Cómo unir datos estructurados y no estructurados con Amazon Quick
Amazon Quick permite consultar documentos almacenados en S3 y tablas enriquecidas desde un solo agente conversacional. Este artículo explica la arquitectura, requisitos y pasos clave para integrar S3, crear una base de conocimiento y preparar datasets.
Introducción
Las organizaciones generan y almacenan datos en formatos muy diferentes: tablas, hojas de cálculo y bases de datos por un lado, y documentos, reportes y archivos por otro. Tradicionalmente, analizarlos juntos obliga a alternar herramientas, ejecutar consultas separadas y correlacionar resultados manualmente. Amazon Quick ofrece una experiencia unificada que facilita consultar ambos mundos mediante un agente conversacional.
En este artículo revisamos la arquitectura que sustenta esa integración, los requisitos para empezar y los pasos básicos para conectar un bucket de Amazon S3, crear una base de conocimiento, y preparar un dataset enriquecido que permita a un agente responder preguntas que mezclen datos estructurados y no estructurados.
Por qué unificar datos estructurados y no estructurados
Combinar ambos tipos de datos en un solo flujo de trabajo ayuda a obtener respuestas más completas y accionables. Por ejemplo, un informe de mercado en PDF puede contextualizar cifras de ventas en una tabla, o notas internas pueden explicar variaciones en indicadores. Para equipos en América Latina, donde las fuentes pueden estar distribuidas entre sistemas locales, servicios cloud y documentos escaneados, una solución que integre todo reduce la fricción y acelera la toma de decisiones.
Arquitectura de la solución
La propuesta se organiza en tres capas:
-
Capa de datos: Los documentos no estructurados (PDFs, reportes) se almacenan en Amazon S3 y se indexan en una base de conocimiento. Los datos estructurados (por ejemplo, ventas y KPIs) se cargan como datasets enriquecidos con descripciones semánticas que permiten al agente traducir preguntas a SQL.
-
Capa de trabajo (Workspace): Un Space agrupa la base de conocimiento y los datasets en un contexto único. Además puede incluir dashboards, cargas de archivos y conectores de acción. Es el espacio donde confluyen las distintas fuentes de datos.
-
Capa de agente: Un agente conversacional personalizado se enlaza al Space y decide, para cada pregunta, si consulta la base de conocimiento, el dataset o ambos. Devuelve respuestas combinadas con citas y aplica guardrails de IA integrados, como filtrado de seguridad de contenido.
Con este diseño, al añadir una nueva fuente al Space el agente puede usarla inmediatamente, y las respuestas respetan los permisos del usuario que consulta.
Requisitos previos
Antes de seguir el flujo descrito, asegúrense de contar con:
- Una cuenta de Amazon Quick con suscripción Enterprise para el usuario que va a crear datasets, ya que esa funcionalidad requiere Enterprise.
- Un bucket de Amazon S3 con los documentos de negocio que se quieran indexar.
- Acceso de Amazon Quick al bucket S3, otorgado por un administrador desde la consola de administración de Amazon Quick. El administrador debe ir a Permissions, luego AWS resources, seleccionar Amazon S3 y elegir los buckets. Los buckets seleccionados tienen permisos de solo lectura por defecto.
- Permisos para crear integraciones, bases de conocimiento, datasets, spaces y agentes conversacionales en Amazon Quick.
Preparar los datos de ejemplo
Para seguir el ejemplo utilicen dos tipos de archivos:
- Documentos no estructurados para la base de conocimiento en S3, por ejemplo: AnyCompany_Business_Review.pdf, AnyCompany_Market_Analysis_Report.pdf y AnyCompany_Product_Strategy_Memo.pdf.
- Un archivo estructurado que se cargará como dataset: Product_Sales.csv. Ese CSV se descarga localmente y luego se sube desde la interfaz de Amazon Quick.
Paso 1: crear la integración con Amazon S3
Desde la consola de Amazon Quick, en la navegación izquierda seleccionen Knowledge. Verán opciones de conectores como Amazon Q Business, Web Crawler, Amazon S3 y proveedores terceros.
Bajo Amazon S3 elijan Add. En el diálogo de Create S3 knowledge base, en la página Connect S3 bucket completen:
- Name: un nombre descriptivo para la integración, por ejemplo My Data Access Integration.
- S3 bucket location: seleccionar si el bucket está en la misma cuenta del Quick Suite instance account o en Other AWS account si pertenece a otra cuenta.
- S3 bucket URL: la URI del bucket en la misma región que Amazon Quick.
El bucket conectado tendrá permisos de solo lectura por defecto. Después de crear la integración, Amazon Quick puede indexar el contenido en segundo plano.
Paso 2: crear la base de conocimiento
Una vez creado el acceso a S3, Amazon Quick ofrece crear una base de conocimiento que indexa el contenido del bucket para búsqueda potenciada por IA.
Al configurar la base de conocimiento indiquen:
- Name: por ejemplo Business Knowledge Base.
- Description: opcional para documentar el propósito.
- Content: pueden elegir Add all content para indexar todo el bucket o Add specific content para especificar prefijos S3 y así incluir solo ciertas carpetas o archivos. Atención: los filtros de prefijo distinguen mayúsculas y minúsculas.
En Additional settings encontrarán opciones opcionales como listas de control de acceso a nivel de documento (ACLs) y una carpeta para archivos de metadatos. Decidan si usar ACLs antes de crear la base de conocimiento, porque esa elección no se puede cambiar posteriormente.
Al crearla, la indexación empieza en segundo plano y el sistema mostrará un banner de éxito.
Paso 3: crear y enriquecer un dataset
Un dataset representa datos estructurados cargados en Amazon Quick. La clave es enriquecer ese dataset con descripciones semánticas, instrucciones y tipos de datos correctos para que el agente interprete consultas en lenguaje natural y las traduzca a SQL cuando corresponda.
El flujo general incluye subir el archivo CSV (Product_Sales.csv), revisar y corregir tipos de columna, añadir descripciones semánticas por campo y, si aplica, proporcionar instrucciones personalizadas para el comportamiento del modelo al consultar esos datos. Gracias a ese enriquecimiento, el agente puede generar consultas SQL precisas y combinar resultados con información extraída de la base de conocimiento.
Construir un Space y configurar el agente
Un Space actúa como el lugar donde convergen la base de conocimiento y los datasets. Dentro del Space pueden agregarse dashboards, archivos y conectores de acción que amplían el contexto disponible para el agente.
El agente conversacional se enlaza al Space y, ante una pregunta del usuario, determina si debe consultar la base de conocimiento, el dataset o ambos. Devuelve respuestas combinadas con citas de las fuentes consultadas y aplica protecciones de seguridad y cumplimiento integradas en Amazon Quick.
Buenas prácticas y consideraciones para equipos en América Latina
- Gobernanza y permisos: aprovechen las opciones de permisos y las ACLs si manejan información sensible. Definan roles claros para administradores y usuarios para evitar accesos no deseados.
- Residencia y cumplimiento: aseguren que el bucket S3 esté en la región apropiada para cumplir normas locales de datos cuando sea necesario.
- Calidad de los metadatos: enriquecer columnas con descripciones claras y tipos correctos mejora sustancialmente la precisión de las consultas traducidas a SQL.
- Indexación selectiva: si su bucket contiene datos históricos o confidenciales, usen filtros de prefijo para incluir solo lo necesario en la base de conocimiento.
Conclusión
Amazon Quick ofrece un camino directo para combinar documentos almacenados en S3 y datos tabulares en un único punto de consulta mediante agentes conversacionales. El enfoque en capas —datos, workspace y agente— facilita escalar la solución y mantener controles de acceso. Para equipos en la región, la integración puede reducir el tiempo de análisis y mejorar la toma de decisiones al permitir preguntas que crucen —en una sola conversación— insights documentales y métricas cuantitativas.
Si planean implementar esto en su organización, comiencen por validar permisos y residencia del bucket S3, preparen muestras representativas de documentos y CSVs, y prueben un Space con un agente enlazado para iterar sobre las descripciones semánticas del dataset y las políticas de acceso.
Fuente original: AWS ML Blog