En los últimos meses, el desarrollo de modelos de lenguaje de gran escala (LLMs) ha llevado a una creciente adopción de asistentes virtuales en diversas empresas. Con el propósito de mejorar tanto la atención al cliente como la eficiencia de equipos internos, muchas organizaciones están implementando asistentes de chat basados en el modelo de generación aumentada por recuperación (RAG), que emplean poderosos LLMs para consultar documentos específicos de la empresa y responder preguntas relevantes a casos de uso particulares.
Uno de los avances más significativos ha sido el incremento en la disponibilidad y capacidades de los modelos fundacionales multimodales. Estos modelos están diseñados para interpretar y generar texto a partir de imágenes, conectando la información visual con el lenguaje natural. A pesar de su utilidad general, estos modelos tienen la limitación de responder solo en función de la información contenida en sus conjuntos de datos de entrenamiento. En este contexto, Amazon Web Services (AWS) demuestra cómo crear un asistente de chat multimodal utilizando los modelos de Amazon Bedrock. Este sistema permite a los usuarios enviar imágenes y preguntas, y recibir respuestas basadas en un conjunto cerrado de documentos propietarios. Un ejemplo de aplicación de este asistente multimodal es en la industria minorista, donde podría utilizarse para mejorar la venta de productos, o en la fabricación de equipos, para facilitar el mantenimiento y rep...