SMGS запустила NarrateAI на Amazon Bedrock AgentCore для диалоговой бизнес‑аналитики

Внутренний проект SMGS создал NarrateAI — разговорного помощника, который в реальном времени предоставляет руководителям контекстную бизнес‑аналитику через Amazon Quick.

SMGS разработала и внедрила NarrateAI — агентный разговорный интерфейс для on‑demand доступа к контекстной бизнес‑аналитике через Amazon Quick; система отвечает на вопросы на естественном языке о показателях и убирает необходимость ручной подготовки отчётов и объединения разрозненных дашбордов. Это изменяет способ, которым руководители получают готовые аналитические интерпретации, упрощая принятие решений. Архитектура NarrateAI разделена на два слоя: пакетную генерацию нарративов и интерактивное взаимодействие. Пакетный слой формирует персона‑ориентированные тексты для пользователей заранее, а интерактивный слой обслуживает мгновенные запросы, опираясь на подготовленные контексты и валидацию от специализированных агентов.

Пакетный конвейер состоит из трёх этапов. Сначала данные извлекаются из Amazon Redshift через конфигурируемые SQL‑шаблоны с параметрами ролей и временных разрезов. Затем данные трансформируются в предсказуемый, структурированный JSON с помощью AWS Lambda и логики section‑type (объекты, массивы, разрезы). Наконец, рендеринг читабельных нарративов выполняется через Jinja‑шаблоны с иерархическим чанкингом больших наборов данных. Для cepbepless‑оркестрации SMGS использовала Amazon Bedrock AgentCore: встроенные механизмы аутентификации, управление памятью сессий, интеграция с foundation‑моделями и автоматическое управление сессиями упростили реализацию. Нативная связь с Amazon CloudWatch обеспечила наблюдаемость и мониторинг. По словам инженеров, такой подход сократил время развёртывания с месяцев до недель.

NarrateAI также включает специализированные AI‑агенты для интеллектуального маршрутиза запросов и валидации ответов, что снижает ошибки и повышает согласованность метрик при взаимодействии. Параметризованные SQL‑шаблоны дают контроль доступа на уровне ролей и поддерживают многослойные разбиения и временные ряды, сохраняя безопасность и предсказуемость запросов. SMGS выделяет ключевые архитектурные паттерны для команд, строящих похожие системы: разделение пакетной подготовки и интерактивного слоя; конфигурируемые безопасные SQL‑шаблоны; трансформация данных в предсказуемый JSON и шаблонный рендеринг для стабильных текстовых нарративов; а также встроенная наблюдаемость и управление сессиями через CloudWatch и AgentCore. В совокупности эти элементы уменьшают зависимость от промежуточных отчётных команд и ускоряют принятие решений на всех уровнях организации.