AI-alapú IT-helpdesket épített a ShipStation Global Slackre

A Slack-csatornán gyűltek a visszatérő kérdések

Az AWS október 13-án közzétett bemutatója szerint a ShipStation Global Engineering csapata azért készítette el a Deckhandet, hogy csökkentse az IT-csapatra nehezedő ismétlődő terheket. A vállalat szállítási és logisztikai platformot működtet kis- és közepes méretű feladók számára.

A rendszer bevezetése előtti 12 hónapban a vállalat helpdesk Slack-csatornáján több mint 1500 beszélgetési szál indult. A kérdések több mint egyötöde az amerikai munkaidőn kívül érkezett, mivel a ShipStation Global munkatársai az Egyesült Államokban, az Egyesült Királyságban, Spanyolországban, Lengyelországban, Ausztráliában és a Fülöp-szigeteken dolgoznak.

A válaszok több forrásból származtak, köztük Confluence-cikkekből, intranetes oldalakból, PDF-fájlokból, IT-útmutatókból és korábbi Slack-beszélgetésekből. Chris Collins, a ShipStation Global IT-ért felelős vezető igazgatója szerint a Deckhand célja, hogy a segítségkérés olyan egyszerű legyen, mint egy Slack-kérdés feltevése. Ha az ügynök nem tud válaszolni, a beszélgetést egy kattintással teljes kontextussal rendelkező hibajeggyé alakítja.

Amazon Bedrock AgentCore futtatja az ügynököt

A Deckhand a Slackben egy csapattaghoz hasonlóan működik: belép azokba a csatornákba, amelyeknek tagja, elolvassa a beszélgetéseket, és a Slack-profilokból származó adatok alapján válaszol. A megoldás az Amazon Bedrock AgentCore platformjára épül. Az AgentCore runtime elkülönített munkamenetekben futtatja az ügynököt, így a ShipStation Globalnak nem kell saját szervereket vagy konténereket kezelnie.

A rendszer Slack-szolgáltatása FastAPI és Slack Bolt alkalmazásból áll, amelyet AWS App Runneren üzemeltetnek. Ez fogadja az eseményeket, eldönti, hogy szükséges-e válaszolni, és összeállítja a kérdező felhasználói kontextusát, többek között a nevét, e-mail-címét, időzónáját és vezetőjét.

Az ügynökszolgáltatás Strands ügynököt használ, amely Anthropic Claude modellt futtat az Amazon Bedrockon. Az ügynök az Amazon Bedrock AgentCore runtime-ban működik, az eszközöket pedig az AgentCore Gateway-en keresztül elérhető Model Context Protocol-eszközök adják. Egy AWS Lambda-függvény végzi a kérésosztályozást, a Jira-jegyek kezelését és a képek elemzését.

Közös tudásbázisból keres választ

A Deckhand egyetlen Amazon Bedrock tudásbázisban keres. Ebbe Confluence-ból szinkronizált cikkek, a vállalati intranetről származó belső oldalak és PDF-ek, valamint a Slack korábbi, megoldott támogatási beszélgetései kerülnek. Az adatokat Amazon S3 tárolja. A dokumentumokhoz olyan metaadatok tartoznak, mint a cím, a forrás URL-je, a tartalomtípus és az esemény dátuma, így az ügynök bizonyos kérdéseknél szűrni is tud.

A korábbi Slack-szálak különösen értékes forrást jelentenek, mivel ezekben a munkatársak leírták a problémákat, az IT-csapat pedig végigvezette őket a megoldáson. Az AWS szerint ezek az adatok ugyanakkor zajosak is lehetnek, mert a nyers exportban társalgások, automatikus riasztások és ténylegesen le nem zárt szálak is szerepelhetnek. Ezért a vállalat háromlépcsős feldolgozási folyamatot használ a Slack-előzmények kinyerésére, amelynek első lépése a csatorna teljes történetének exportálása a Slack API-n keresztül.

Amikor a Deckhand választ talál, közvetlenül a Slackben jeleníti meg a teendőket. Ha nem tud biztos megoldást adni, pontosító kérdést tesz fel vagy felajánlja egy hibajegy létrehozását. A működést a vállalat DynamoDB-ben tárolt visszajelzésekkel, AWS X-Ray és OpenTelemetry nyomkövetéssel, valamint Amazon CloudWatch-naplózással követi.