Una aerolínea desea un asistente conversacional basado en texto (que utilice LLM y una base de conocimientos) para responder a los clientes sobre horarios, reservas y pagos con un esfuerzo de desarrollo mínimo. ¿Qué enfoque requiere el menor trabajo de desarrollo?

Construir un agente RAG con Amazon Bedrock es la opción que requiere el menor esfuerzo de desarrollo. Bedrock ofrece componentes preconstruidos para RAG, como la integración con bases de conocimientos y la orquestación de LLM, lo que simplifica enormemente la creación de asistentes conversacionales. SageMaker Autopilot se enfoca en el entrenamiento automatizado de modelos de ML, no en la construcción de agentes conversacionales. Desarrollar una aplicación Python personalizada con Amazon Q Developer implicaría un esfuerzo de codificación significativo para integrar LLM, bases de conocimientos y la lógica del asistente. SageMaker JumpStart es para el ajuste fino de modelos existentes, lo cual es un paso más avanzado que la construcción inicial de un agente RAG que ya puede aprovechar modelos preentrenados y la base de conocimientos.