Une entreprise a besoin d'un chatbot pour répondre aux questions des employés concernant les politiques de l'entreprise. Les politiques changent fréquemment et le chatbot doit refléter les mises à jour presque immédiatement. Quelle approche basée sur un LLM répond à cette exigence ?

L'implémentation d'un pipeline RAG (Retrieval-Augmented Generation) avec les bases de connaissances Amazon Bedrock est la meilleure approche car elle permet au chatbot de récupérer des informations à jour directement à partir des documents de politique de l'entreprise. Lorsque les politiques changent, les documents sources sont mis à jour, et le système RAG accède à ces nouvelles informations sans nécessiter un réentraînement coûteux et long du modèle. L'affinage d'un LLM est inefficace car il faudrait réentraîner le modèle à chaque changement de politique, ce qui est coûteux et lent. Choisir un FM depuis Amazon Bedrock seul ne suffit pas, car le FM n'aurait pas accès aux politiques spécifiques de l'entreprise sans un mécanisme de récupération d'informations. Amazon Q Business est une option viable pour des cas d'utilisation plus larges de questions-réponses d'entreprise, mais pour l'exigence spécifique de mises à jour quasi immédiates des politiques, RAG offre une solution plus directe et réactive.