AWS SMGS如何利用基於Amazon Bedrock AgentCore的AI對話助手轉變業務管理

AWS領導者在管理跨多個層級的資料時面臨時間敏感的決策挑戰。傳統的商業智慧依賴靜態儀表盤和手動報告，導致延遲並限制組織敏捷性。NarrateAI利用資料湖和Amazon Bedrock AgentCore構建的會話式代理AI解決了這一問題。透過Amazon Quick會話介面，NarrateAI按需提供上下文豐富的商業智慧，從CEO到現場人員的領導者均可使用。它透過自然語言問題回答業務表現，提供即時、準確且可操作的洞察，消除領導者與資料之間的障礙。

NarrateAI透過兩層架構應對資料複雜性：批次敘事生成和即時互動。這種分離支援預先全面處理資料，同時透過自然對話提供即時、上下文準確的響應。Amazon Bedrock AgentCore消除了構建自定義編排基礎設施的需求，提供無伺服器架構、內建身份驗證、記憶體管理以及與基礎模型的整合。這使部署週期從數月縮短至數週，同時透過原生Amazon CloudWatch整合和自動會話管理保持生產級可觀測性和安全性。

自動敘事生成層採用三階段流水線：

• 資料提取：配置驅動的SQL模板從Amazon Redshift提取結構化資料，支援多層次細分和時間序列分析，並強制執行使用者特定的訪問控制。
• 資料轉換：AWS Lambda使用基於部分型別（物件、陣列、細分和容器）的邏輯將提取的資料轉換為結構化JSON，包含欄位對映和層次組織。
• 敘事渲染：Jinja模板從結構化資料生成可讀的敘事。系統使用層次化的、業務領域感知的分塊策略高效處理大型資料集。每個使用者的敘事以文本檔案形式儲存在Amazon S3中，透過完全資料隔離支援行級安全性。

會話式AI介面層由Amazon Bedrock AgentCore驅動。當問題到達時，AgentCore編排專門的AI代理從Amazon S3中檢索相關的人物特定敘事，並將其作為知識源。代理使用Anthropic的Claude Sonnet 4推理內容以生成上下文相關的響應。AgentCore的原生多代理協調框架使系統能夠立即處理簡單查詢，對於複雜問題，則自動分解為並行子任務以獲取全面答案。

核心能力包括：

• 自然語言業務查詢與預生成知識：領導者用英語提問，從S3結構化知識中獲得即時響應，系統理解業務術語並跨區域、產品、客戶細分和時間段進行多維度分析。
• 固有行級安全性：在敘事生成期間應用行級安全性，確保每個使用者的知識引擎僅包含授權資料。使用者許可權在資料處理期間應用，每個使用者的敘事檔案在S3中完全隔離，防止跨使用者資料洩露。
• 角色定製體驗：基於使用者角色和組織級別調整響應，CEO獲得組織層面的戰略洞察，區域經理獲得其特定區域的詳細運營指標。

架構元件：

• NarrateAI代理（Strands代理）：構建在Amazon Bedrock AgentCore上，用於多代理編排。監督代理透過六個專門工具協調端到端查詢工作流：問題分類、人物知識標識、知識提取器（基於目錄的檢索）、相關性評估器、答案生成器（Claude Sonnet 4）和線上評估器（驗證響應）。
• 知識引擎：資料從Redshift和企業源流入知識引擎服務，Lambda進行轉換，處理後的資料以人物特定敘事檔案儲存在S3中，資料重新整理排程器自動更新。

基礎設施和AI基礎：

• 資料儲存與處理：Amazon S3儲存結構化的知識工件，Lambda無伺服器資料轉換，Redshift作為資料倉儲，自定義檢索系統使用目錄方法快速定位文件部分。
• 基礎模型：Amazon Bedrock提供訪問包括Claude Sonnet 4在內的領先基礎模型，用於自然語言理解和業務推理。
• 安全與護欄：Amazon Bedrock Guardrails透過三個自定義配置的過濾器（內容過濾、PII紅action、語氣護欄）執行安全。
• 代理部署基礎設施：Amazon Bedrock AgentCore提供編排層，包括高階可觀測性、認證整合和無伺服器記憶體管理。
• 可觀測性：AgentCore與CloudWatch整合，透過OpenTelemetry實現跟蹤，除錯時間從數十分鐘降至個位數分鐘。
• 記憶體管理：對話歷史從自定義DynamoDB解決方案遷移到AgentCore的原生記憶體功能，消除了自定義會話管理程式碼，簡化了架構。

該架構實現了即時響應與資料準確即時性的平衡，使AWS領導者能夠做出更快、更明智的決策。