Une compagnie aérienne souhaite un assistant conversationnel textuel (utilisant des LLM et une base de connaissances) pour répondre aux clients concernant les horaires, les réservations et les paiements avec un effort de développement minimal. Quelle approche nécessite le moins de travail de développement ?

La construction d'un agent RAG avec Amazon Bedrock est l'approche la moins coûteuse en termes de développement. Bedrock fournit des modèles de fondation pré-entraînés et des outils pour créer des agents RAG, permettant d'intégrer facilement une base de connaissances pour des réponses factuelles sans entraînement de modèle intensif. SageMaker Autopilot est pour l'entraînement automatisé de modèles de machine learning, ce qui est plus complexe que d'utiliser un LLM existant pour RAG. Développer une application Python personnalisée avec Amazon Q Developer impliquerait un développement de code significatif. L'affinement de modèles avec SageMaker JumpStart nécessite des données d'entraînement spécifiques et un processus d'ajustement, ce qui est plus complexe que l'approche RAG pour ce cas d'utilisation.