FácilOpción múltiple

Pregunta de práctica de AIF-C01

Una empresa desea crear una aplicación de IA generativa que pueda resumir tickets de atención al cliente. Deben garantizar que el modelo se mantenga actualizado con la documentación más reciente del producto sin necesidad de reentrenamiento. ¿Qué servicio de AWS respaldaría mejor este requisito?

Elige la mejor respuesta.

Respuesta correcta

  • AAmazon Bedrock con Retrieval Augmented Generation (RAG)

Explicación

Amazon Bedrock con Retrieval Augmented Generation (RAG) es la opción correcta porque permite que el modelo de IA generativa acceda e incorpore la documentación de producto más reciente desde una base de conocimiento externa sin reentrenamiento. RAG funciona recuperando fragmentos de documentos relevantes en el momento de la inferencia e inyectándolos en el contexto del modelo, lo que garantiza que las respuestas reflejen la información actual. Esto cumple directamente con el requisito de mantenerse actualizado con la documentación en evolución, al tiempo que evita el costo y la latencia de un reentrenamiento completo del modelo.

Por qué cada opción es correcta o incorrecta

A

Correcta

Amazon Bedrock con Retrieval Augmented Generation (RAG)

Amazon Bedrock con RAG recupera la documentación actual del producto desde una base de conocimiento en el momento de la inferencia e inyecta los fragmentos relevantes en el prompt, por lo que los resúmenes reflejan el contenido más reciente sin reentrenamiento. Esto satisface directamente la restricción de la premisa de mantenerse actualizado sin reentrenamiento, ya que actualizar el almacén de datos subyacente actualiza los resultados inmediatamente.

B

Incorrecta

Amazon Comprehend

Comprehend extrae entidades, opiniones y frases clave de texto existente, pero no puede recuperar ni fundamentar la generación en la documentación actual. Es tentador porque es un servicio de NLP administrado que no requiere reentrenamiento, pero resumir tickets frente a documentos de producto en vivo requiere una generación aumentada por recuperación, que Amazon Bedrock Knowledge Bases proporciona en su lugar.

C

Incorrecta

Amazon Rekognition

Rekognition realiza análisis de imágenes y videos, como la detección de objetos y rostros, sin ofrecer recuperación de texto ni fundamentación de documentos. Es tentador porque es un servicio de IA administrado que no requiere entrenamiento de modelos, pero el escenario necesita que se inyecte la documentación actual del producto en la generación de texto, lo que proporciona la generación aumentada por recuperación a través de Amazon Bedrock Knowledge Bases.

D

Incorrecta

Amazon SageMaker Ground Truth

Ground Truth crea conjuntos de datos de entrenamiento etiquetados para el ajuste de modelos supervisados, lo que requiere reentrenamiento y no proporciona documentación en vivo en el momento de la inferencia. Es tentador porque alimenta a los modelos con datos nuevos, pero el requisito es la fundamentación aumentada por recuperación, satisfecha por Amazon Bedrock Knowledge Bases consultando documentos actuales sin reentrenamiento.

Para profundizar

El patrón RAG de Amazon Bedrock desacopla el conocimiento de los pesos del modelo: el modelo base permanece congelado mientras un almacén de vectores (comúnmente Amazon OpenSearch Serverless, Aurora pgvector o Knowledge Bases for Amazon Bedrock) contiene fragmentos incrustados de la documentación de su producto. En la inferencia, la consulta del usuario se incrusta con el mismo modelo de incrustación (por ejemplo, Amazon Titan Embeddings o Cohere Embed), una búsqueda de similitud recupera los fragmentos principales y esos fragmentos se inyectan en el prompt como contexto antes de que el FM genere el resumen. Debido a que el índice se actualiza de forma independiente, actualizar la documentación significa volver a ingerir y volver a incrustar los archivos modificados, no reentrenar. Un límite sutil que vale la pena conocer: la calidad de la recuperación está limitada por la estrategia de fragmentación y la dimensionalidad de las incrustaciones, y los fragmentos obsoletos o duplicados degradan silenciosamente las respuestas. Esto importa cuando los tickets de soporte hacen referencia a características recién lanzadas posteriores al corte de entrenamiento del modelo.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AIF-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.