Servicios AWS de IA: Escuchar, comprender y responder
¿Cómo logra una máquina escuchar, comprender y responder? En este artículo exploramos Amazon Transcribe, Comprehend, Translate, Lex y Polly para descubrir cómo AWS convierte voz, texto e intención en experiencias inteligentes. Además, repasamos prompt engineering, diseño centrado en el humano y Amazon Bedrock Guardrails.
Series: Reto de Certificación AI Practitioner (9 articles)
- …
- 9Servicios AWS de IA: Escuchar, comprender y responder This article
🧱 Las tres capas de IA en AWS
Antes de estudiar los servicios individualmente, es importante entender en qué nivel del ecosistema de IA de AWS estamos trabajando.
Podemos visualizarlo en tres grandes capas:
1️⃣ Servicios de IA administrados
AWS ya resolvió una capacidad específica de IA por nosotros.
Consumimos el servicio mediante una API y no necesitamos seleccionar un Foundation Model, entrenar nuestro propio modelo ni administrar la infraestructura de ML subyacente.
Aquí encontramos servicios como:
- Amazon Transcribe
- Amazon Comprehend
- Amazon Translate
- Amazon Lex
- Amazon Polly
2️⃣ Plataformas para construir con Foundation Models
Cuando necesitamos crear aplicaciones de IA generativa utilizando Foundation Models, entramos en el terreno de Amazon Bedrock.
Aquí podemos seleccionar modelos y construir soluciones utilizando técnicas que ya vimos durante el reto, como:
- Prompt engineering
- Retrieval-Augmented Generation (RAG)
- Agents
- Guardrails
- Evaluación y personalización de modelos
3️⃣ Machine Learning a medida
Cuando necesitamos mayor control sobre nuestros datos, modelos, entrenamiento y ciclo de vida de Machine Learning, podemos utilizar Amazon SageMaker AI.
Aquí entramos en escenarios donde queremos construir, entrenar, desplegar y administrar soluciones de ML de forma mucho más personalizada.
🎧 Amazon Transcribe — Escuchar
Amazon Transcribe convierte voz en texto.
Es un servicio de Automatic Speech Recognition (ASR) que utiliza Machine Learning para convertir audio en texto.
Puede procesar audio:
- En tiempo real (streaming)
- Por lotes (batch)
También ofrece capacidades como separación de hablantes y personalización para mejorar el reconocimiento de vocabulario específico de determinados dominios.
📞 Ejemplo
Imagina un centro de atención al cliente que recibe miles de llamadas todos los días.
En lugar de que una persona escuche cada grabación, podemos utilizar Amazon Transcribe:
Cliente habla → Audio → Amazon Transcribe → Texto
Una vez que tenemos el texto, podemos utilizar otros servicios para analizarlo.
🩺 ¿Y si estamos trabajando con conversaciones médicas?
AWS también ofrece capacidades especializadas para transcripción de conversaciones clínicas mediante Amazon Transcribe Medical.
Esto permite trabajar con vocabulario y escenarios relacionados con el ámbito médico.
💡 Recuerda
Transcribe = Speech-to-Text
🧠 Amazon Comprehend — Comprender
Una vez que convertimos una conversación en texto, quizá queramos descubrir qué significa ese texto.
Aquí entra Amazon Comprehend.
Es un servicio de Natural Language Processing (NLP) que permite obtener información y relaciones a partir de texto.
Por ejemplo, puede ayudarnos a identificar:
- Entidades
- Frases clave
- Sentimiento
- Idioma dominante
- Información de identificación personal (PII)
Algunas capacidades y los idiomas disponibles varían según la característica utilizada.
💬 Ejemplo
Supongamos que recibimos este comentario:
“La atención de la agente fue excelente, pero llevo tres días esperando mi reembolso.”
Amazon Comprehend podría ayudarnos a detectar elementos como el sentimiento o las entidades presentes en el texto.
Esto resulta útil para analizar grandes volúmenes de:
- Comentarios de clientes
- Tickets de soporte
- Reseñas
- Documentos
- Transcripciones
🩺 Amazon Comprehend Medical
Para información clínica existe Amazon Comprehend Medical, orientado al procesamiento de lenguaje natural aplicado a texto médico.
💡 Recuerda
Comprehend = Text-to-Insights
🌎 Amazon Translate — Traducir
¿Qué ocurre cuando nuestros usuarios hablan diferentes idiomas?
Amazon Translate permite realizar traducción automática utilizando Machine Learning.
La idea importante es sencilla:
Texto en un idioma → Amazon Translate → Texto en otro idioma
Puede utilizarse en aplicaciones que necesitan procesar contenido en distintos idiomas y formar parte de arquitecturas donde otros servicios reciben posteriormente el texto traducido.
💬 Ejemplo
Imagina una plataforma internacional de soporte:
Mensaje en español → Amazon Translate → Inglés → Sistema de soporte
Después, la respuesta podría recorrer el camino inverso antes de regresar al usuario.
También podemos trabajar con terminología personalizada cuando determinados términos, nombres o expresiones requieren un tratamiento específico.
💡 Recuerda
Translate = Language-to-Language
💬 Amazon Lex — Conversar
Hasta ahora nuestra máquina puede escuchar, analizar y traducir.
Pero ¿cómo conseguimos que pueda mantener una conversación y entender qué quiere hacer una persona?
Aquí aparece Amazon Lex.
Amazon Lex permite construir interfaces conversacionales, como chatbots y asistentes.
Para comprenderlo, debemos conocer cuatro conceptos fundamentales.
🗣️ Utterance
Es lo que dice el usuario.
Una misma intención puede expresarse de muchas formas:
“Quiero reservar un hotel.”
“Necesito una habitación.”
“Ayúdame a hacer una reservación.”
Las frases son diferentes, pero podrían representar la misma intención.
🎯 Intent
Es lo que el usuario quiere conseguir.
En nuestro ejemplo:
Intent → ReservarHotel
🧩 Slot
Es la información que necesitamos recopilar para completar la intención.
Por ejemplo:
- Ciudad
- Fecha de llegada
- Fecha de salida
- Número de huéspedes
Si falta información, la conversación puede continuar para obtenerla.
⚙️ Fulfillment
Finalmente necesitamos ejecutar la acción asociada con la intención.
Una vez recopilada la información necesaria, nuestra aplicación puede realizar la lógica correspondiente.
Podemos memorizar el flujo así:
🗣️ Utterance → 🎯 Intent → 🧩 Slots → ⚙️ Fulfillment
💡 Para el examen
Si necesitas construir un chatbot o una interfaz conversacional basada en intents y slots, piensa en Amazon Lex.
🔊 Amazon Polly — Responder
Nuestra máquina ya puede entender una conversación.
Ahora queremos que hable.
Amazon Polly convierte texto en voz.
Es decir:
Text-to-Speech (TTS)
Amazon Polly dispone de diferentes voces y motores de síntesis, incluidas voces neuronales en regiones compatibles. También admite Speech Synthesis Markup Language (SSML) para controlar determinados aspectos de cómo se reproduce el texto, como pausas o pronunciación.
🗣️ Ejemplo
Supongamos que nuestro asistente genera:
“Tu reservación está confirmada para mañana a las ocho de la noche.”
Amazon Polly puede convertir ese texto en audio para reproducirlo al usuario.
💡 Recuerda
Polly = Text-to-Speech
Y aquí tenemos una distinción perfecta para el examen:
Transcribe: 🎙️ voz → texto
Polly: 🔊 texto → voz
Polly: 🔊 texto → voz
🔗 ¿Cómo trabajan juntos?
Aquí está una de las ideas más importantes:
Estos servicios no tienen por qué trabajar de manera aislada.
Podemos combinarlos para construir experiencias completas.
Imagina un asistente telefónico:
1. 🎧 Escuchar
El cliente habla.
Amazon Transcribe convierte su voz en texto.
2. 🧠 Comprender
Amazon Comprehend puede analizar el texto para obtener información como sentimiento o entidades.
3. 🌎 Traducir
Si necesitamos trabajar en otro idioma, Amazon Translate puede traducir el contenido.
4. 💬 Conversar
Amazon Lex puede identificar qué quiere conseguir el usuario y recopilar la información necesaria.
5. 🔊 Responder
Finalmente, Amazon Polly puede transformar texto en voz.
Por eso podemos memorizar esta sesión con una sola secuencia:
🎧 Transcribe → 🧠 Comprehend → 🌎 Translate → 💬 Lex → 🔊 Polly
O todavía más sencillo:
Escuchar → Comprender → Traducir → Conversar → Responder
🧠 Entonces… ¿dónde entra el Prompt Engineering?
Aquí debemos hacer una distinción importante.
Los servicios anteriores resuelven capacidades específicas de IA.
Cuando trabajamos con Foundation Models y aplicaciones de IA generativa, la interacción cambia: necesitamos indicarle al modelo qué queremos que haga.
Ahí aparece el prompt engineering.
Un prompt es el conjunto de entradas que proporcionamos a un modelo para guiar la respuesta que queremos obtener. AWS señala que un prompt puede combinar componentes como instrucciones, contexto, ejemplos y texto de entrada.
Una forma sencilla de construirlo es pensar en:
Contexto + Instrucción + Restricciones = mejor dirección para el modelo
✍️ Tres elementos que mejoran un prompt
1️⃣ Contexto
Proporciona la información necesaria para entender la situación.
❌ Sin contexto
Resume este texto.
✅ Con contexto
Estás ayudando a un ejecutivo que necesita comprender rápidamente los principales riesgos descritos en este reporte.
2️⃣ Instrucción
Indica claramente qué debe hacer el modelo.
En lugar de:
Háblame de AWS.
Podemos decir:
Explica qué es Amazon Bedrock en un párrafo dirigido a una persona sin experiencia previa en cloud.
La documentación de Amazon Bedrock recomienda utilizar instrucciones simples, claras y completas y reducir la ambigüedad del prompt.
3️⃣ Peticiones negativas y restricciones
También podemos indicar comportamientos o contenido que queremos evitar.
Por ejemplo:
Explica el concepto en máximo cinco puntos.
No utilices terminología técnica sin explicarla.
No incluyas servicios que no pertenezcan a AWS.
Estas instrucciones ayudan a delimitar el comportamiento esperado, aunque no deben confundirse con un mecanismo de seguridad.
Decirle a un modelo “no reveles información sensible” mediante un prompt no sustituye controles técnicos diseñados específicamente para proteger una aplicación.
Y esto nos lleva al siguiente concepto.
🎯 Mejores prácticas de Prompt Engineering
Un buen prompt rara vez aparece mágicamente en el primer intento.
El prompt engineering es un proceso iterativo.
🔹 Sé específico
Describe claramente qué necesitas.
🔹 Sé conciso
Más texto no significa automáticamente un mejor prompt. Incluye la información que realmente ayuda al modelo a ejecutar la tarea.
🔹 Define el resultado esperado
Puedes indicar:
- Formato
- Longitud
- Audiencia
- Estructura
- Restricciones
🔹 Experimenta
Los modelos generativos pueden producir resultados diferentes y los modelos tienen distintas características. Debemos probar nuestros prompts y evaluar sus resultados.
🔹 Itera
Podemos pensar el proceso así:
Prompt → Respuesta → Evaluación → Ajuste → Nueva respuesta
No buscamos simplemente escribir más instrucciones.
Buscamos escribir mejores instrucciones.
🛡️ Amazon Bedrock Guardrails: de la IA responsable a la protección activa
En el artículo 7 hablamos de principios de IA responsable.
Ahora podemos llevar esos principios hacia controles concretos dentro de aplicaciones de IA generativa.
Amazon Bedrock Guardrails permite evaluar tanto las entradas de los usuarios como las respuestas de los modelos y aplicar salvaguardas configurables.
Entre sus capacidades actuales encontramos:
- Content filters
- Denied topics
- Word filters
- Sensitive information filters
- Contextual grounding checks
- Automated Reasoning checks
🚫 Denied Topics
Permiten definir temas que la aplicación debe evitar.
Por ejemplo, una organización podría configurar un asistente para que no participe en determinados tipos de conversaciones que están fuera del propósito de la aplicación.
🔐 Sensitive Information Filters
Pueden ayudar a detectar información sensible, como PII, y permitir bloquearla o enmascararla según la configuración.
🧭 Contextual Grounding Checks
Pueden comprobar si una respuesta está fundamentada en la información de referencia proporcionada y si es relevante para la pregunta, ayudando a identificar respuestas no fundamentadas en determinados escenarios.
🧮 Automated Reasoning Checks
Permiten comprobar respuestas frente a reglas y políticas lógicas definidas para el caso de uso.
⚠️ Prompt Engineering ≠ Guardrails
Esta diferencia merece aparecer en el examen y en cualquier arquitectura real.
Prompt Engineering
Busca orientar al modelo hacia la respuesta que queremos.
“Responde únicamente utilizando la documentación proporcionada.”
Guardrails
Busca aplicar políticas y controles sobre las interacciones de la aplicación.
Por ejemplo, detectar determinado contenido, proteger información sensible o bloquear temas configurados.
Podemos recordarlo así:
✍️ Prompt Engineering guía el comportamiento.
🛡️ Guardrails aplica salvaguardas.
No son sustitutos.
Se complementan.
🧩 Elige el servicio correcto
Una forma rápida de repasar:
| Necesidad | Servicio |
|---|---|
| 🎙️ Convertir audio en texto | Amazon Transcribe |
| 🧠 Analizar sentimiento, entidades o información dentro de texto | Amazon Comprehend |
| 🌎 Traducir texto | Amazon Translate |
| 💬 Crear interfaces conversacionales | Amazon Lex |
| 🔊 Convertir texto en voz | Amazon Polly |
| 🤖 Construir aplicaciones con Foundation Models | Amazon Bedrock |
| 🛡️ Aplicar salvaguardas a aplicaciones de GenAI | Amazon Bedrock Guardrails |
| 🧪 Construir y administrar ML con mayor control | Amazon SageMaker AI |
✨ Mantente al día con todas las novedades
AWS Tech Girls
Series: Reto de Certificación AI Practitioner (9 articles)
- …
- 9Servicios AWS de IA: Escuchar, comprender y responder This article
Enjoyed reading this content? Let the author know!
Your likes, comments, shares, and saves help creators reach more builders.
Loading recommendations
Loading article