AWS Primeros Pasos

Amazon Kendra

Servicio de búsqueda empresarial basado en machine learning que devuelve respuestas precisas a preguntas en lenguaje natural sobre documentos internos

Unos 6 min de lectura

Descripción general

Amazon Kendra es un servicio de búsqueda empresarial inteligente que utiliza machine learning. Ingiere documentos de diversas fuentes de datos como S3, RDS, SharePoint, Confluence y Salesforce, extrayendo con precisión las secciones relevantes dentro de los documentos para responder a preguntas en lenguaje natural. Su mayor característica es la capacidad de devolver información semánticamente relacionada que no podría encontrarse con búsquedas tradicionales por palabras clave, mejorando drásticamente la precisión de búsqueda en bases de conocimiento internas y help desks. Cabe señalar que Kendra cerró el acceso a nuevos clientes el 30 de julio de 2026, y solo los clientes existentes pueden seguir utilizándolo (a fecha de agosto de 2026). Para construir desde cero una plataforma de búsqueda de este tipo, AWS señala Amazon Bedrock Knowledge Bases como la alternativa oficial.

Índices y conectores de fuentes de datos

El índice de Kendra es un contenedor lógico que almacena los documentos objetivo de búsqueda. Al crear un índice se selecciona la edición (Developer, Enterprise o GenAI Enterprise para casos de uso de IA generativa), asegurando la capacidad según el número de documentos y la frecuencia de consultas. La edición Developer tiene un límite de 10,000 documentos y 4,000 consultas diarias, siendo adecuada para propósitos de validación. Se proporcionan más de 40 tipos de conectores de fuentes de datos incluyendo S3, RDS, SharePoint Online, Confluence, ServiceNow y Google Drive, donde cada conector procesa automáticamente la autenticación específica de la fuente, sincronización diferencial y extracción de metadatos. La programación de sincronización puede configurarse bajo demanda o periódicamente (intervalo mínimo de 1 hora), reindexando solo los documentos modificados mediante sincronización diferencial. Usando la API BatchPutDocument como fuente de datos personalizada, también se pueden ingerir datos de sistemas propios. Los documentos pueden tener atributos personalizados (nombre de departamento, nombre de proyecto, nivel de confidencialidad, etc.) que se utilizan para búsqueda por facetas y filtrado.

Procesamiento de consultas y ajuste de ranking

El procesamiento de consultas de Kendra se basa en búsqueda semántica mediante un modelo de comprensión del lenguaje natural (NLU). Analiza la intención de la pregunta del usuario, incluyendo en los resultados no solo coincidencias exactas de palabras clave sino también documentos semánticamente relacionados. Los resultados se clasifican en 3 tipos: Suggested Answer extrae la sección relevante del documento como respuesta directa, Document muestra documentos completos de alta relevancia, y FAQ realiza coincidencias desde pares de preguntas y respuestas pre-registrados. Para mejorar la precisión del ranking, se ajustan los pesos por campo mediante Relevance Tuning. Por ejemplo, es efectivo aumentar la importancia del campo título y potenciar documentos con fechas de actualización más recientes. Además, al enviar feedback de clics del usuario mediante la API SubmitFeedback, el modelo de machine learning mejora continuamente el ranking. Las consultas responden con una latencia lo bastante baja como para integrarlas directamente en una interfaz de búsqueda, manteniendo velocidades prácticas incluso con conjuntos de documentos a gran escala. No obstante, AWS no publica un objetivo de tiempo de respuesta, por lo que conviene medir la capacidad de respuesta real variando las unidades de capacidad del índice y el contenido de las consultas.

Control de acceso y contexto de usuario

Kendra soporta nativamente el control de acceso a nivel de documento (ACL). Los conectores de fuentes de datos importan automáticamente la información de permisos del sistema origen, devolviendo solo los documentos visibles según los grupos a los que pertenece el usuario durante la búsqueda. Con los conectores de SharePoint y Confluence, las ACL del sistema origen se reflejan directamente en Kendra, eliminando la necesidad de gestión duplicada de permisos. Para fuentes de datos personalizadas, se configuran explícitamente permisos de acceso y denegación por usuario o grupo mediante objetos Principal. El contexto de usuario es un mecanismo que pasa el ID de usuario e información de grupo como parámetro UserContext al ejecutar consultas. Al integrarse con IAM Identity Center, la información del usuario puede obtenerse automáticamente del token SSO. Como consideración operativa, la sincronización de ACL depende del momento de sincronización de la fuente de datos, por lo que los cambios de permisos pueden no reflejarse inmediatamente. En entornos de alta confidencialidad, se recomienda configurar intervalos de sincronización cortos y ejecutar sincronización manual después de cambios de permisos.

Referencias (recursos oficiales de AWS)

Las fuentes primarias de esta página son el sitio web y la documentación oficiales de AWS. Consulta las páginas oficiales siguientes para conocer las especificaciones y los precios más recientes.

Si esta página y la documentación oficial difieren, prevalece la documentación oficial.

Compartir

Términos relacionados

Amazon OpenSearch ServiceAmazon BedrockAmazon LexAmazon ComprehendAmazon SageMaker

Servicios relacionados

Amazon OpenSearch ServiceAmazon BedrockAmazon LexAmazon S3

Artículos relacionados

Construcción de aplicaciones RAG con Amazon Bedrock Knowledge Bases - Implementación de generación aumentada por recuperaciónIndexe automáticamente documentos en S3 y unifique búsqueda y generación con la API RetrieveAndGenerate. Cubre la selección de estrategia de chunking y la seguridad con Guardrails.Uso práctico de Amazon Quick - Casos de uso por departamento y patrones de diseño para automatización de flujos de trabajoPresentamos escenarios de uso concretos para departamentos de ventas, TI y finanzas, así como patrones de diseño para notificaciones, aprobaciones y flujos de trabajo de múltiples etapas con Quick Flows.Búsqueda y análisis de datos - Construcción de plataforma de búsqueda de texto completo y visualización con OpenSearchTécnicas de diseño de búsqueda y análisis de datos con Amazon OpenSearch Service. Construcción de plataforma de análisis con búsqueda de texto completo, análisis de logs y visualización con dashboards.Búsqueda inteligente - Búsqueda transversal de conocimiento interno con Amazon KendraAprenda a construir búsqueda empresarial con Amazon Kendra. Cubre consultas en lenguaje natural, conectores de fuentes de datos, integración con RAG (Generación Aumentada por Recuperación) y cuándo elegir Kendra frente a OpenSearch.Asistente de IA empresarial con Amazon Q Business - Búsqueda de conocimiento interno y automatización de tareasConstruye un asistente de IA que busca en el conocimiento interno de la empresa y automatiza tareas de negocio. Presentamos la integración con fuentes de datos, los controles de acceso y los plugins de acciones.

Términos y artículos similares

Construcción de búsqueda empresarial con Amazon Kendra - Consultas en lenguaje natural y extracción automática de FAQConstruya una plataforma de búsqueda empresarial que permita buscar documentos internos en lenguaje natural. Presentamos la configuración de conectores de fuentes de datos, el ajuste de precisión de búsqueda y la integración con RAG.Búsqueda inteligente - Búsqueda transversal de conocimiento interno con Amazon KendraAprenda a construir búsqueda empresarial con Amazon Kendra. Cubre consultas en lenguaje natural, conectores de fuentes de datos, integración con RAG (Generación Aumentada por Recuperación) y cuándo elegir Kendra frente a OpenSearch.Amazon KendraServicio de búsqueda empresarial inteligente impulsado por machine learningAmazon Q BusinessAsistente de IA generativa que responde preguntas y resume información basándose en los datos de su empresaConstrucción de aplicaciones RAG con Amazon Bedrock Knowledge Bases - Implementación de generación aumentada por recuperaciónIndexe automáticamente documentos en S3 y unifique búsqueda y generación con la API RetrieveAndGenerate. Cubre la selección de estrategia de chunking y la seguridad con Guardrails.