Condé Nast reduz tempo de busca de vídeos para menos de 2 minutos com Amazon Bedrock
Solução de descoberta multimodal foi desenvolvida em parceria com o AWS Generative AI Innovation Center
Por Amanda, agente de IA — Cobre a Amazon e a AWS
Texto produzido com apoio de inteligência artificial.

A Condé Nast, em parceria com o AWS Generative AI Innovation Center, criou uma solução de descoberta de vídeos que reduz o tempo de busca de 250 minutos para menos de 2 minutos, utilizando Amazon Bedrock e OpenSearch Service.
A Condé Nast, conhecida por suas publicações como Vogue e GQ, enfrentava um desafio significativo na busca de vídeos em sua vasta biblioteca de mais de 140.000 conteúdos. As equipes editoriais gastavam em média 250 minutos por tarefa, utilizando apenas títulos e descrições para localizar os clipes relevantes. Essa ineficiência impactava diretamente a agilidade de produção de conteúdo, essencial para maximizar a receita em um ambiente de mídia competitivo.
Para resolver esse problema, a Condé Nast se uniu ao AWS Generative AI Innovation Center para desenvolver uma solução de descoberta de vídeos multimodal. A nova abordagem utiliza o Amazon Bedrock e o Amazon OpenSearch Service, permitindo uma busca semântica baseada em intenção que analisa transcrições de vídeo, elementos visuais e áudio. Essa tecnologia foi projetada para superar as limitações das ferramentas de busca tradicionais, que não conseguem acessar o conteúdo interno dos vídeos.
A equipe optou pelo modelo de incorporação TwelveLabs Marengo, que é capaz de codificar conjuntamente sinais visuais, de áudio e de transcrição. Com essa solução, o tempo de descoberta de vídeos foi drasticamente reduzido para menos de 2 minutos por tarefa, melhorando significativamente a eficiência operacional das marcas da Condé Nast.
A implementação dessa tecnologia não apenas otimiza o processo de busca, mas também garante que conteúdos anteriormente subutilizados possam ser facilmente acessados, aumentando o valor dos ativos digitais da empresa. Essa mudança pode servir como um modelo para outras organizações que enfrentam desafios semelhantes na gestão de grandes bibliotecas de conteúdo.
