MLA-C01 pregunta "¿de verdad hace falta construir un modelo aquí?" con más frecuencia de lo que parece. La tarea 2.1 de la guía del examen exige saber resolver problemas de negocio con servicios de IA como Amazon Translate, Amazon Transcribe, Amazon Rekognition y Amazon Bedrock, y en nuestro banco de preguntas cerca del 14 % de las preguntas usan servicios de IA administrados como Comprehend, Transcribe, Polly, Textract, Rekognition y Personalize como respuesta correcta o como distractores. Conocer los nombres no basta, porque estas preguntas obligan a elegir una función concreta: "el nombre de la marca se pronuncia mal", "necesitamos una copia sin los datos personales".
Este artículo fija los criterios para decidir si basta con un servicio de IA administrado y luego cubre las funciones que deciden la respuesta en cada tipo de dato, la revisión humana con A2I y los servicios que terminaron su soporte o no aceptan clientes nuevos. La elección entre los algoritmos integrados de SageMaker y los servicios de IA se trató antes en Elección del Enfoque de Modelado.
---
Decide Primero: ¿Basta con un Servicio de IA Administrado?
Al cocinar no hace falta preparar todas las salsas desde cero. Algunos platos quedan bien con una salsa comprada, mientras que el plato estrella de un restaurante merece la suya propia. Con el ML pasa lo mismo. Las funciones que todo el mundo necesita, como la traducción, el reconocimiento de voz o la extracción de texto de documentos, se resuelven llamando por API a un modelo que AWS ya entrenó. Las predicciones que diferencian a tu empresa son las que entrenas tú mismo en SageMaker AI.
| Pista en la pregunta | Primera opción a considerar | |------|------| | No hay especialistas en ML y hay que lanzar rápido | Servicio de IA administrado | | Una capacidad estándar como traducción, reconocimiento de voz o extracción de texto | Servicio de IA administrado | | Reconocer etiquetas que solo tiene tu empresa (defectos de piezas, tipos de contrato) | Funciones personalizadas de los servicios de IA (Rekognition Custom Labels, clasificación personalizada de Comprehend) | | Hay que controlar el algoritmo y el proceso de entrenamiento | Algoritmos integrados de SageMaker AI o un modelo propio | | Tareas generativas como redactar o resumir | Amazon Bedrock |
Consejo: Cuando aparecen frases como "minimizar la carga operativa", "un equipo sin experiencia en ML" o "lo más rápido posible", lo más probable es que la respuesta sea un servicio de IA administrado. Si la pregunta habla de "ajustar directamente la arquitectura del modelo" o de "código de entrenamiento propio", inclínate por SageMaker AI.
La figura siguiente es un mapa que parte del tipo de dato y llega al servicio. El resto del artículo sigue ese mismo orden.
!Mapa de servicios de IA de AWS elegidos según el tipo de dato: texto, voz, traducción, documentos, imágenes, recomendaciones y conversación
---
Entender Texto: Amazon Comprehend y Comprehend Medical
Comprehend es un servicio de procesamiento de lenguaje natural que lee un texto y te dice de qué trata, qué sentimiento transmite y quién o qué aparece en él. Sus funciones se dividen entre las que usan modelos ya entrenados y las funciones personalizadas que entrenas con tus propios datos.
| Función | Qué hace | Pista en la pregunta | |------|------|------| | Análisis de sentimiento | Clasifica el documento completo como positivo, negativo, neutral o mixto | "si las reseñas de clientes son positivas" | | Sentimiento dirigido | Sentimiento hacia entidades concretas del documento (como funciones de un producto) | "solo las opiniones sobre la batería" | | Entidades y frases clave | Extrae nombres de personas, lugares, organizaciones y expresiones clave | "nombres de empresas mencionados en los documentos" | | Detección y redacción de PII | Localiza datos personales como direcciones y números de cuenta y genera una copia con ellos ocultos | "analizar después de quitar los datos personales" | | Clasificación personalizada | Ordena documentos en las categorías propias de tu empresa | "clasificar contratos en tipos propios de la empresa" | | Reconocimiento de entidades personalizado | Extrae términos que solo usa tu empresa | "extraer números de pieza internos" |
Hay dos formas de procesar el texto. Un solo documento se analiza en tiempo real con resultado inmediato, y los conjuntos grandes de documentos se reúnen en S3 y se procesan con trabajos por lotes asíncronos. Aquí aparece una trampa habitual del examen. Localizar la PII funciona en tiempo real, pero obtener una copia con la PII oculta (redactada) exige un trabajo por lotes asíncrono. Además, la detección de PII solo admite documentos en inglés y en español.
Comprehend Medical: Solo para Texto Médico
Para texto clínico como notas médicas o informes de alta, la respuesta es Comprehend Medical, no Comprehend. Encuentra afecciones, medicamentos y dosis, resultados de pruebas e información de salud protegida (PHI), y vincula lo encontrado con códigos médicos estándar como RxNorm (medicamentos) e ICD-10-CM (diagnósticos). Solo admite inglés (EE. UU.).
Consejo: "Extraer nombres de medicamentos y dosis de las notas médicas" es Comprehend Medical, "enrutar automáticamente los correos de clientes a las ocho categorías de departamentos de la empresa" es la clasificación personalizada de Comprehend, y "guardar en S3 una copia con los datos personales ocultos" es un trabajo asíncrono de redacción de PII.
---
Voz: Transcribe y Polly
Transcribe convierte la voz en texto (STT) y Polly convierte el texto en voz (TTS). En estos dos servicios que trabajan en direcciones opuestas, las funciones personalizadas que mejoran la precisión son el núcleo de las preguntas del examen.
Amazon Transcribe: de Voz a Texto
| Función | Qué hace | Pista en la pregunta | |------|------|------| | Vocabulario personalizado | Da pistas para que se reconozcan palabras concretas (marcas, siglas) | "el nombre del producto se transcribe mal una y otra vez" | | Modelo de lenguaje personalizado | Se entrena con textos del dominio y aprende el contexto en que se usan las palabras | "precisión en todo un campo especializado, como ponencias de congresos" | | Diarización de hablantes | Separa la transcripción según quién habló | "separar lo que dice el agente y lo que dice el cliente" | | Identificación automática de idioma | Detecta automáticamente el idioma del audio | "hay grabaciones en varios idiomas mezcladas" | | Redacción de PII | Oculta los datos personales de la transcripción | "los números de tarjeta no pueden quedar en la transcripción" | | Transcripción en streaming | Convierte la voz en vivo en texto al instante | "subtítulos en directo durante una llamada" |
El vocabulario personalizado es una pista para reconocer palabras, y el modelo de lenguaje personalizado aprende además el contexto en que se usan. Con un modelo de lenguaje personalizado debes indicar el código de idioma, así que no se combina con la identificación automática de idioma.
Amazon Polly: de Texto a Voz
Polly tiene cuatro motores de voz: generativo, de formato largo, neuronal y estándar. Hay dos maneras de cambiar la pronunciación y la forma de leer, y por eso es fácil confundirlas.
| Método | Qué hace | Cuándo encaja | |------|------|------| | Etiquetas SSML | Indican pausas, énfasis, velocidad y forma de lectura dentro del texto | Pausar solo en esta frase o leer un número como fecha | | Léxico de pronunciación | Guarda pronunciaciones o sustituciones por palabra y las aplica siempre | Leer siempre igual una marca o una sigla | | Tarea de síntesis asíncrona | Sintetiza con StartSpeechSynthesisTask textos que superan el límite en tiempo real (3.000 caracteres) y los guarda en S3 | Guiones largos como audiolibros |
Consejo: "Pronunciar bien el nombre de la empresa en todos los anuncios" es un léxico de pronunciación, "hacer una pausa de dos segundos después de una frase concreta" es SSML y "convertir un guion de una hora en un archivo de audio" es una tarea de síntesis asíncrona.
---
Traducción: Amazon Translate
Translate es un servicio de traducción automática neuronal. Los textos cortos pasan por la traducción en tiempo real (TranslateText) y los conjuntos grandes de documentos reunidos en S3 pasan por trabajos de traducción por lotes. Lo que separa las respuestas son las dos formas de adaptar las traducciones a tu empresa.
| Aspecto | Terminología personalizada | Datos paralelos (Active Custom Translation) | |------|------|------| | Qué hace | Fija palabras concretas a la traducción que definiste | Muestra ejemplos de texto de origen y de la traducción deseada para ajustar estilo, tono y elección de palabras | | Dónde se aplica | Traducción en tiempo real y por lotes | Trabajos de traducción por lotes | | Ejemplo | Dejar sin traducir el nombre de producto "Amazon Photos" | Documentos legales con el estilo de tu equipo jurídico | | Costo | Sin cargo adicional | Tarifa más alta que la de los trabajos normales |
Consejo: "Los nombres de marcas y productos no deben traducirse" es terminología personalizada. "Las traducciones deben parecerse al estilo de las traducciones que ya tiene la empresa" son datos paralelos.
---
Documentos e Imágenes: Textract y Rekognition
Amazon Textract: Sacar el Texto y la Estructura de los Documentos
Textract va más allá del simple reconocimiento de caracteres (OCR) y también extrae los pares "campo: valor" de los formularios y la estructura de las tablas.
| API o función | Qué hace | |------|------| | DetectDocumentText | Extrae texto impreso y manuscrito | | AnalyzeDocument | Formularios (clave-valor), tablas, consultas (encontrar un valor preguntando, por ejemplo "¿Cuál es la fecha de inicio del contrato?"), firmas | | AnalyzeExpense | Campos como importes y proveedores en facturas y recibos | | AnalyzeID | Documentos de identidad emitidos por el gobierno de EE. UU. (licencias de conducir, pasaportes) |
L