详细内容或原文请订阅后点击阅览
伦敦证券交易所集团使用 Amazon Q Business 增强交易后客户服务
在这篇博文中，我们探讨了伦敦证券交易所集团 (LSEG) 使用 Amazon Q Business 开发的客户服务代理助理应用程序。我们将讨论 Amazon Q Business 如何在生成答案方面节省时间，包括总结文档、检索复杂会员查询的答案以及组合来自不同数据源的信息（同时为每个答案使用的数据源提供文内引用）。
来源:亚马逊云科技 _机器学习本篇文章由 LCH 产品运营主管 Ben Doughton、LCH 站点可靠性工程师 Iulia Midus 和 LCH（伦敦证券交易所集团 LSEG 的一部分）软件和人工智能专家 Maurizio Morabito 共同撰写。
本篇文章由 LCH 产品运营主管 Ben Doughton、LCH 站点可靠性工程师 Iulia Midus 和 LCH（伦敦证券交易所集团 LSEG 的一部分）软件和人工智能专家 Maurizio Morabito 共同撰写。在金融行业，快速可靠地获取信息至关重要，但搜索数据或面临不明确的沟通会减慢速度。人工智能助手可以改变这种状况。通过即时提供答案并帮助驾驭复杂的系统，此类助手可以确保关键信息始终触手可及，从而提高效率并降低沟通不畅的风险。 Amazon Q Business 是一款基于 AI 的生成式助手，可以根据企业系统中的数据和信息回答问题、提供摘要、生成内容并安全地完成任务。Amazon Q Business 使员工变得更具创造力、数据驱动、高效、有条理和富有成效。
Amazon Q Business在这篇博文中，我们将探讨伦敦证券交易所集团 (LSEG) 使用 Amazon Q Business 开发的客户服务代理助理应用程序。我们将讨论 Amazon Q Business 如何节省生成答案的时间，包括总结文档、检索复杂会员查询的答案以及组合来自不同数据源的信息（同时为每个答案使用的数据源提供文内引用）。
文内引用挑战
Amazon Q Business。业务用例
项目工作流
CS 用例是通过 LCH 和 Amazon Web Service (AWS) 之间的密切合作开发的，涉及以下步骤：
Amazon Web Service (AWS) 构思 Amazon SageMaker Amazon SageMaker Jumpstart 知识库创建 数据源连接器 集成和测试 分阶段推出