AI注目記事のキュレーターページ

顧客サポートエージェントが「請求問題」を尋ねたとしますが、技術サポートのチケット、領収書の問題に関する営業の会話、請求の争いなどが混在して返ってきます。これは、エージェントが数週間のインタラクション履歴を蓄積した際に直面する精度の壁です。Amazon Bedrock AgentCore Memoryは、AIエージェントが会話を通じて情報を記憶し、呼び出す能力を提供する完全管理型メモリサービスです。エージェントのメモリ記録を、クライアントや特定のクライアントのセッションなどの名前空間に整理し、各エンティティのデータを分離します。メモリが増えるにつれて、関連する信号は文脈的に無関係な結果に埋もれてしまいます。メタデータフィルタリングはこのギャップを埋め、ビジネスの次元（優先度、部門、期間など）に基づいて取得をスコープするのに役立ちます。評価の結果、メタデータフィルタリングを有効にした場合、全体の質問応答精度は40%から64%に向上しました。特に、時間制限のある検索や優先度に基づくフィルタリングが必要な質問では、精度が16%から69%に跳ね上がりました。この投稿では、メタデータがどのように機能するか、エンタープライズのユースケース、実装のベストプラクティスについて学ぶことができます。