Pola 5: Alur kerja AI agen yang dibumikan - AWS Panduan Preskriptif
Alur kerja AI agen yang membumi: Kecerdasan otonom dengan kepercayaan dan konteksKasus penggunaan: Agen layanan pelanggan ritelFitur utama Agen Bedrock Amazon dalam pola iniTata kelola dan kontrol praktik terbaik untuk pola alur kerja AI agen yang dibumikanNilai bisnis dari pola alur kerja AI agen yang dibumikan

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Pola 5: Alur kerja AI agen yang dibumikan

Model bahasa besar (LLMs) sangat kuat, tetapi tidak dibatasi secara default. Mereka tidak memiliki kesadaran akan data kepemilikan, aturan bisnis, atau kendala operasional, membuat mereka berisiko untuk interaksi langsung dengan pengguna atau sistem.

Perusahaan menghadapi tantangan umum berikut:

  • LLMs berhalusinasi ketika mereka tidak tahu jawabannya, menimbulkan risiko kepercayaan dan kepatuhan.

  • Tanggapan tidak memiliki landasan dalam fakta, kebijakan, atau status real-time spesifik domain (misalnya, pesanan, akun, dan hak).

  • Otomatisasi tugas dinamis (misalnya, pencarian pesanan, triase dukungan, dan operasi TI) sering membutuhkan pemanggilan nyata APIs dan alat, bukan hanya menghasilkan teks.

  • Membangun router maksud tradisional, manajer dialog, dan alur berbasis aturan itu mahal, rapuh, dan tidak dapat diskalakan.

Untuk mengatasi tantangan ini, bisnis menginginkan agen yang bernalar secara cerdas, bertindak secara mandiri, dan tetap membumi pada kenyataannya.

Alur kerja AI agen yang membumi: Kecerdasan otonom dengan kepercayaan dan konteks

Pola alur kerja AI agen yang dibumikan menggunakan Agen Bedrock Amazon untuk mengatur penalaran semantik, pemanggilan alat, dan landasan pengetahuan. Agen memungkinkan asisten AI untuk mengambil masukan pengguna, memahami maksud, dan menyelesaikan tugas multi-langkah dengan menggunakan perusahaan dan dokumen. APIs

Tidak seperti chatbots sederhana atau prompt LLM statis, agen Amazon Bedrock:

  • Menafsirkan tujuan bahasa alami.

  • Pilih dan panggil alat (dengan menggunakan AWS Lambda fungsi) secara dinamis.

  • Cari atau kueri basis pengetahuan untuk tetap didasarkan pada kebenaran bisnis.

  • Kembalikan respons kontekstual dan multi-langkah dengan ketertelusuran dan kemampuan tindakan.

Arsitektur referensi mengimplementasikan setiap lapisan sebagai berikut:

  • Pemicu peristiwa - Menggunakan Amazon API Gateway, UI chatbot, atau portal dukungan untuk memicu interaksi agen melalui Amazon Bedrock

  • Pemrosesan - Menerapkan Lambda untuk memformat input, menerapkan konteks keamanan (misalnya, peran atau hak pengguna), dan memperkaya metadata

  • Inferensi — Menggunakan agen Amazon Bedrock untuk menerima prompt, memanggil alat Lambda (misalnyagetOrderStatus,), melakukan grounding melalui basis pengetahuan, dan mengumpulkan respons akhir

  • Pasca pemrosesan - Menggunakan Lambda untuk memeriksa output agen (misalnya, meningkat jika “pesanan hilang” dan memberi tahu tim dukungan)

  • Output - Mengembalikan respons agen ke UI atau mencatatnya ke Amazon Simple Storage Service (Amazon S3) atau Amazon OpenSearch Service untuk audit, pelatihan, atau analitik

Kasus penggunaan: Agen layanan pelanggan ritel

Pengecer global ingin mengotomatiskan tanggapan terhadap pertanyaan pelanggan umum seperti: “Di mana pesanan saya?” “Saya ingin mengembalikan sepatu ini. “, dan “Apakah saya perlu membayar untuk pengiriman kembali?”

Jawabannya bergantung pada faktor-faktor seperti data pesanan real-time pelanggan, kelayakan pengembalian dan jadwal, dan kebijakan khusus wilayah.

Menanggapi kasus penggunaan ini, alur kerja berbasis agen mengikuti langkah-langkah berikut:

  1. Pengguna memasukkan kueri mereka dengan menggunakan aplikasi atau obrolan.

  2. API Gateway merutekan kueri ke agen Amazon Bedrock.

  3. Agen melakukan tindakan berikut:

    • Parses intent (“permintaan pengembalian”)

    • Memanggil alat Lambda lookupOrderStatus

    • Melakukan pencarian kebijakan melalui basis pengetahuan

    • Panggilan initiateReturn jika memenuhi syarat

    • Menyusun tanggapan penuh: “Pengembalian Anda telah dimulai. Berharap untuk menerima label dalam pesan email.”

Semua tindakan dibumikan, dicatat, dan dilakukan di dalam pagar pembatas perusahaan.

Fitur utama Agen Bedrock Amazon dalam pola ini

Untuk pola alur kerja AI agen yang dibumikan, agen Amazon Bedrock menyediakan fitur dan manfaat utama berikut:

  • Pemilihan alat memungkinkan agen untuk memilih fungsi (alat) Lambda yang benar untuk setiap tugas.

  • Memori dan status sesi memungkinkan agen untuk mempertahankan konteks lintas belokan.

  • Jawaban yang dibumikan mengambil data otoritatif dari basis pengetahuan yang disimpan di Amazon S3.

  • Penalaran Chain of Thought (CoT) memungkinkan agen untuk menguraikan dorongan kompleks menjadi sub-tujuan dan bertindak secara berurutan.

  • Konteks keamanan memungkinkan alat untuk dicakup sesuai dengan penyewa, pengguna, atau peran dengan menggunakan AWS Identity and Access Management (IAM) dan parameter kontekstual.

Tata kelola dan kontrol praktik terbaik untuk pola alur kerja AI agen yang dibumikan

Untuk membuat alur kerja AI agen yang dibumikan siap untuk perusahaan, organisasi harus mempertimbangkan kontrol berikut:

  • Konfigurasi agen kontrol versi (misalnya, alat, instruksi, dan basis pengetahuan).

  • Gunakan log dan jejak terstruktur IDs untuk auditabilitas.

  • Terapkan kebijakan prompt, daftar izin, dan pemeriksaan moderasi.

  • Tentukan aliran fallback (misalnya, eskalasi ke manusia atau alihkan ke FAQ statis).

Kontrol ini dapat diatur menggunakan Lambda, EventBridge, dan AWS Step Functionsdi sekitar inti agen.

Nilai bisnis dari pola alur kerja AI agen yang dibumikan

Pola ini memberikan nilai di bidang-bidang berikut:

  • Pengalaman pelanggan - Memungkinkan resolusi layanan mandiri untuk 70-80 persen pertanyaan tanpa eskalasi

  • Efisiensi operasional - Mengurangi volume tiket dukungan dan overhead triase

  • Waktu untuk resolusi - Memberikan jawaban instan menggunakan data nyata — tidak menunggu agen manusia

  • Skalabilitas — Menangani ribuan interaksi bersamaan tanpa pertumbuhan jumlah karyawan manusia

  • Penggunaan kembali lintas domain - Menerapkan pola yang sama ke beberapa domain seperti dukungan TI, helpdesk SDM, Tanya Jawab hukum, dan banyak lagi

Alur kerja AI agen yang dibumikan memungkinkan perusahaan untuk bergerak melampaui Tanya Jawab statis dan ke otomatisasi yang digerakkan oleh tujuan, tanpa mengorbankan kontrol, kepatuhan, atau akurasi. Dengan menggabungkan penalaran LLM dengan eksekusi API yang aman dan tanpa server dan pengambilan pengetahuan, Amazon Bedrock Agents menghadirkan kemampuan AI yang bertindak, bukan hanya merespons.

Agen yang dibumikan adalah arsitektur interaksi perusahaan yang cerdas, modular, membumi, dan siap untuk skala.