其他行业 · AI应用
Aura Intelligence 借助 Amazon Bedrock 中的 Claude 将劳动力分析准确率提升至 94%
Aura Intelligence 是一家为管理咨询、私募股权和对冲基金提供劳动力数据分析的公司，面临处理海量劳动力数据以提供可操作洞察的挑战。为解决这一问题，他们采用了 Amazon Bedrock 中的 Claude 模型，彻底改造了机器学习流程，显著提升了数据分类的速度和准确性。最终，Aura Intelligence 实现了 94% 的整体分类准确率，在科技、金融和医疗等关键领域达到 100% 准确率。职位分类时间从 2-3 个月缩短至仅 30 分钟，未分类数据率降至 8% 以下，从而支持跨行业更高效的决策。
整体分类准确率
94%
来源披露
科技/金融/医疗行业准确率
100%
来源披露
未分类数据率
低于8%
来源披露
01
业务背景
Aura Intelligence 是一家为管理咨询、私募股权和对冲基金提供劳动力数据分析的公司，面临处理海量劳动力数据以提供可操作洞察的挑战。为解决这一问题，他们采用了 Amazon Bedrock 中的 Claude 模型，彻底改造了机器学习流程，显著提升了数据分类的速度和准确性。最终，Aura Intelligence 实现了 94% 的整体分类准确率，在科技、金融和医疗等关键领域达到 100% 准确率。职位分类时间从 2-3 个月缩短至仅 30 分钟，未分类数据率降至 8% 以下，从而支持跨行业更高效的决策。
02
遇到的问题
Aura Intelligence 初始系统难以跨不同行业与语言理解职位名称与角色，依赖人工查找和模糊匹配，无法捕捉行业语境（如银行VP为中层、科技VP为高管），需分析2亿组职位-行业配对及多语言数据。
03
AI 解决方案
评估多家模型后选用 Amazon Bedrock 中的 Claude，凭借其上下文理解实现高准确率分类，无需大量微调；利用 Bedrock 与现有 AWS/SageMaker 集成，使用模型定制与提示管理在专有数据集微调，结合提示缓存与向量检索，将传统需多专家的ML流程改为单工程师可管理的自动化分类与QA管道。
04
实施结果
整体分类准确率：94%
科技/金融/医疗行业准确率：100%
未分类数据率：低于8%
职位分类时间：30分钟（从2-3个月缩短至30分钟）
工程冲刺减少：消除此前微调所需的4-5个工程冲刺（消除）
05
风险与边界
未披露
“We ran four different models across competitors, and with Claude we had close to 94% accuracy”
Setareh Lotfi · technical leader at Aura
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。