Une entreprise utilise un modèle de fondation pré-entraîné sur Amazon Bedrock, mais souhaite lui fournir un contexte plus spécifique à l'entreprise. Quelle est l'option la plus rentable pour ajouter ce contexte ?

L'utilisation des bases de connaissances Amazon Bedrock est l'option la plus rentable car elle permet d'intégrer des données spécifiques à l'entreprise (documents, bases de données) pour enrichir les réponses du modèle sans nécessiter de réentraînement coûteux ou de personnalisation complexe. Cette approche, souvent appelée RAG (Retrieval Augmented Generation), est conçue pour fournir un contexte pertinent. Choisir un autre FM ne garantit pas un contexte spécifique et pourrait même être moins adapté. Les agents Amazon Bedrock sont utiles pour orchestrer des tâches complexes et des flux de travail, mais ne sont pas la méthode principale pour ajouter du contexte. Déployer un modèle personnalisé est l'option la plus coûteuse et la plus complexe, car elle implique un entraînement ou un réglage fin (fine-tuning) du modèle avec les données de l'entreprise, ce qui est généralement évité si le RAG suffit.