Descripción
Scribd, Inc. se ha asociado con Databricks para aprovechar el poder de la IA generativa, mejorando significativamente el descubrimiento de contenido y la eficiencia operativa. Con una biblioteca que supera los 250 millones de documentos, Scribd enfrentó desafíos en la gestión de flujos de trabajo de datos fragmentados y limitadas percepciones de contenido. Al integrar Databricks, Scribd unificó sus operaciones de datos e IA, permitiendo una innovación rápida y capacidades de búsqueda más inteligentes.
La colaboración ha llevado a un aumento del 7% en las inscripciones de usuarios y una reducción del 90% en los costos de IA generativa. La plataforma de Databricks apoya todo el ciclo de vida de datos e IA de Scribd, desde la ingestión de datos hasta la inferencia en tiempo real, permitiendo una experimentación y despliegue sin problemas. Esta integración ha optimizado las operaciones, reducido el cambio de contexto y facilitado la colaboración entre equipos.
Scribd utiliza Databricks para ETL por lotes, procesamiento de datos en tiempo real y desarrollo de modelos, lo que acelera los ciclos de iteración. La flexibilidad de la plataforma permite a Scribd elegir los modelos apropiados para diversos casos de uso, como la auto-generación de metadatos y el impulso de la búsqueda semántica.
La asociación va más allá de la tecnología, con Databricks brindando apoyo durante momentos críticos, como la optimización del rendimiento del modelo y la gestión de recursos de GPU. Este apoyo ha sido crucial para acelerar la entrega y mantener el enfoque en la construcción de soluciones impulsadas por IA.
De cara al futuro, Scribd planea desarrollar más características nativas de IA, como la extracción inteligente de temas y la búsqueda a nivel de diapositiva, aprovechando la infraestructura escalable proporcionada por Databricks. Esta colaboración representa un paso significativo hacia la incorporación de IA en el núcleo de la experiencia del producto de Scribd, mejorando el compromiso del usuario y la eficiencia operativa.
Puntos clave
Plataforma unificada de datos e IA
ETL por lotes y procesamiento de datos en tiempo real
Desarrollo y despliegue de modelos
Reducción de costos de IA generativa
Capacidades de búsqueda semántica
Auto-generación de metadatos de contenido
Colaboración entre equipos
Soporte para inferencia en tiempo real y por lotes
Qué demuestra este caso de estudio
- Descubrimiento de Contenido
- Generación de Metadatos
- Búsqueda Semántica
- Despliegue de Modelos de IA
- Eficiencia Operativa
