OPLOG запустила в продакшн три AI‑агента на Amazon Bedrock AgentCore для автоматизации BI и сокращения цикла продаж

OPLOG создала производственную BI‑систему из трёх автономных AI‑агентов, разработанных на Strands Agents SDK и развернутых в Amazon Bedrock AgentCore с использованием Anthropic Claude Sonnet и Bedrock Knowledge Bases для RAG;

OPLOG вывела в продакшн систему бизнес‑аналитики на базе трёх автономных AI‑агентов, развернутых в среде Amazon Bedrock AgentCore, чтобы автоматически обрабатывать транзакции и ускорить продажи. Это прямо влияет на оперативность принятия решений: автоматизация сокращает ручные отчёты и позволяет командам действовать проактивно.

Агенты разделены по функциям и работают независимо в производственном режиме. Deal Analyzer запускается по расписанию, проверяет сделки в HubSpot на соответствие методологиям продаж и отчитывает о заполнении полей в Microsoft Teams. Sales Coach реагирует на вебхуки HubSpot при смене стадии сделки: валидирует обязательные поля и создаёт задачи при недостающей информации. Lead Insight срабатывает при появлении нового лида и анализирует цифровое присутствие в шести социальных средах, включая Instagram, LinkedIn, Facebook и YouTube, чтобы дать контекст для скорейшей квалификации.

Технически архитектура опирается на Amazon Bedrock AgentCore как среду исполнения агентов и на Bedrock Knowledge Bases для реализации Retrieval‑Augmented Generation (RAG), что позволяет дополнять ответы актуальными документами и контекстом из корпоративных хранилищ. Для генерации текста и диалоговой логики использовали Anthropic Claude Sonnet, а Strands Agents SDK обеспечил оркестрацию триггеров и интеграцию с источниками данных. Агенты связаны с HubSpot, Microsoft Teams и внутренними хранилищами метрик, включая Databricks, где хранятся операционные показатели.

Система решала проблему фрагментированных данных: воронка продаж была в HubSpot, переписка — в почте и мессенджерах, контекст общения — в Microsoft Teams, а операционные метрики — в Databricks. Ручное получение и сводка отчётов занимали часы в день; еженедельная аналитика пропускала до 60% возможностей, а команды реагировали на инциденты с часовым лагом вместо проактивной работы. Внедрение агентов дало измеримые результаты: циклы продаж сократились на 35%, полнота данных в CRM выросла на 91%, а время ручного сбора данных для исследования лидов уменьшилось на 98%. Автоматические отчёты, валидация данных в реальном времени и автоматическое создание задач снизили нагрузку на команды и ускорили исправление проблем.

Кейс служит практическим шаблоном для инженеров и архитекторов: разделение BI‑функций на независимые агенты с разными триггерами (по расписанию, вебхуки, событие создания лида), использование RAG‑слоя для доступа к релевантным данным и интеграция с существующими инструментами (HubSpot, Teams, Databricks) позволили вывести решение в производственный режим с акцентом на автоматизацию качества данных и сокращение ручных операций.