AWS AI League: Atos afina l'educació en IA amb aprenentatge gamificat

title: "AWS AI League: Atos afina l'educació en IA amb aprenentatge gamificat" slug: "aws-ai-league-atos-fine-tunes-approach-to-ai-education" date: "2026-03-20" lang: "ca" source: "https://aws.amazon.com/blogs/machine-learning/aws-ai-league-atos-fine-tunes-approach-to-ai-education/" category: "IA empresarial" keywords:

AWS AI League
Atos
educació en IA
IA generativa
ajustament fi
Amazon SageMaker
aprenentatge experiencial
IA gamificada
millora de competències de la força laboral
LLMs
subscripció d'assegurances
transformació amb IA meta_description: "Atos aprofita la AWS AI League per afinar l'educació en IA de la seva força laboral, accelerant les habilitats pràctiques mitjançant un aprenentatge gamificat i pràctic amb Amazon SageMaker per a aplicacions d'IA empresarial." image: "/images/articles/aws-ai-league-atos-fine-tunes-approach-to-ai-education.png" image_alt: "Participants de la AWS AI League afinant LLMs amb Amazon SageMaker per a una educació en IA millorada." quality_score: 94 content_score: 93 seo_score: 95 companies:
AWS
Atos schema_type: "NewsArticle" reading_time: 5 faq:
question: "Què és la AWS AI League?" answer: 'La AWS AI League és un programa especialitzat dissenyat per AWS per oferir experiències d'aprenentatge pràctiques i gamificades per a la intel·ligència artificial, centrant-se particularment en la IA generativa i l'ajustament fi de models de llenguatge grans (LLM). L’objectiu és reduir la bretxa entre el coneixement teòric d’IA adquirit en cursos tradicionals i l’aplicació pràctica necessària per als reptes empresarials del món real. En submergir els participants en escenaris competitius utilitzant eines com Amazon SageMaker, la League fomenta el desenvolupament accelerat d’habilitats, la participació i la col·laboració, assegurant que els constructors adquireixin confiança i experiència pràctica en el desplegament de solucions d’IA.'
question: "Com aborda la AWS AI League els reptes de la formació tradicional en IA?" answer: 'La formació tradicional en IA sovint s’enfronta a problemes com la baixa participació, l’experiència pràctica limitada i una desconnexió entre el coneixement acadèmic i la implementació al món real. La AWS AI League aborda aquests problemes oferint un enfocament experiencial i gamificat. En lloc de l’aprenentatge passiu, els participants ajusten finament els LLM, competeixen en classificacions i demostren solucions en reptes en viu. Aquesta metodologia pràctica, combinada amb elements competitius, augmenta significativament la participació, proporciona una experiència tangible i garanteix que els participants puguin traduir el seu aprenentatge en un impacte empresarial significatiu, superant les deficiències dels mètodes convencionals.'
question: "Per què l'ajustament fi d'LLMs és crucial per a l'adopció de la IA empresarial?" answer: 'L’ajustament fi de models de llenguatge grans és una tècnica crítica per a les empreses perquè permet adaptar models de propòsit general a contextos empresarials específics i rics en domini sense el cost i el temps immensos d’entrenar-los des de zero. Aquest enfocament d’aprenentatge per transferència permet als models comprendre terminologia especialitzada, complir els estàndards de la indústria i generar resultats altament precisos, rellevants i explicables. Per a empreses com Atos, l’ajustament fi transforma els LLM genèrics en assistents potents i personalitzats capaços de gestionar tasques complexes com la subscripció d’assegurances, millorant l’eficiència, la consistència i la precisió en la presa de decisions dins de marcs operatius específics.'
question: "Com va aplicar Atos l'ajustament fi en un escenari del món real?" answer: 'Atos va utilitzar la AWS AI League per desenvolupar un 'Subscriptor d'assegurances intel·ligent'. Aquesta aplicació del món real va implicar l'ajustament fi d'un LLM per analitzar escenaris d'assegurances intricats, avaluar riscos, recomanar condicions de pòlissa, ajustar primes i proporcionar un raonament clar per a les seves decisions, tot alineat amb els estàndards professionals de la indústria. La solució, construïda sobre models de codi obert ajustats finament i rendibles, aprofitant Amazon SageMaker i S3, va demostrar com la IA generativa pot millorar la productivitat dels professionals de la subscripció, millorar l'avaluació de riscos i integrar-se perfectament amb l'experiència existent de la indústria, demostrant la utilitat pràctica de l'ajustament fi per a solucions empresarials.'
question: "Quins serveis d'AWS són fonamentals per al programa AWS AI League?" answer: 'La AWS AI League utilitza principalment Amazon SageMaker i Amazon SageMaker JumpStart. Amazon SageMaker proporciona un entorn de desenvolupament basat en web (SageMaker Studio) totalment integrat que simplifica el flux de treball d'aprenentatge automàtic de principi a fi. Amazon SageMaker JumpStart ofereix accés a models fundacionals pre-entrenats mitjançant una interfície guiada, permetent als participants ajustar fàcilment els LLM. Aquests serveis abstrauen la infraestructura complexa, permetent als participants centrar-se en la personalització, avaluació i aplicació pràctica del model, accelerant el desenvolupament de solucions d'IA preparades per a la producció per a casos d'ús empresarial.'
question: "Quins són els principals beneficis d'un enfocament gamificat i pràctic per a l'aprenentatge de la IA?" answer: 'Un enfocament gamificat i pràctic per a l'aprenentatge de la IA, com el que exemplifica la AWS AI League, ofereix diversos beneficis significatius. Augmenta dràsticament la participació i la motivació dels participants a través d'elements competitius com les classificacions i els reptes en viu. Aquest mètode proporciona una experiència pràctica inestimable, traduint el coneixement teòric en habilitats tangibles en l'ajustament fi i el desplegament de models. Fomenta la col·laboració entre equips, encoratja l'experimentació ràpida i genera confiança en l'aplicació de la IA a problemes empresarials reals. En última instància, accelera la millora de les competències d'una força laboral, assegurant que no només estiguin certificats, sinó que també siguin professionals de la IA competents i amb impacte.'
question: "Qui és el públic objectiu de programes com la AWS AI League?" answer: 'Programes com la AWS AI League estan dissenyats per a un públic ampli de desenvolupadors i professionals dins d'organitzacions que busquen la transformació amb IA. Això inclou arquitectes de solucions, desenvolupadors, consultors, analistes de negocis i qualsevol persona involucrada en la construcció, el desplegament o la utilització de solucions d'IA. L'enfocament de la League abstrau les complexes profunditats de la infraestructura, fent que les tècniques avançades d'IA com l'ajustament fi d'LLM siguin accessibles fins i tot per a aquells sense una especialització extensa en aprenentatge automàtic. Potencia equips diversos per adquirir experiència pràctica i tangible, reduint la bretxa de competències a tota l'empresa.'

Revolucionant l'educació en IA amb aprenentatge gamificat

En el paisatge en ràpida evolució de la intel·ligència artificial, les organitzacions s'enfronten a un repte crític: com millorar eficaçment les competències de la seva força laboral a gran escala per construir, desplegar i utilitzar solucions d'IA. Els mètodes de formació tradicionals en IA, tot i ser fonamentals, sovint es queden curts, la qual cosa condueix a una baixa participació, una experiència pràctica limitada i una bretxa significativa entre el coneixement teòric i l'aplicació al món real. Això pot provocar que els equips tinguin certificacions però els manqui la confiança per aplicar la IA de manera significativa a problemes empresarials complexos.

Reconeixent aquest problema generalitzat, Atos, en col·laboració amb AWS, ha defensat un enfocament transformador per a l'habilitació de la IA. La seva iniciativa conjunta, la AWS AI League, va més enllà de l'aprenentatge passiu, submergint els participants en experiències dinàmiques i gamificades dissenyades per conrear habilitats tangibles en IA. Aquest programa innovador té com a objectiu no només educar, sinó també inspirar, assegurant que el compromís d'Atos amb una força laboral 'fluent en IA' per al 2026 es compleixi amb resultats pràctics i impactants.

AWS AI League: Reduint la bretxa de la teoria a la pràctica

La AWS AI League va ser dissenyada específicament per abordar les deficiències de l'educació convencional en IA. En lloc de basar-se únicament en la comprensió conceptual, el programa integra l'experimentació pràctica amb la competició estructurada, permetent als constructors interactuar directament amb eines d'IA generativa en entorns realistes. Per a Atos, aquesta estratègia va oferir una via potent per accelerar les habilitats d'IA aplicada a tota la seva vasta organització, fomentant la participació sostinguda, la col·laboració i resultats mesurables.

La League abstrau les complexitats de la infraestructura profunda, permetent als participants centrar-se en els mecanismes centrals de personalització i avaluació del model. Els participants aprofiten potents serveis d'AWS com Amazon SageMaker i Amazon SageMaker JumpStart per ajustar finament models de llenguatge grans (LLM). Aquesta experiència directa i pràctica amb tècniques d'avantguarda és cada vegada més vital per a l'èxit de l'adopció de la IA empresarial. L'estructura del programa és metòdica, construint competència a través de etapes distintes:

Etapa	Descripció	Activitats Clau	Resultats
Taller	Una sessió introductòria immersiva als fonaments de l'ajustament fi utilitzant SageMaker JumpStart, centrant-se en el comportament i els resultats del model.	Instrucció guiada, exercicis pràctics inicials, construcció de coneixements fonamentals.	Comprensió dels conceptes d'ajustament fi d'LLM, familiaritat amb la interfície de SageMaker JumpStart, preparació per a l'aplicació pràctica.
Desenvolupament	Fase intensiva on els equips iteren en estratègies d'ajustament fi, experimentant amb conjunts de dades, augmentació i hiperparàmetres. Les presentacions de models s'avaluen en una classificació dinàmica impulsada per IA.	Desenvolupament col·laboratiu de models, experimentació ràpida, enviament i retroalimentació continus, classificació competitiva.	Experiència pràctica en personalització de models, tècniques d'optimització, comprensió de mètriques de rendiment, foment de la col·laboració en equip i l'impuls competitiu.
Final	Un esdeveniment en viu i interactiu on els equips de millor rendiment demostren els seus models personalitzats. Els resultats són avaluats per jutges tècnics, un benchmark d'IA i la votació del públic, assegurant una avaluació holística.	Demostracions de models en temps real, reptes en viu, puntuació multidimensional (tècnica, objectiva, orientada a l'usuari), reconeixement dels companys i retroalimentació.	Validació d'habilitats pràctiques, exposició a reptes de desplegament del món real, habilitats de parlar en públic i presentació, reconeixement d'individus i equips d'alt rendiment, i confiança en la construcció de solucions d'IA preparades per a la producció.

Per què l'ajustament fi d'LLMs és crucial per a la IA empresarial

L'ajustament fi d'un model de llenguatge gran representa una forma potent d'aprenentatge per transferència, una tècnica d'aprenentatge automàtic on un model pre-entrenat s'adapta utilitzant un conjunt de dades més petit i específic d'un domini en lloc de ser construït des de zero. Per a les empreses, aquest enfocament ofereix un camí pragmàtic i rendible cap a la personalització. Redueix significativament el temps d'entrenament i la sobrecàrrega computacional alhora que permet als models reflectir coneixements especialitzats, terminologia i lògica de presa de decisions específics d'una indústria o organització.

Les organitzacions que empren l'ajustament fi poden adaptar models de propòsit general a dominis de nínxol on la precisió, el raonament i l'explicabilitat són primordials. Per exemple, en el sector assegurador, l'ajustament fi ajuda els models a comprendre perfils de risc complexos, condicions de pòlissa, exclusions i càlculs de primes, informació que va molt més enllà de la fluïdesa del llenguatge genèric. La AWS AI League demostra que, amb l'estructura i les eines adequades, equips diversos, inclosos arquitectes de solucions, desenvolupadors, consultors i fins i tot analistes de negocis, poden ajustar finament i desplegar models sense requerir una especialització profunda en aprenentatge automàtic. Aquesta accessibilitat fa que l'ajustament fi sigui una capacitat inestimable per a les organitzacions associades centrades a oferir solucions d'IA d'alt impacte i preparades per al client.

Subscriptor d'assegurances intel·ligent d'Atos: una aplicació d'IA al món real

Aprofitant les habilitats fonamentals adquirides a través de la AWS AI League, Atos va desenvolupar un cas d'ús convincent del món real: el Subscriptor d'assegurances intel·ligent. Aquest projecte tenia com a objectiu ajustar finament un model de llenguatge gran capaç d'analitzar escenaris d'assegurances intricats i proporcionar orientació de subscripció de nivell expert. El model va ser dissenyat no només per processar informació, sinó per avaluar el risc, recomanar condicions de pòlissa o franquícies adequades, suggerir ajustos de prima i, el que és crucial, explicar clarament el raonament darrere de cada decisió, tot això complint els estàndards professionals de la indústria.

Aquest cas d'ús va ser escollit per la seva rellevància directa per a les necessitats del client, servint com a demostració pràctica de com la IA generativa pot augmentar les capacitats dels professionals de la subscripció. Millorant la consistència i l'eficiència en diverses línies de productes d'assegurances, la solució ofereix un valor empresarial significatiu. Construït sobre models de codi obert rendibles i ajustats finament, i impulsat per Amazon SageMaker, SageMaker Unified Studio i Amazon S3, el Subscriptor d'assegurances intel·ligent integra una base de coneixement robusta amb mòduls sofisticats de raonament i recomanació. Aquests mòduls s'entrenen amb dades de subscripció pròpies, donant com a resultat un assistent assequible i personalitzat que augmenta la productivitat de l'equip, refina la precisió de l'avaluació de riscos i s'integra perfectament amb l'autèntica experiència de la indústria que ja posseeixen els subscriptors humans. Això exemplifica com operacionalitzar la IA agentiva pot generar beneficis empresarials tangibles.

Dominant l'ajustament fi amb Amazon SageMaker

Una pedra angular de l'èxit de la AWS AI League és la seva dependència de l'ecosistema robust d'aprenentatge automàtic d'AWS, particularment Amazon SageMaker. Els participants realitzen l'ajustament fi dels seus models dins d'Amazon SageMaker Studio, un entorn de desenvolupament basat en web totalment integrat i dissenyat específicament per a fluxos de treball d'aprenentatge automàtic. SageMaker Studio simplifica tot el procés, des de la preparació de dades i la construcció de models fins a l'entrenament, l'ajustament i el desplegament.

De manera crucial, SageMaker JumpStart proporciona una interfície guiada per accedir i aprofitar models fundacionals pre-entrenats. Això permet als participants abstraure gran part de la complexitat de la infraestructura subjacent, permetent-los concentrar-se en els aspectes estratègics del comportament del model, els resultats i l'impacte empresarial en lloc d'empantanegar-se en la configuració de l'entorn. Aquest enfocament centrat accelera l'aprenentatge i l'aplicació pràctica, assegurant que els participants puguin traduir ràpidament els seus coneixements en solucions d'IA desplegables.

Aprenentatges clau per a programes d'actualització de competències en IA reeixits

L'èxit de la AWS AI League amb Atos ofereix coneixements inestimables per a qualsevol organització que s'embarqui en un viatge de transformació amb IA. El canvi de la comprensió teòrica a l'aprenentatge pràctic i experiencial és fonamental per construir una veritable fluïdesa en IA. Els elements gamificats augmenten significativament la participació i fomenten un esperit competitiu però col·laboratiu, convertint l'aprenentatge en un repte emocionant. A més, la integració de casos d'ús específics de la indústria, com el Subscriptor d'assegurances intel·ligent d'Atos, fonamenta la formació en contextos empresarials rellevants, assegurant que les habilitats adquirides siguin directament aplicables i tinguin impacte.

En proporcionar plataformes com Amazon SageMaker que abstrauen les complexitats de la infraestructura, les organitzacions poden democratitzar la construcció d'habilitats en IA, fent que les tècniques avançades com l'ajustament fi d'LLM siguin accessibles a un ventall més ampli de rols tècnics i fins i tot no tècnics. L'associació demostra que la combinació d'aprenentatge electrònic estructurat amb experiències immersives i pràctiques és clau no només per obtenir certificacions, sinó per cultivar una força laboral veritablement capaç d'aprofitar la IA per a un avantatge estratègic. Aquest model és crucial per escalar la IA per a tothom a tota l'empresa, assegurant que la transformació amb IA sigui un viatge d'aprenentatge continu i innovació pràctica.

Font original

https://aws.amazon.com/blogs/machine-learning/aws-ai-league-atos-fine-tunes-approach-to-ai-education/

Preguntes freqüents

What is the AWS AI League?

The AWS AI League is a specialized program designed by AWS to provide hands-on, gamified learning experiences for artificial intelligence, particularly focusing on generative AI and large language model (LLM) fine-tuning. It aims to bridge the gap between theoretical AI knowledge gained from traditional courses and the practical application required for real-world business challenges. By immersing participants in competitive scenarios using tools like Amazon SageMaker, the League fosters accelerated skill development, engagement, and collaboration, ensuring builders gain confidence and practical experience in deploying AI solutions.

How does the AWS AI League address traditional AI training challenges?

Traditional AI training often faces issues like low engagement, limited practical experience, and a disconnect between academic knowledge and real-world implementation. The AWS AI League tackles these by offering an experiential, gamified approach. Instead of passive learning, participants actively fine-tune LLMs, compete on leaderboards, and demonstrate solutions in live challenges. This hands-on methodology, combined with competitive elements, significantly boosts engagement, provides tangible experience, and ensures participants can translate their learning into meaningful business impact, overcoming the shortcomings of conventional methods.

Why is fine-tuning LLMs crucial for enterprise AI adoption?

Fine-tuning large language models is a critical technique for enterprises because it allows general-purpose models to be adapted to specific, domain-rich business contexts without the immense cost and time of training from scratch. This transfer learning approach enables models to understand specialized terminology, adhere to industry standards, and generate highly accurate, relevant, and explainable outputs. For businesses like Atos, fine-tuning transforms generic LLMs into powerful, customized assistants capable of handling complex tasks such as insurance underwriting, improving efficiency, consistency, and decision-making accuracy within specific operational frameworks.

How did Atos apply fine-tuning in a real-world scenario?

Atos utilized the AWS AI League to develop an 'Intelligent Insurance Underwriter.' This real-world application involved fine-tuning an LLM to analyze intricate insurance scenarios, assess risks, recommend policy conditions, adjust premiums, and provide clear reasoning for its decisions, all aligned with professional industry standards. The solution, built on cost-effective, fine-tuned open-source models leveraging Amazon SageMaker and S3, demonstrated how generative AI can enhance the productivity of underwriting professionals, sharpen risk assessment, and integrate seamlessly with existing industry expertise, proving the practical utility of fine-tuning for enterprise solutions.

What AWS services are central to the AWS AI League program?

The AWS AI League primarily leverages Amazon SageMaker and Amazon SageMaker JumpStart. Amazon SageMaker provides a fully integrated, web-based development environment (SageMaker Studio) that simplifies the end-to-end machine learning workflow. Amazon SageMaker JumpStart offers access to pre-trained foundation models through a guided interface, enabling participants to easily fine-tune LLMs. These services abstract away complex infrastructure, allowing participants to focus on model customization, evaluation, and practical application, accelerating the development of production-ready AI solutions for business use cases.

What are the key benefits of a gamified, hands-on approach to AI learning?

A gamified, hands-on approach to AI learning, as exemplified by the AWS AI League, offers several significant benefits. It dramatically increases participant engagement and motivation through competitive elements like leaderboards and live challenges. This method provides invaluable practical experience, translating theoretical knowledge into tangible skills in model fine-tuning and deployment. It fosters collaboration among teams, encourages rapid experimentation, and builds confidence in applying AI to real business problems. Ultimately, it accelerates the upskilling of a workforce, ensuring they are not just certified but also proficient and impactful AI practitioners.

Who is the target audience for programs like the AWS AI League?

Programs like the AWS AI League are designed for a broad audience of builders and professionals within organizations aiming for AI transformation. This includes solutions architects, developers, consultants, business analysts, and anyone involved in building, deploying, or utilizing AI solutions. The League's approach abstracts away deep infrastructure complexities, making advanced AI techniques like LLM fine-tuning accessible even to those without extensive machine learning specialization. It empowers diverse teams to gain practical, hands-on experience, bridging the skill gap across the enterprise.

Manteniu-vos al dia

Rebeu les últimes notícies d'IA al correu.