้จากพื้นที่เก็บข้อมูลของลูกค้าและปรับปรุงคำแนะนำโค้ดแบบเรียลไทม์ ทำให้นักพัฒนาใช้เวลาน้อยลงในการค้นหาคำตอบที่ถูกต้องสำหรับปัญหาและมีเวลามากขึ้นสำหรับการสร้างประสบการณ์ใหม่ที่แตกต่างกัน จากนั้นผู้ดูแลระบบสามารถจัดการการปรับแต่งทั้งหมดได้จากคอนโซล AWS ช่วยให้สามารถดูตัวชี้วัดการประเมิน ประเมินว่าการปรับแต่งแต่ละรายการจะดำเนินการอย่างไร และการเลือกการใช้งานเฉพาะให้กับนักพัฒนาที่เฉพาะเจาะจงในบริษัทเพื่อจำกัดการเข้าถึงโค้ดที่เป็นความลับ ผู้ดูแลระบบสามารถแน่ใจได้ว่าการปรับแต่งที่ CodeWhisperer แนะนำนั้นไม่มีโค้ดที่เลิกใช้แล้ว และเป็นไปตามมาตรฐานคุณภาพและความปลอดภัยขององค์กร ความสามารถนี้สร้างขึ้นโดยคำนึงถึงความปลอดภัยและความเป็นส่วนตัวระดับองค์กร ทำให้การปรับแต่งเป็นส่วนตัวอย่างสมบูรณ์แบบ และ CodeWhisperer ที่ขับเคลื่อนด้วย FM พื้นฐานไม่ได้ใช้การปรับแต่งในการฝึก ซึ่งช่วยปกป้องทรัพย์สินทางปัญญาที่มีค่าของลูกค้า ความสามารถในการปรับแต่งนี้จะพร้อมให้บริการแก่ลูกค้าในแบบ preview ซึ่งเป็นส่วนหนึ่งของ CodeWhisperer Enterprise Tier ใหม่ การปรับแต่งของ CodeWhisperer มีความปลอดภัยอย่างแน่นอนและ AWS ไม่จัดเก็บหรือบันทึกข้อมูลใด ๆ ของลูกค้าเมื่อจัดการคําขอจาก IDE ของนักพัฒนาที่ใช้ Amazon CodeWhisperer Professional Tier หรือ Enterprise Tier
ความสามารถใหม่ในการเขียน Generative BI ใน Amazon QuickSight ช่วยให้นักวิเคราะห์ธุรกิจสร้างและปรับแต่งภาพได้อย่างง่ายดายโดยใช้คําสั่งภาษาธรรมชาติ
Amazon QuickSight เป็นบริการ BI services แบบรวมที่สร้างขึ้นสำหรับระบบคลาวด์ที่มีแดชบอร์ด (Dashboard) แบบโต้ตอบ รายงานแบบแบ่งหน้า และการวิเคราะห์แบบฝัง (embedded analytics) รวมถึงความสามารถในการสืบค้นภาษาธรรมชาติโดยใช้ QuickSight Q เพื่อให้ผู้ใช้ทุกคนในองค์กรสามารถเข้าถึงข้อมูลเชิงลึกที่ต้องการในรูปแบบที่ต้องการได้ นักวิเคราะห์ข้อมูล มักใช้เวลาหลายชั่วโมงกับเครื่องมือ BI ในการสำรวจแหล่งข้อมูลที่กระจัดกระจาย เช่น เพิ่มการคำนวณ สร้างและปรับแต่งภาพการนำเสนอ (visualizations) ก่อนที่จะใส่ไปในแดชบอร์ด ในการสร้างแผนภูมิหนึ่งอัน นักวิเคราะห์จะต้องค้นหาแหล่งข้อมูลที่ถูกต้องก่อน ระบุขอบเขตข้อมูล ตั้งค่าตัวกรอง และทำการปรับแต่งที่จำเป็นเพื่อให้ภาพมีความน่าสนใจ หากต้องการการคำนวณใหม่ (เช่น ยอดขายตามรอบปี) นักวิเคราะห์จะต้องระบุข้อมูลอ้างอิงที่จำเป็น จากนั้นสร้าง ตรวจสอบ และเพิ่มภาพลงในรายงาน องค์กรจะได้รับประโยชน์จากการลดเวลาที่นักวิเคราะห์ข้อมูลใช้ในการสร้างและปรับแผนภูมิและการคำนวณด้วยตนเอง เพื่อให้สามารถใช้เวลามากขึ้นกับงานที่มีค่ามากขึ้นได้
ความสามารถใหม่ในการเขียน Generative BI รองรับการสืบค้น Natural-language ของ QuickSight Q ช่วยเพิ่มความสามารถในการตอบคำถามที่มีโครงสร้างที่ดี (เช่น “สินค้าอะไรที่ขายดีที่สุด 10 อันดับแรกในแคลิฟอร์เนีย?”) เพื่อช่วยให้นักวิเคราะห์สร้างภาพที่ปรับแต่งได้อย่างรวดเร็วจากส่วนคำถามย่อย (เช่น “สินค้า 10 อันดับแรก”) ชี้แจงจุดประสงค์ของคำถามโดยการถามคำถามต่อเนื่องที่จะตามมา, ปรับแต่งการแสดงภาพ, และทําการคํานวณที่สลับซับซ้อน นักวิเคราะห์ธุรกิจเพียงแค่อธิบายผลลัพธ์ที่ต้องการจากนั้น QuickSight จะสร้างภาพที่น่าสนใจ ซึ่งสามารถเพิ่มลงในแดชบอร์ดหรือรายงานได้อย่างง่ายดายเพียงคลิกเดียว
ตัวอย่างเช่น นักวิเคราะห์สามารถขอให้ QuickSight Q สร้างภาพสรุปข้อมูลเกี่ยวกับ “แนวโน้มยอดขายรองเท้าผ้าใบรายเดือนในปี 2022 และ 2023” จากนั้นบริการจะเลือกข้อมูลที่เหมาะสมโดยอัตโนมัติและพล็อตข้อมูลโดยใช้รูปแบบแผนภูมิ (เช่น แผนภูมิเส้นหรือแผนภูมิแท่ง) ที่เหมาะสมมากที่สุดตามคำขอ นอกจากนี้ QuickSight Q ยังเสนอคำถามที่เกี่ยวข้องเพื่อช่วยให้นักวิเคราะห์ชี้แจงกรณีที่คลุมเครือเมื่อช่องข้อมูลหลายช่องตรงกับคำถามของพวกเขา (เช่น แผนภูมิควรรวมมูลค่ารวมของยอดขายรองเท้าผ้าใบหรือจำนวนหน่วยที่ขายไป) หลังจากที่นักวิเคราะห์มีการแสดงภาพข้อมูลเบื้องต้นแล้ว พวกเขายังสามารถเพิ่มการคำนวณที่ซับซ้อน เปลี่ยนประเภทแผนภูมิ และปรับแต่งภาพโดยใช้ข้อความภาษาธรรมชาติได้ ความสามารถใหม่ในการเขียน Generative BI ใน QuickSight Q ช่วยให้นักวิเคราะห์ธุรกิจสามารถสร้างภาพที่น่าสนใจได้อย่างรวดเร็วและง่ายดาย และลดเวลาในการนำเสนอข้อมูลเชิงลึกที่จำเป็นต่อการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลที่ใหญ่ขึ้น
ลูกค้าในหลายอุตสาหกรรมต่างใช้ประโยชน์จากบริการ Generative AI จาก AWS เพื่อสร้างแอปพลิเคชันใหม่ ๆ เพิ่มประสิทธิภาพการทํางานของนักพัฒนา และช่วยให้นักวิเคราะห์ได้รับข้อมูลเร็วขึ้น
กรุงเทพธุรกิจ เป็นหนึ่งในสำนักข่าวธุรกิจออนไลน์ที่ใหญ่ที่สุดของประเทศไทย และเป็นส่วนหนึ่งของเครือเนชั่น (The Nation Group) คุณวีระศักดิ์ พงศ์อักษร บรรณาธิการอำนวยการเครือเนชั่น กล่าวว่า “การสร้างเนื้อหาที่เข้าใจได้ง่ายและเหมาะกับผู้อ่านแต่ละคน พร้อมทั้งเพิ่มประสิทธิภาพให้กับทีมข่าวของเราถือเป็นสิ่งสําคัญทางธุรกิจอันดับต้น ๆ ซึ่งเราวางแผนที่จะใช้ประโยชน์จากโมเดลพื้นฐาน Claude2 บน Amazon Bedrock โดยใช้เนื้อหาข่าวของเรามาปรับแต่งและสรุปเป็นบทความเพื่อให้ผู้อ่านสามารถรับรู้เนื้อหาได้อย่างรวดเร็วและง่ายขึ้นในระหว่างการเดินทาง นอกจากนี้ Generative AI ยังช่วยให้เราสามารถปรับปรุงประสบการณ์ของผู้อ่าน ด้วยการให้ผู้อ่านเลือกรับข่าวสารที่ตรงตามความสนใจ”
adidas เป็นหนึ่งในแบรนด์กีฬาที่ใหญ่ที่สุดในโลก ดาเนียล ไอค์เทน รองประธานฝ่ายสถาปัตยกรรมองค์กรของ adidas กล่าวว่า “เรารู้สึกตื่นเต้นที่ได้เป็นส่วนหนึ่งของ Amazon Bedrock ในช่วง preview และได้ใช้บริการนี้ Amazon Bedrock กลายเป็นส่วนเสริมที่มีมูลค่าสูงอย่างรวดเร็วในชุดเครื่องมือ Generative AI ของเรา ซึ่งช่วยให้เราสามารถให้ความสำคัญกับด้านหลักของโครงการ LLM ของเรา ในขณะที่ปล่อยให้ Amazon Bedrock จัดการกับการปรับปรุงโครงสร้างพื้นฐานที่หนักหน่วง การใช้ Amazon Bedrock ทําให้เราได้พัฒนาโซลูชัน Generative AI ที่ช่วยให้ชุมชนวิศวกรของ adidas สามารถค้นหาข้อมูลและคําตอบจากฐานความรู้ของเราผ่านอินเทอร์เฟซการสนทนาเดียว ซึ่งครอบคลุมทุกอย่างตั้งแต่การเริ่มต้นใช้งานไปจนถึงคําถามทางเทคนิคขั้นสูง”
GoDaddy เป็นบริษัทจดทะเบียนโดเมน การค้า และเว็บโฮสติ้งชั้นนำที่ให้บริการลูกค้ามากกว่า 20 ล้านราย ทราวิส มูห์เลสไตน์ ประธานเจ้าหน้าที่ฝ่ายข้อมูลและการวิเคราะห์ของ GoDaddy กล่าวว่า “ที่ GoDaddy เรามุ่งมั่นที่จะช่วยให้ผู้ประกอบการในแต่ละวันประสบความสำเร็จโดยการให้เครื่องมือในการสร้างธุรกิจ สร้างเว็บไซต์และแบรนด์ ทําการตลาดให้กับลูกค้าและการจัดการงานของพวกเขา วันนี้หนึ่งในความท้าทายที่ใหญ่ที่สุดที่ผู้ประกอบการและธุรกิจขนาดเล็กต้องเผชิญคือการขาดเงินทุน เวลา และทรัพยากร เราได้ยินจากลูกค้าว่าพวกเขาต้องการเร่งสร้างเนื้อหาเพื่อเชื่อมต่อกับผู้ใช้ปลายทาง ซึ่งจะทำให้พวกเขาสามารถขยายธุรกิจได้ เรากำลังใช้ Amazon Bedrock เพื่อสร้างบริการ Generative AI ที่จะช่วยลูกค้าในการสร้างธุรกิจออนไลน์ได้อย่างง่ายดาย และเชื่อมต่อกับซัพพลายเออร์ ผู้บริโภค ทรัพยากร และโอกาสในการระดมทุนได้อย่างมีประสิทธิภาพมากขึ้น”
Merck เป็นบริษัทชีวเภสัชภัณฑ์ที่เน้นการวิจัยโดยได้ค้นพบและพัฒนายาและวัคซีนที่เป็นนวัตกรรมใหม่ เพื่อช่วยชีวิตพัฒนาสุขภาพมานานกว่า 130 ปี ซูมัน กีรี กรรมการบริหารฝ่าย Data Science ของ Merck กล่าวว่า “ในห่วงโซ่คุณค่า (Value Chain) ทางเภสัชกรรมมีกระบวนการที่ต้องใช้คนและใช้เวลามาก ซึ่งลดความสามารถในการทำงานที่มีความสำคัญ และข้อมูลที่ไม่ได้ใช้งานอย่างมีประสิทธิภาพเพื่อพัฒนาประสบการณ์ของพนักงาน ลูกค้า และผู้ป่วย “ด้วย Amazon Bedrock เราสร้างความสามารถของ Generative AI ได้อย่างรวดเร็ว เพื่อทำให้กระบวนการดึงข้อมูลและการวิจัยตลาดมีประสิทธิภาพมากขึ้น. เราสามารถใช้ความสามารถเหล่านี้ในกระบวนการทำงานการวิเคราะห์ระดับผู้ป่วยในสหรัฐอเมริกา เพื่อให้ข้อมูลผู้ป่วย ปรับปรุงคุณภาพชีวิต และเพิ่มการเข้าถึงบริการ พร้อมลดช่องว่างในการแบ่งปันข้อมูล และสร้างระบบนิเวศการกํากับดูแลข้อมูลของเราสําหรับ Generative AI อย่างมีความรับผิดชอบ”
NatWest Group เป็นธนาคารชั้นนำในสหราชอาณาจักรที่ให้บริการลูกค้ามากกว่า 19 ล้านคน และให้การสนับสนุนชุมชน ครอบครัว และธุรกิจต่าง ๆ แซเชรี แอนเดอร์สัน ประธานฝ่ายวิเคราะห์และข้อมูลที่ NatWest Group กล่าวว่า “โลกเปลี่ยนแปลงไปในช่วง 12 เดือนที่ผ่านมาด้วยการขยายตัวของเทคโนโลยี Generative AI เทคโนโลยีนี้ได้ยกระดับมาตรฐานในเรื่องของบริการ ผลิตภัณฑ์ และการสนับสนุนที่ลูกค้าของเราคาดหวังในการบรรลุเป้าหมายทางการเงินของพวกเขา Amazon Bedrock ช่วยให้เราสามารถใช้ประโยชน์จาก Generative AI ล่าสุดในแพลตฟอร์มที่ปลอดภัยและมีความยืดหยุ่น ซึ่งทีมนักวิทยาศาสตร์ข้อมูล วิศวกร และนักเทคโนโลยีของเราใช้เพื่อทดลองและสร้างบริการใหม่ ๆ เราจะสามารถต่อสู้กับภัยคุกคามทางการเงินในอนาคตด้วยเครื่องมือเหล่านี้ รวมทั้งช่วยให้ลูกค้าและเพื่อนร่วมงานสามารถเข้าถึงข้อมูลที่ต้องการ ในรูปแบบที่พวกเขาต้องการ ในเวลาที่ต้องการ”
PGA TOUR เป็นองค์กรสมาชิกชั้นนำของโลกสำหรับนักกอล์ฟมืออาชีพที่เดินทางลงแข่ง สกอตต์ กัตเตอร์แมน รองประธานอาวุโสฝ่ายปฏิบัติการดิจิทัลของ PGA TOUR กล่าวว่า “การสร้างประสบการณ์ที่ไม่เหมือนใครและมีส่วนร่วมของแฟน ๆ ถือเป็นสิ่งสำคัญสูงสุดสำหรับ PGA TOUR เราได้เปลี่ยนรูปแบบการสร้างเนื้อหา การเผยแพร่ และและประสบการณ์อย่างไม่เหมือนใครร่วมกับ AWS โดยใช้ Amazon Bedrock เราจะสร้างสิ่งใหม่ ๆ ในขณะที่เราเรียนรู้ถึงวิธีที่แฟนกอล์ฟเชื่อมต่อและติดตามกีฬา การใช้ประโยชน์จาก Generative AI จะช่วยให้เราสามารถสร้างจุดสัมผัสใหม่ ๆ สำหรับแฟน ๆ ของเรา และสร้างแพลตฟอร์ม AI เพื่อประเมินผลการแข่งขันของนักกอล์ฟ และให้คำแนะนำสำหรับการปรับเปลี่ยนหลุมหรือสนามที่แตกต่างกัน AWS ช่วยให้เราสามารถปลดล็อกคุณค่าจากข้อมูลของเราได้มากขึ้น ในขณะที่มอบสภาพแวดล้อมที่ปลอดภัยเพื่อปกป้องทรัพย์สินทางปัญญาของเรา”
Takenaka Corporation ได้ถูกก่อตั้งในปี พ.ศ. 2153 และปัจจุบันเป็นองค์กรอันดับต้น ๆ ในประเทศญี่ปุ่นด้านวิศวกรรมการก่อสร้าง Takenaka Corporation ได้ร่วมมือกับ AWS ในการพัฒนา “การสร้างดิจิทัลแพลตฟอร์ม 4.0” ซึ่งเป็นการวิเคราะห์ข้อมูลและนำข้อมูลเชิงลึกมาเพิ่มประสิทธิภาพและสร้างมูลค่าให้แก่องค์กร ดร. เคอิโซะ อิวะชิตะ เจ้าหน้าที่บริหารฝ่ายดิจิทัลที่ Takenaka Corporation กล่าวว่า “ในการเพิ่มประสิทธิภาพองค์กรและเร่งการพัฒนาธุรกิจ บริษัทด้านวิศวกรรมก่อสร้างและสถาปัตยกรรมจะต้องมุ่งเน้นไปที่การดัดแปลงระบบการดำเนินงานทั้งหมดให้เป็นดิจิทัล Generative AI มีศักยภาพในการเพิ่มประสิทธิภาพให้แก่องค์กร ละเป็นเป้าหมายสำคัญในการปรับสู่โครงสร้างการเป็นบริษัทดิจิทัลของ Takenaka Corporation เรามีความมุ่งมั่นที่จะใช้ระบบ Amazon Bedrock และ Amazon Kendra ในการสร้างแอปพลิเคชันที่ให้พนักงานสามารถค้นหาข้อมูลได้อย่างง่ายดายและสะดวกรวดเร็ว ไม่ว่าจะเป็นข้อมูลกฎหมายและข้อบังคับในอุตสาหกรรมการก่อสร้าง กฎระเบียบและข้อปฏิบัติภายในองค์กร หรือข้อบังคับอื่น ๆ ในการดำเนินงาน”
Persistent เป็นบริษัทที่ให้บริการและโซลูชันระดับโลกด้านการพัฒนาระบบดิจิทัลและดัดแปลงโครงสร้างองค์กรของลูกค้าให้ทันสมัยยิ่งขึ้น นายแพนดูรัง คามัต ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีที่ Persistent กล่าวว่า “ในปัจจุบันเราได้นำ Amazon CodeWhisperer มาใช้งานกับองค์กรลูกค้าที่เชี่ยวชาญด้านวิศวกรรมกว่า 16,000 แห่ง เพื่อให้สามารถพัฒนาและสร้างแอปพลิเคชันได้อย่างรวดเร็วและปลอดภัยยิ่งขึ้น ที่ผ่านมาเราได้เห็นประสิทธิภาพของ CodeWhisperer ในการอำนวยความสะดวกให้แก่นักพัฒนาในการเขียนโค้ด อย่างไรก็ตามยังมีโค้ดที่ใช้ภายในบางส่วนที่ไม่ได้อยู่ในระบบข้อเสนอแนะของ CodeWhisperer จึงทำให้ CodeWhisperer มีข้อจำกัดในการนำเสนอโค้ดอยู่บ้าง โดยฟังก์ชันใหม่ที่เพิ่มการปรับแต่งเข้ามา (Customization capability) ใน CodeWhisperer สามารถลดปัญหานี้ได้ด้วยระบบการนำเสนอโค้ดโดยการใช้ Generative AI ซึ่งมีผลลัพท์เป็นที่หน้าพึงพอใจอย่างมาก ในงานวิจัยที่เราได้ทำร่วมกับ AWS เมื่อไม่นานมานี้ ค้นพบว่านักพัฒนาที่ใช้ระบบ CodeWhisperer แบบปรับแต่งได้ สามารถเขียนโค้ดได้แม่นยำและรวดเร็วขึ้นโดยเฉลี่ย 28% เมื่อเทียบกับ CodeWhisperer แบบมาตรฐาน เราจึงมีความยินดีอย่างยิ่งที่จะนำเสนอฟังก์ชันใหม่นี้ให้แก่ลูกค้ารายอื่น ๆ เพื่อเพิ่มประสิทธิภาพในการทำงานให้กับนักพัฒนายิ่งขึ้นไป”
Traeger Grills เป็นบริษัทชั้นนำด้านผลิตภัณฑ์เตาอบ เตาย่าง เครื่องรมควันและเตาบาร์บีคิว นาย คอรี่ย์ เซเวอร์รี่-เวนซ์เก้ รองประธานฝ่ายบริการลูกค้าที่ Traeger Grills กล่าวว่า “บริษัทเรามีการเปลี่ยนแปลงอยู่ตลอดเวลา จึงต้องการข้อมูลที่อัปเดทและทันสมัยให้ปรับเปลี่ยนได้ทันกับธุรกิจ QuickSight สามารถให้บริษัทเราสร้างรายงานและส่งมอบข้อมูลที่ทันต่อเหตุการณ์ให้กับผู้ใช้ในแผนกต่าง ๆ ไม่ว่าจะเป็นข้อมูลคาดการณ์จากศูนย์กระจายสินค้าไปจนถึงข้อมูลจากคอลเซ็นเตอร์ Amazon Connect QuickSight Q ทำให้เรามองเห็นถึงประสิทธิภาพของการใช้เทคโนโลยีเพื่อแสดงข้อมูลในรูปแบบภาษามนุษย์ได้อย่างทันที เรามีความยินดีอย่างยิ่งที่จะได้ใช้ Generative BI แบบใหม่ ในการเพิ่มประสิทธิภาพการทำงานให้กับพนักงานและย่นระยะเวลาในการสร้างรายงานและอัปเดทข้อมูลต่าง ๆ ในภาษามนุษย์ที่เข้าใจได้ง่าย นำไปสู่การเปลี่ยนแปลงในวิธีการทำงานเพื่อสร้างมาตรฐานใหม่ที่ดียิ่งขึ้นไปอีกสำหรับผู้คนในองค์กร”
