IBM咨询团队在法语黑客马拉松中创造了创新的AWS解决方案 架构博客

IBM Consulting 在法国黑客马拉松中创造创新的 AWS 解决方案

文章重点

IBM Consulting 于 2023 年 3 月在法国举办了一场创新黑客马拉松，旨在为真实客户用例设计和构建新的 AWS 数位解决方案。本文探讨了六个参赛作品的解决方案，展示了在黑客马拉松期间创建和实施的 AWS 架构。

在 2023 年 3 月，IBM Consulting 举团队在法国举办了一场创新黑客马拉松，专注于利用 AWS 云端为真实客户用例设计和建构创新解决方案。这篇文章将简要介绍六个考虑中的解决方案，并展示在黑客马拉松期间创建和实施的 AWS 架构。

黑客马拉松解决方案

解决方案一：优化行销数位渠道的监控与管理

行销活动的影响监控可能需要大量努力，例如收集顾客和竞争对手在数位媒体渠道上的反应。数位行销活动经理需要这些数据来评估顾客细分的渗透率及整体活动的有效性。这些信息可以通过数位渠道 API 整合或数位渠道用户介面UI收集：数位渠道 API 整合需要频繁的维护，而 UI 数据收集则可能耗时。

在 AWS 云端上，IBM 设计了一个扩增的数位行销活动管理解决方案，以协助数位行销活动经理进行数位渠道的监控与管理。该解决方案监控社交媒体 API，并在 API 变更时自动更新 API 整合，确保准确的信息收集如图 1 所示。

图 1 优化行销数位渠道的监控与管理

Amazon Simple Storage Service (Amazon S3) 和 AWS Lambda 用于获取新的数位资产，例如新的社交媒体 APIs，并评估数据质量。Amazon Kinesis Data Streams 用于将数据摄取与数据查询和存储解耦。Lambda 从 Amazon DynamoDB 获取所需信息，例如最相关的品牌；自然语言处理NLP也应用于检索的数据，如 URL、简介、关于、验证状态等。Amazon S3 和 Amazon CloudFront 用于展示一个仪表板，供终端用户检查、丰富和验证收集的数据。当图形 API 调用检测到错误或变更时，Lambda 检查 API 文档以更新/修正 API 调用。生成一个新的 Lambda 函数，进行更新的 API 调用。

解决方案二：绿色供应链的第 4 方物流咨询服务

物流公司拥有大量的行程数据，包括第一方和第三方数据，并可以利用这些数据提供新的客户服务，例如提供最佳化碳排放、持续时间或成本的行程预订选项。

IBM 设计了一个 AWS 解决方案如图 2 所示，允许客户通过选择不同的路径选项进行货物运输预订，并结合运输方式、选择出发地、到达地、货物重量和碳排放。推荐的选项包括最环保、最快和最便宜的路径。此外，使用者还可以设置财务和时间限制。

图 2 优化运输预订架构

使用者连接至托管于 Amazon S3 的网页应用 UI。Amazon API Gateway 接收来自网页应用的使用者请求，并将请求转发至 Lambda。Lambda 根据使用者的先决条件计算最佳的行程选项，如碳排放量。Lambda 估算碳排放，并将估算结果与第三步的行程选择进行结合。Amazon Neptune 图形数据库用于有效存储和查询行程数据。不同的 Lambda 实例用于从本地数据源摄取数据，并通过客户订购系统发送顾客预订。

解决方案三：作为服务的采购订单

在供应商管理库存和供应商管理补货的背景下，库存和物流公司希望检查仓库的库存水平，以找出最佳的货物运输选择。其目标是优化库存的可用性以满足订单；因此，在接收到采购订单PO后，确保有所需的货物在正确的仓库中可用，从而实现快速交付，并最小化交付时间和成本。

IBM 设计了一个基于 AWS 的采购订单即服务解决方案如图 3 所示，利用仓库数据对未来的顾客 PO 进行预测。根据此预测，该解决方案规划并优化仓库商品的可用性，从而为 PO 的成就所需的物流做准备。

图 3 作为服务的采购订单 AWS 解决方案

AWS Amplify 提供了用户可设置约束如仓库容量、最小/最大容量的网页移动 UI，并检查：仓库状态、进行中的 PO。此外，UI 还建议由系统自动生成的可能优化的 PO。如果用户接受这些建议的 PO，将能受益于优化的交付时间、成本和碳排放。Lambda 接收来自 Amazon Forecast 的推理，并在 Amazon DynamoDB 上读取/写入 PO 信息。Forecast 提供对未来可能的 PO 的推理，该推理使用 PO、仓库数据和商品交付数据自动训练机器学习ML模型，用于生成预测推理。Amazon DynamoDB 存储 PO 和仓库信息。Lambda 将 PO、仓库和商品交付数据从 Amazon DynamoDB 发送到 Amazon S3，这些数据将用于 Forecast ML 模型的再训练，以确保高质量的预测推理。

解决方案四：优化工程师干预对客户光纤连接的环境影响

提供终端用户网际网路连接的电信公司需要工程师执行现场任务，如部署、启用和维修用户的线路。在这种情况下，识别最有效的工程师行程尤为重要。

IBM 设计了一个 AWS 解决方案，自动生成考虑到里程、碳排放生成和电动/热能车辆可用性等标准的工程师行程如图 4 所示。

该解决方案提供：

客户管理团队具备的移动仪表板，显示所有工程师行程的碳排放预估，无论是进行中的还是规划中的。工程师可用的移动应用，包含优化行程、根据实时交通和意外事件进行行程更新。

图 4 AWS 电信解决方案，提供更环保的客服

管理团队和工程师分别连接至网页/移动应用。Amazon Cognito 提供身份验证和授权，Amazon S3 存储应用静态内容，API Gateway 接收并转发 API 请求。AWS Step Functions 实施不同的工作流程。应用逻辑在 Lambda 中实现，该 Lambda 连接 DynamoDB 获取行程数据当前路线和驾驶员位置；Amazon Location Service 提供行程规划，Amazon SageMaker ML 模型实现行程优化引擎。不依赖于在线用户，行程数据定期发送到 API Gateway 并存储在 Amazon S3 中。SageMaker 笔记本定期使用 Amazon S3 数据重新训练行程优化 ML 模型，随著数据的更新进行调整。

解决方案五：通过减少常见信息请求的响应时间来提高客户 SAP 一级支持的有效性

使用 SAP 的公司通常会为内部 SAP 用户提供一级支持。SAP 用户通常通过工单系统请求支持，以便在面临 SAP 问题或要求额外信息时得到帮助。大量的信息请求需要大量的努力来检索和提供可用信息，如 SAP 注释/文档或相关支持请求。

IBM 设计了一个 AWS 解决方案如图 5 所示，基于支持请求信息，自动提供最可能解决方案的简短清单及其置信度分数。

surfshark国内使用教程

图 5 SAP 客户支持解决方案

Lambda 接收工单信息，例如工单号、业务服务和描述。Lambda 处理工单数据，并使用 Amazon Translate 将文本翻译成国家母语和英语。SageMaker ML 模型获取问题并提供推理。如果推理的置信度分数高，Lambda 立即将其作为输出提供。如果推理的置信度分数低，则 Amazon Kendra 获得问题，自动在索引的公司信息中查找并提供最佳可用的答案，然后 Lambda 将答案作为输出提供。

解决方案六：透过提供更快更准确的客户支持来改善联络中心的客户体验

投保客户通常通过联络中心与保险公司互动，请求有关其保单的信息和服务。

IBM 设计了一个 AWS 解决方案，通过提供自动化的客户代理通话/聊天摘要来改善最终客户体验和联络中心代理的效率。这使得：

代理能够快速回顾先前互动中的客户需求。联络中心主管能快速了解每个案件的目的根据需要进行干预。投保客户能迅速获得所需的信息，而无需重复已提供过的信息。

图 6 改善联络中心的客户体验

摘要能力由生成式 AI 提供，利用大型语言模型LLM在 SageMaker 上进行开发。

来自 Hugging Face 的预训练 LLM 模型存储在 Amazon S3 中。使用 Amazon SageMaker 对 LLM 模型进行微调和训练。使 LLM 模型可用作 SageMaker API 端点，即可提供推理。投保用户联系客户支持；用户请求通过语音/聊天机器人进行处理，然后达到 Amazon Connect。Lambda 查询 LLM 模型。推理由 LLM 提供，然后发送到 Amazon Connect 实例，在此推理通过知识基搜寻进行丰富处理，使用 Amazon Connect Wisdom。如果用户代理的对话是语音互动如电话通话，则通话录音将使用 Amazon Transcribe 转录。然后，调用 Lambda 进行摘要。

结论

在本文中，我们探讨了 IBM Consulting 如何在法国举办创新黑客马拉松。在这个黑客马拉松中，IBM 从真实客户用例倒推，设计并构建了基于 AWS 服务的创新解决方案。

Diego Colombatto

Diego Colombatto 是 AWS 的资深合伙人解决方案架构师。拥有超过 15 年为企业设计和交付数字转型项目的经验。在 AWS，Diego 与合作伙伴和客户合作，提供如何利用 AWS 技术将业务需求转化为解决方案的建议。他对 IT 架构和算法交易充满热情，并随时欢迎就这些主题展开讨论。

Selsabil Gaied

Selsabil Gaied 是 IBM Consulting 在法国的资深架构师。拥有 8 年经验，她成功交付了多个大型数据和 AI 转型计划，服务于各个行业的客户。Selsabil 在制定战略规划和技术架构方面表现突出，能充分利用 AWS 的能力来支持数据和 AI 解决方案。她的专业知识包括建立和培养高效的关系和团队，将业务需求转化为创新解决方案，并确保成功的解决方案交付。