Amazon ha dado un paso significativo en la democratización del acceso a los datos dentro de su organización Worldwide Returns & ReCommerce (WWRR) con la introducción de un innovador asistente de datos, denominado Returns & ReCommerce Data Assist (RRDA). Este asistente, basado en inteligencia artificial generativa, es capaz de transformar preguntas formuladas en lenguaje natural en consultas SQL validadas, facilitando la tarea de acceso a los datos para los usuarios técnicos.
El avance no se limita a la formulación de estas consultas, sino que va más allá al permitir que los usuarios empresariales visualicen tendencias y patrones de manera intuitiva, sin necesidad de lidiar con los resultados crudos de SQL. Este enfoque responde a la necesidad de generar insights rápidos y efectivos para análisis profundos sobre problemas específicos que no se encuentran cubiertos por informes tradicionales.
Uno de los aspectos más destacados de esta innovación es la integración de Amazon Q en QuickSight, herramienta que permite convertir preguntas como “Muéstrame cuántos artículos fueron devueltos en EE.UU. durante los últimos seis meses” en representaciones visuales accesibles y significativas. La arquitectura del RRDA emplea un sistema de clasificación de intenciones y dominios que determina si una consulta debe generar un visual o una solicitud de código SQL.
El proceso de selección y recuperación de temas Q es crucial, ya que ofrece al usuario una lista de temas que mejor ilustran la información requerida. Mediante un modelo de aprendizaje automático, se evalúa la capacidad de estos temas para responder de manera precisa a preguntas concretas, optimizando así la experiencia del usuario.
Un desafío adicional es la reestructuración de preguntas para que puedan ser procesadas eficazmente por Amazon Q. La API Converse de Amazon Bedrock facilita esta tarea al reformular las preguntas manteniendo su contexto original, lo que mejora la eficiencia del procesamiento en QuickSight.
El sistema también lidia con la complejidad de las preguntas, donde formulaciones imprecisas podrían derivar en visualizaciones ineficaces. Sin embargo, la integración de RRDA con QuickSight permite que las visualizaciones se generen en el contexto de un diálogo fluido, reduciendo el tiempo para obtener conclusiones basadas en datos.
La infraestructura del sistema se complementa con una base de datos automatizada que se actualiza diariamente. Esto asegura que la información sobre los temas Q esté siempre al día y enriquecida con preguntas validadas por expertos, mejorando así la calidad de las recomendaciones.
Con la constante mejora de RRDA, y basado en el feedback de los usuarios, se prevé que este sistema se convierta en una herramienta esencial para la toma de decisiones estratégicas, permitiendo concentrarse en la generación de insights mientras la tecnología se encarga de las visualizaciones necesarias.
