AWS は、機械学習の経験がなくても、企業の日常業務を改革し改善する 5 つの新しい機械学習サービスを開始しました。

• Amazon Kendra は、自然言語処理やその他の機械学習技術を使用してエンタープライズ検索を改革し、企業全体の複数のデータサイロを統合して、キーワードクエリにランダムなリンクリストで応答するのではなく、一般的なクエリに対して一貫して高品質の結果を提供します。
• Amazon CodeGuru は、ソフトウェア開発者がコードレビューを自動化し、アプリケーション内で最もコストのかかるコード行を特定するのに役立ちます。
• Amazon Fraud Detectorは、Amazon.com向けに開発されたものと同じ技術に基づいており、企業がオンラインIDや支払い詐欺をリアルタイムで特定するのに役立ちます。
• Amazon Transcribe Medicalは、医療従事者に高精度でリアルタイムの音声テキスト変換を提供し、患者ケアに集中できるようにします。
• Ÿ Amazon Augmented Artificial Intelligence (A2I) は、機械学習開発者が人間の確認を通じて機械学習の予測を検証するのに役立ちます。

本日の AWS re:Invent において、Amazon.com (NASDAQ: AMZN) の子会社である Amazon Web Services, Inc. (AWS) は、機械学習の経験がなくても、より多くのアプリケーション開発者やエンドユーザーが機械学習を利用できるように設計された 5 つの新しい人工知能 (AI) サービスを発表しました。 AWS は、機械学習を活用したエンタープライズ検索、コードレビューと分析、不正検出、医療転写、AI 予測の人間によるレビューなど、より多くの開発者が機械学習を適用し、より優れたエンドユーザーエクスペリエンスを実現できるように AI を使用するいくつかの新しいサービスを導入しました。 AWS AI サービスの詳細については、 をご覧ください。

機械学習は急速に成長を続けており、現在では数万社のお客様が AWS で機械学習を実行しています。その中には、Alfresco、Bayer Crop Science、Cerner、CJ Cox Automotive、C-SPAN、Deloitte、Domino’s、Emirates NBD、Fred Hutchinson Cancer Research Center、FICO、FINRA、Gallup、Kelley Blue Book、Kia、毎日新聞社、NASA、PwC、ホワイトハウス歴史協会、ヤマハ株式会社、Zola など、AWS のフルマネージド AI サービスを利用することを選択した企業も多数含まれています。 AWS は過去 1 年間で、Amazon Personalize や Amazon Forecast などの新しいフルマネージド AI サービスをいくつか開始し、Amazon の消費者向けビジネスで受賞歴のある顧客体験を強化するために使用されているものと同じ機械学習によるパーソナライズされた推奨事項と予測テクノロジーをお客様が活用できるようにしました。 AWS のお客様は、独自のカスタム機械学習モデルをトレーニング、最適化、デプロイすることなく、大規模な機械学習を使用して運用を改善し、より優れた顧客エクスペリエンスを提供する Amazon の豊富な経験から学ぶことに関心を持っています。本日、AWS は、Amazon の機械学習に関する豊富な経験を基に構築され、あらゆる規模のあらゆる業界の組織が、機械学習の経験がなくても企業に機械学習を導入できるようにする 5 つの新しい AI サービスを発表しました。

Amazon Kendra が機械学習でエンタープライズ検索を改革

長年にわたる数多くの試みにもかかわらず、社内検索は今日の企業にとって依然として厄介な問題であり、ほとんどの従業員は依然として必要な情報を見つけるのに苦労しています。組織には大量の非構造化テキスト データがあり、それを検出し、複数の形式で保存し、SharePoint、イントラネット、Amazon S3、ローカル ファイル ストレージ システムなどのさまざまなデータ ソースにわたって保存できれば便利です。汎用の Web ベースの検索ツールは広く利用可能であるにもかかわらず、既存のデータ サイロ全体にわたって適切にインデックスを作成し、自然言語クエリを提供し、正確な結果を提供するツールがないため、組織では依然として内部検索が困難になっています。従業員が質問する場合、さまざまなコンテキストの複数のドキュメントに出現する可能性のあるキーワードを使用する必要があります。これらの検索では、多くの場合、ランダムなリンクの長いリストが生成され、従業員は探している情報を見つけるために（そもそも見つけられるかどうかは別として）ふるいにかけなければなりません。

Amazon Kendra は、従業員が実際の質問 (単なるキーワードではない) を使用して複数のデータ サイロを検索できるようにすることでエンタープライズ検索を改革し、バックグラウンドで AI テクノロジーを展開して、従業員が求める正確な回答 (ランダムなリンクのリストではない) を提供します。従業員は自然言語を使用して検索を実行できます (キーワードも引き続き機能しますが、ほとんどのユーザーは自然言語検索を好みます)。たとえば、従業員は「IT ヘルプデスクは何時に開きますか?」などの具体的な質問をすることができます。 Amazon Kendra は、「IT ヘルプデスクは午前 9:30 に開きます」などの具体的な回答とともに、IT ポータルやその他の関連 Web サイトへのリンクを提供します。お客様は、アプリケーション、ポータル、ウィキで Amazon Kendra を使用できます。 AWS マネジメントコンソールで数回クリックするだけで、お客様は Amazon Kendra をさまざまなドキュメントリポジトリにポイントすることができ、このサービスはペタバイト単位のデータを集約して一元化されたインデックスを構築します。 Amazon Kendra はドキュメントのアクセス許可をスキャンして、検索結果が既存のドキュメントアクセスポリシーに準拠していること、および検索結果にはユーザーがアクセス許可を持つドキュメントのみが含まれていることを確認します。さらに、Amazon Kendra は、クリックスルーデータ、ユーザーの場所、フィードバックを使用して、顧客固有の状況に基づいて機械学習モデルを積極的に再トレーニングし、精度を向上させ、時間の経過とともにより良い回答を提供します。 Amazon Kendra の詳細については、 をご覧ください。

Amazon CodeGuruは機械学習を使用して自動コードレビューを提供し、最もコストのかかるコード行を見つけることで組織がソフトウェア開発を改善できるように支援します。

Amazon と同様に、AWS の顧客も大量のコードを書きます。ソフトウェア開発はよく理解されているプロセスです。開発者はコードを書き、コードをレビューし、コードをコンパイルしてアプリケーションをデプロイし、アプリケーションのパフォーマンスを測定し、そのデータを使用してコードを改善し、このサイクルが継続されます。ただし、そもそもコードが正しくなければ、これらのプロセスはすべて無駄になります。そのため、チームは、既存のアプリケーション コード ベースに新しいコードを追加する前に、コード レビューを実行してロジック、構文、スタイルを確認します。 Amazon のような大規模な組織であっても、毎日書き込まれるコードの量を考えると、コードをレビューする十分な余暇を持つ経験豊富な開発者を多数抱えることは困難です。また、経験豊富なレビュー担当者であっても、顧客向けアプリケーションに関しては問題を見逃し、エラーやパフォーマンスの問題を引き起こす可能性があります。

Amazon CodeGuru は、コードレビューを自動化して、アプリケーションの最もコストのかかるコード行を特定する新しい機械学習サービスです。 Amazon CodeGuru には、コードレビューとアプリケーション分析という 2 つのコンポーネントがあります。コードレビューの場合、開発者は通常どおりコードをコミットし (現在は GitHub と CodeCommit でサポートされていますが、将来的にはさらに多くのリポジトリがサポートされる予定です)、コードレビュー担当者の 1 人として Amazon CodeGuru を追加します。通常のプロセスやインストールするソフトウェアに他の変更はありません。 Amazon CodeGuru はプルリクエストを受信し、事前トレーニング済みのモデルを使用してコードの評価を自動的に開始します。これらのモデルは、Amazon での数十年にわたるコードレビューと GitHub のトップ 10,000 プロジェクトでトレーニングされています。 Amazon CodeGuru はコード変更の品質を確認し、問題が見つかった場合は、サンプルコードや関連ドキュメントへのリンクなど、コード行、具体的な問題、推奨される修正内容を示す読みやすいコメントをプルリクエストに追加します。

Amazon CodeGuru には、顧客が最もコストのかかるコード行を見つけるのに役立つ、機械学習を活用したアプリケーションプロファイラーも含まれています。これを利用するには、顧客がアプリケーションに小さなエージェントをインストールし、Amazon CodeGuru がアプリケーションの実行を監視して、5 分ごとにアプリケーション コードを分析します。コード プロファイルには、特定のコード行に直接リンクされた、レイテンシと CPU 使用率に関する詳細情報が含まれています。 Amazon CodeGuru は、オペレーターがアプリケーション内で最もコストのかかるコード行を見つけるのに役立ち、フレームグラフを生成して、パフォーマンスのボトルネックを引き起こしている他のコード行を視覚的に識別するのに役立ちます。長年にわたり、Amazon 内のチームは Amazon CodeGuru を使用して、80,000 を超えるアプリケーションのコード分析を実行してきました。 2017 年から 2018 年にかけて、Amazon CodeGuru 社内バージョンが広く使用されたことで、Amazon の消費者向け事業における Amazon Prime Day チームは、アプリケーションの効率を改善し、CPU 使用率を 325% 向上させ、Prime Day の管理に必要なインスタンスの数を減らし、全体的なコストを 39% 削減することができました。 Amazon CodeGuru の詳細については、 をご覧ください。

Amazon Fraud Detector は機械学習を使用して不正行為を自動検出します

世界中の組織は毎年、詐欺によって数百億ドルの損失を被っています。現在、多くの AWS 顧客は大規模で高価な不正管理システムに投資しています。これらのシステムは、多くの場合、手動でコーディングされたルールに基づいており、カスタマイズに時間がかかり、コストがかかり、不正行為のパターンの変化に応じて最新の状態に保つのが難しく、結果としてシステムの精度が期待どおりにはなりません。その結果、金融機関は優良顧客を詐欺師として拒否し、より費用のかかる詐欺監査を実施し、詐欺率を削減する機会を逃すことになります。 Amazon は、機械学習などの最先端技術を使用して 20 年以上にわたり不正取引を検出しており、これは詐欺師との継続的ないたちごっこであり、防御を構築して最新の状態に保つには多大なリソースが必要であることを理解しています。 AWS のお客様は、AWS がその専門知識と経験を共有することを望んでいます。

Amazon Fraud Detector は、Amazon の消費者向けビジネスで使用されているのと同じテクノロジーに基づいて、潜在的なオンライン ID 詐欺や支払い詐欺をリアルタイムで検出する、完全に管理されたサービスです。機械学習の経験は必要ありません。 Amazon Fraud Detector は、不正なトランザクションと正当なトランザクションの履歴データを使用して、リアルタイムで低レイテンシーの不正リスク予測を提供する機械学習モデルを構築、トレーニング、デプロイします。まず、顧客はトランザクションデータを Amazon S3 にアップロードし、モデルのトレーニングをカスタマイズします。顧客は、取引に関連付けられた電子メール アドレスと IP アドレスのみを提供する必要があり、その他のデータ (請求先住所や電話番号など) を追加することもできます。顧客が予測したい不正の種類（新規アカウントまたはオンライン決済不正）に応じて、Amazon Fraud Detector は、Amazon の数十年にわたる大規模な不正検出リスク分析の実行経験を活用して、データを前処理し、アルゴリズムを選択し、モデルをトレーニングします。 Amazon Fraud Detector は、Amazon データでトレーニングされた機械学習ベースのデータ検出器も使用します。これらのデータ検出器は、Amazon で発生している不正行為に類似したパターン (異常なメール命名規則など) を識別するのに役立ち、顧客が Amazon Fraud Detector に提供する不正の例の数が少ない場合でも、モデルトレーニングの精度を向上させるのに役立ちます。

Amazon Fraud Detector は、完全に管理されたプライベート API エンドポイントにモデルをトレーニングしてデプロイします。顧客は新しいアクティビティ（サインアップや新規購入など）を API に送信し、リスク スコアを含む不正レポートを受け取ることができます。このレポートに基づいて、アプリケーションは適切なアクション (購入を承認するか、人間によるレビューに渡すかなど) を決定できます。 Amazon Fraud Detector を使用すると、顧客は不正行為をより迅速かつ容易に、そして正確に検出できます。 Amazon Fraud Detector の詳細については、http://aws.amazon.com/fraud-detector をご覧ください。

Amazon Transcribe Medicalは機械学習を使用して医療音声を書き起こし、医療従事者が患者のケアに集中できるようにします。

今日、医師は日常業務の一環として、電子健康記録 (EHR) システムに詳細なデータを入力します。しかし、医療状態を正確に記録し、保管するのに役立つソリューションは最適とは言えません。多くの病院では、医師が医療メモをレコーダーに口述し、その音声ファイルを第三者に提出して手動で書き起こしてもらわなければなりません。これはコストのかかるサービスで、最大 3 営業日かかることもあり、アーカイブ化のプロセスが遅れる原因となります。もう 1 つの選択肢は、既存のフロントエンド ディクテーション ソフトウェアを活用することですが、医師は依然として既存のツールに制限されており、臨床メモの作成に 1 日何時間も費やしています。 3 つ目の選択肢は、医療提供者が人間の筆記者を雇って、患者の診察中に医師がメモを取るのを手伝わせることですが、人間の筆記者は患者を不安にさせる可能性があり、医師はメモが足りないとよく言います。また、医療機関は大規模な筆記者のスケジュール調整や調整が困難です。要約すると、既存のソリューションは、臨床文書の効率を高め、患者ケアを改善するという点では不十分です。

Amazon Transcribe Medical は、機械学習技術を使用して自然な医療音声を自動的に書き起こすことで、これらの問題に対処します。 Amazon Transcribe Medical の音声テキスト変換機能に基づいて構築された医療記録アプリケーションは、正確かつ低コストで記録を生成できます。 Amazon Transcribe Medical は、何万時間もの医療音声でトレーニングされた複数の機械学習モデルで構成されており、機械学習を活用した正確な医療文字起こしを提供します。記録はリアルタイムで生成されるため、処理に数日かかる必要がなくなります。

Amazon Transcribe Medical は、医師が患者との会話を自動的に書き起こすのに役立ち、手作業によるメモ作成の煩わしさをなくし、医療従事者が患者のケアに集中できるようにします。医師は自然に話すことができ、Amazon Transcribe Medical は組み込みの自動句読点を使用して、既存の文字起こしソフトウェアの制限を克服します。医療提供者にとって、Amazon Transcribe Medical に基づく音声ソリューションは、数千の潜在的な医療センターに拡張可能であり、臨時筆記者の管理と調整に関する運用上の課題を排除します。 Amazon Transcribe Medical は HIPAA に準拠しており、音声対応アプリケーションやマイクを備えたあらゆるデバイスと統合できる使いやすい API を提供します。 Amazon Transcribe Medical の出力テキストは、自然言語処理サービス Amazon Comprehend Medical などの他の AWS サービスでも使用でき、最終的に医療記録システムに入力される前にさらにデータを分析できます。 Amazon Transcribe Medical の使用を開始するには、 にアクセスしてください。

Amazon Augmented Artificial Intelligence (A2I) により、開発者は人間によるレビューで機械学習の予測を検証できます。

機械学習は、画像内のオブジェクトの識別、スキャンした文書からのテキストの抽出、話し言葉の書き起こしと理解など、さまざまなアプリケーション シナリオに対して非常に正確な予測を提供できます。いずれの場合も、機械学習モデルは予測とともに、モデルの予測の確実性を示す信頼スコアを提供します。信頼スコアが高いほど、結果の信頼性が高まります。多くのユースケースでは、開発者が信頼性の高い結果を受け取ると、その結果が正確である可能性が高いと信頼でき、自動的に処理できます (たとえば、ソーシャル ネットワーク上のユーザー生成コンテンツを自動的にモデレートしたり、ビデオに字幕を追加したりするなど)。ただし、信頼度レベルが予想よりも低い場合、予測結果は曖昧になり、この曖昧さを解決するために人間によるレビューが必要になる場合があります。機械学習と人間によるレビューの相互作用は、機械学習システムの成功に不可欠ですが、手動レビューは、大規模な構築と運用が困難でコストもかかります。通常、複数のプロセス ステップが含まれ、手動レビューのタスクと結果を管理するためのカスタム ソフトウェアが必要であり、多数のレビュー担当者の採用と管理も必要になります。その結果、開発者は想定したアプリケーションを構築する代わりに、人間によるレビュー プロセスの管理に多くの時間を費やしたり、人間によるレビューを諦めざるを得なくなったりして、多くの予測の信頼性と有用性が低下します。

Amazon Augmented Artificial Intelligence (A2I) は、機械学習アプリケーションの人間によるレビューを簡単に構築および管理できる新しいサービスです。 Amazon A2I は、画像内のオブジェクト検出、音声文字変換、コンテンツモデレーションなどの一般的な機械学習タスク向けに、事前に構築された人間によるレビューワークフローを提供するため、Amazon Rekognition および Amazon Textract からの機械学習予測の人間によるレビューを簡単に実行できます。開発者は特定のアプリケーションの信頼度しきい値を選択し、信頼度スコアがそのしきい値を下回るすべての予測は検証のために人間のレビュー担当者に自動的に送信されます。開発者は、Amazon Mechanical Turk の 50 万人のグローバル ワーカー、Startek、iVision、CapeStart、Cogito、iMerit などの事前承認されたワーカーを擁するサードパーティ エージェンシー、または独自のレビュー担当者を使用して監査を実行することを選択できます。監査結果は Amazon S3 に保存され、監査が完了すると開発者に通知されるため、開発者は監査人の信頼できる結果に基づいて次のステップに進むことができます。 Amazon A2I は、すべての開発者に人間によるレビューを提供し、カスタムレビュープロセスの構築と管理、または多数のレビュー担当者の採用といった面倒な作業を排除します。 Amazon A2I の使用を開始するには、 にアクセスしてください。

「さまざまな業界の企業から、Amazon の機械学習に関する豊富な経験を活用して、自社のビジネスが直面する共通の課題に取り組みたいとの声が寄せられています。これらの課題は、社内検索、ソフトウェア開発者がより良いコードを書くための支援、不正取引の特定、すべての機械学習システムの全体的な品質の向上など多岐にわたります」と Amazon Machine Learning の副社長である Swami Sivasubramanian 氏は述べています。 「Amazon は、機械学習システムの構築における数十年の経験を活かし、これらの課題にうまく対処する社内システムも構築しました。本日の発表は、これらのシステムの開発のきっかけとなった、お客様第一主義の文化の新たな反復であり、今回の発表により、機械学習の専門知識を持たない企業ユーザーにもこれらの機械学習機能を提供できることを嬉しく思います。」

3M は多国籍企業であり、研磨製品、化学薬品、先端材料、膜、ろ過材、接着剤などの大手メーカーの 1 つです。 3M はテクノロジーを連携して活用し、生活の向上に努めています。 「研究開発は3Mの心臓部であり、科学に根ざしているからこそ私たちは強いのです」と、3Mエンタープライズ・リサーチ・システムズ・ラボラトリーのテクニカルディレクター、デビッド・フレイジー氏は語る。 「当社の材料科学者が新しい研究を行う際には、過去の潜在的に関連性のある研究を理解する必要があります。こうした情報は、当社の特許や膨大な知識リポジトリに埋もれていることがよくあります。適切な情報を見つけるのは、多くの場合、骨が折れ、時間がかかり、時には不完全なこともあります。Amazon Kendra を使用すると、当社の科学者は自然言語クエリを使用して、必要な情報を迅速かつ正確に見つけることができます。Amazon Kendra を使用することで、当社のエンジニアと研究者は、情報を迅速に見つけ、より迅速に革新し、より効果的に協力し、お客様に独自の製品を継続的に提供することに熱心に取り組んでいます。」

Liberty Mutual の完全子会社である Workgrid Software は、従業員エクスペリエンス プラットフォームでソフトウェア ソリューションを提供し、仕事の連携性、効率性、生産性を高めます。 「当社の主力製品のひとつである Workgrid Chatbot は、従業員が頻繁に寄せられる質問にすばやく回答し、使いやすい自然言語インターフェースを使用してタスクを自動化できるようにします。エンタープライズ チャットボットの重要な部分は、従業員からの無数の質問に答えることです。そのため、Workgrid はセルフサービス Q&A ビルダーを提供しています。これにより、コンテンツ作成者はプログラミング言語を習得しなくても、従業員の質問に応答するようにチャットボットをトレーニングできます。この厳選されたコンテンツに加えて、Workgrid Chatbot が企業全体の大量のドキュメント (PDF ドキュメントなど) から簡単に知識を抽出できるようにしたいと考えました」と、Workgrid のクラウド エンジニアリングおよび AI 責任者である Gillian McCann 氏は述べています。 「Amazon Kendra により、お客様が必要な回答を迅速かつ効率的に得られるようになることを嬉しく思います。Amazon Kendra は、複数のリポジトリにまたがる非構造化データから直接回答を抽出できるため、学習を迅速化でき、正確で継続的に改善された回答をお客様に提供できます。Amazon Kendra のコンテキスト化されたインテリジェント検索とタスク自動化の組み合わせを検討し、強力な従業員エクスペリエンスを提供できることを嬉しく思います。」

BBC は放送業界における世界的リーダーの一つです。彼らは BBC の映像と音声を世界中のさまざまな場所に届けています。 「世界的なメディア組織として、私たちはペタバイト単位のビデオを管理し、24時間生放送を行っています」とBBCの最高技術・製品責任者であるマシュー・ポストゲート氏は語った。 「Amazon CodeGuru は、私たちのチームが使用している他の開発ツールとともに、問題が発生する前に特定することで、視聴者に強力で信頼性の高いサービスを継続的に提供するのに役立ちます。また、サービスが AWS プラットフォームとどのようにやり取りするかについて深い洞察を得るのにも役立ち、チームはコードをリファクタリングして最適化し、人々が BBC に期待するサービスを提供できるようになります。」

Apptio SaaS ソリューションは、組織が投資を分析、計画、最適化し、IT 運用モデルを変革する際に、情報に基づいた意思決定を行うのに役立ちます。 「可用性が高く、バグのないサービスをお客様に提供することは、当社の成功にとって非常に重要です。当社は、組織を変革し、アプリケーション開発ライフサイクルのあらゆる段階で問題をより積極的に検出し、開発速度を向上させ、同時実行性、リソースリーク、パフォーマンスのボトルネックなどの困難な問題のトラブルシューティングに費やす時間を短縮するためのツールを常に探しています」と、Apptio の最高製品責任者であるスコット・チャンセラー氏は述べています。 「Amazon CodeGuru を試してみたところ、開発の初期段階でこれらの問題に積極的に対処するための推奨事項が提供されることがわかりました。さらに、サービスの速度を低下させるコード領域を指摘してくれるので、パフォーマンス関連の欠陥の解決に費やす時間を短縮できます。これらの改善により、すべてのお客様により良いエクスペリエンスを提供できるようになります。」

SmugMug + Flickr は、世界で最も影響力のある写真家中心のプラットフォームの 1 つです。 「Smugmug と Flickr は、プロや写真家が自分の作品を披露し、他の人の作品を楽しむために作られました。SmugMug は設立当初から、写真家が伝えたいストーリーを、伝えたい方法で伝えられる方法を常に模索することに情熱を注いできました。大規模に運営する中で、画像処理、分類、検索のパフォーマンスが最優先事項になります」と、SmugMug と Flickr の CEO 兼チーフ ギークの Don MacAskill 氏は述べています。 「Amazon CodeGuru のリアルタイム分析は、サービスの非効率な部分、特にアプリケーションの速度を低下させる重要なコード行を特定してトラブルシューティングするのに役立ちます。推奨事項を提示し、変更と最適化を支援します。CodeGuru の推奨事項に基づいて、コードを再構築して保守性を高め、サービスのパフォーマンスを向上させることができました。」

チャールズ・シュワブは大手投資サービス会社です。 「オンラインでの不正行為の検出は終わりのない課題であり、悪意のある人物は常に新しい攻撃ベクトルを生み出しています。私たちの使命は、悪意のある人物より一歩先を行き、お客様を保護することです」と、チャールズ・シュワブの不正監視および調査担当副社長、カラ・H・スロ氏は述べています。 「Amazon Fraud Detector のリリースを大変嬉しく思っています。これにより、不正行為を検出する機械学習ツールをより迅速かつ簡単に構築できるようになり、不正防止率が大幅に向上すると期待しています。Amazon Fraud Detector を導入することで、履歴データから不正パターンを特定し、Amazon の不正検出経験を活用できるようになります。」

Vacasa は北米最大のフルサービスバケーションレンタル管理会社で、17 か国に 23,000 軒以上のバケーションホームを所有し、毎年 200 万人以上のゲストにサービスを提供しています。 「会社設立以来、私たちはテクノロジーを活用して、地元のチームが家族やゲストの世話に集中し、同時に別荘所有者の収益を最大化できるようにしてきました」と、Vacasaの創設者兼CEOであるエリック・ブレオン氏は語った。 「Amazon Fraud Detector のリリースに興奮しています。これにより、高度な機械学習をより簡単に使用して、不正な予約を正確に検出できるようになります。潜在的な危害から「ゲートウェイ」を保護することで、バケーションレンタル体験をシームレスで手間のかからないものにすることに集中できます。」

Cerner は、医療情報技術ソリューション、サービス、デバイスを提供する大手プロバイダーの 1 つです。 「臨床文書の正確さは、ワークフローと介護者の全体的な満足度にとって非常に重要です」と、Cerner のソリューション戦略家、Jacob Geers 氏は述べています。 「Cerner は、Amazon Transcribe Medical の文字起こし API を活用して、医師と患者のやり取りを自動的に聞き取り、会話を邪魔にならないようにテキスト形式で記録するデジタル音声スクライブを最初に開発しています。その後、当社のソリューションは、その概念を Cerner 医療記録システムのコード化されたコンポーネントにインテリジェントに変換します。」

Suki は、医師の管理負担を軽減する、AI を搭載した音声対応のデジタル アシスタントです。 「臨床文書作成は医療データのワークフローに関するものであり、臨床医がより効率的にメモを取れるように支援することが重要です」と、Suki AI の CEO である Punit Soni 氏は述べています。 「当社の臨床デジタルアシスタントを Amazon Transcribe Medical と簡単に統合して、医師が医療メモを口述できるようにすることで、臨床文書作成の労力を平均 76% 削減できます。医師の時間は、データ入力ではなく、患者のケアに費やされるべきです。」

アメリカの非通信事業者として、T-Mobile US は、最先端の製品とサービスの革新を通じて、消費者と企業がワイヤレス サービスを購入する方法を再定義しています。 「T-Mobile では、顧客の満足度を成功の尺度としています。Un-carrier として、顧客が最も満足するのは、私たちが顧客のニーズを理解し、予測し、顧客の悩みに直接対処していると感じたときだとわかっています」と、T-Mobile の執行副社長兼 CIO である Cody Sanford 氏は述べています。 「当社の専門家チームのカスタマー サービス モデルは、個人的なつながりを構築することに重点を置いており、A2I などの最先端のツールを使用することで、チームの成功が確立されます。そうです、機械学習はより深く、より積極的な関係につながります。顧客の詳細や利用可能な割引などのリアルタイムのコンテキスト情報にアクセスできるため、顧客とリアルタイムで会話をしながら、当社のチームが顧客に代わってその場で決定を下すことができます。これは完全に双方にとって有利です。」

VidMob は、ブランドのあらゆるクリエイティブ ニーズに対応するエンドツーエンドのテクノロジー ソリューションを提供するマーケティング クリエイティブ プラットフォームです。同社の統合プラットフォームは、業界初のクリエイティブ分析とクラス最高のクリエイティブ制作を組み合わせて、マーケティングの効率を向上させます。 「Vidmob は機械学習を使用して、人物、オブジェクト、情報など、ビデオのあらゆる側面を分析し、ブランドがクリエイティブのパフォーマンスを理解し、より優れたクリエイティブを作成できるようにしています。ただし、既存の機械学習モデルでカバーされていない次元について、毎日分析するペタバイト単位のデータからクリエイティブを確認することは困難な場合があります」と、VidMob のデータおよびインサイト担当 SVP の Joline McGoldrick 氏は述べています。 「当社の高度なトレーニングを受けたクリエイティブ レビュー担当者は、A2I を使用することで、予測モデルをより迅速に最適化および微調整できます。この効率性により、多数のレビュー担当者にリーチし、モデルを 3 倍速く市場に投入できます。」