En un contexto donde la información visual es cada vez más relevante, las organizaciones están reconociendo la necesidad de integrar elementos visuales, como gráficos y diagramas, en sus sistemas de gestión del conocimiento. Sin embargo, a pesar de los avances en las plataformas de gestión, muchos de estos datos visuales suelen quedarse inaccesibles para los asistentes de inteligencia artificial y los motores de búsqueda. Esta situación genera importantes vacíos en las bases de conocimiento organizacionales, limitando la capacidad de los sistemas de automatización para ofrecer análisis completos y fundamentar decisiones con base en datos visuales.
Para solucionar este problema, Amazon ha lanzado una nueva función de enriquecimiento de documentos personalizados (CDE) en su plataforma Amazon Q Business. Esta innovación no solo permite gestionar imágenes dentro de documentos, sino que también abre la posibilidad de procesar archivos de imagen independientes, como JPG y PNG. De esta forma, las organizaciones tienen la capacidad de convertir imágenes complejas en datos fácilmente accesibles y manipulables a través de consultas en lenguaje natural.
Un ejemplo práctico de esta funcionalidad se observa en una consultora educativa que almacenaba datos demográficos y gráficos sobre la distribución de estudiantes en un bucket de Amazon S3. Antes de la implementación de CDE, la información contenida en estos diagramas era difícil de utilizar en su forma visual, lo que limitaba la toma de decisiones. Con la nueva capacidad, los equipos pueden realizar preguntas como «¿Cuál es la ciudad con más estudiantes en el rango de 13 a 15 años?» directamente desde la interfaz de Amazon Q Business, obteniendo respuestas rápidas y precisas.
La integración de CDE requiere varios pasos. Esto incluye la creación de una aplicación en Amazon Q Business, la sincronización con el bucket S3 y la configuración de reglas del sistema que activan funciones de AWS Lambda para procesar las imágenes. Esta tecnología utiliza Amazon Bedrock, que permite la interpretación de la información visual y la extracción de datos estructurados de gráficos y diagramas, resultando en una base de conocimiento más eficiente y expansible.
Además, es importante destacar que la implementación de estas soluciones debe seguir las mejores prácticas, como el uso de reglas condicionales para procesar solo tipos específicos de archivos y el monitoreo de la ejecución de funciones Lambda para garantizar un procesamiento libre de errores.
La combinación de Amazon Q Business con esta función de enriquecimiento personalizado transforma la manera en que las organizaciones pueden extraer y utilizar información visual. Esto no solo mejora la accesibilidad de los datos visuales en la toma de decisiones, sino que también optimiza la interacción de las empresas con su contenido.
