Как AWS превратила BI‑дашборды в разговорный ИИ‑ассистент для 4000 топ‑менеджеров — VogueTech

Что произошло

AWS запустила внутренний ИИ‑ассистент NarrateAI для подразделения SMGS (Sales, Marketing and Global Services).

Ключевые факты:

Пользователи: более 4 000 руководителей AWS — от CEO до региональных менеджеров.
Задача: заменить ручную подготовку к бизнес‑ревью и работу с тяжёлыми BI‑дашбордами на диалоговый интерфейс.
Технологическая база: Amazon Bedrock AgentCore, Amazon Redshift, Amazon S3, AWS Lambda, Amazon CloudWatch.
Мозг ассистента: Claude Sonnet 4 через Amazon Bedrock.
Архитектура: два слоя — пакетная генерация «нарративов» и реальное время для диалогов.
Механика безопасности: жёсткая построчная (row‑level) безопасность и полная изоляция данных по пользователям.

NarrateAI уже работает в продакшене и обслуживает глобальные операционные решения AWS. Команда перевела подготовку к бизнес‑ревью с часов ручной работы на минуты диалога с ассистентом.

Зачем это нужно

Проблема старого BI

До NarrateAI руководители AWS тратили часы на подготовку к ревью:

собирали данные вручную из разных дашбордов;
мирили метрики из разных источников;
делали сводки и выводы сами.

В итоге:

решения принимали медленно;
метрики расходились между системами;
доступ к аналитике зависел от отдельных отчётных команд;
руководители не могли задать вопрос «на лету» и сразу получить ответ.

Задача NarrateAI

AWS захотела дать лидерам простой сценарий:

Задаёшь вопрос на естественном языке — получаешь точный, проверенный и контекстный ответ по своему участку бизнеса.

Для этого команда сделала ставку на три вещи:

Диалог вместо дашбордов: руководитель общается с ассистентом в Amazon Quick или веб‑интерфейсе.
Предварительно собранные «нарративы»: система заранее готовит персональные текстовые отчёты для каждого пользователя.
Оркестрация через Amazon Bedrock AgentCore: вместо собственного оркестратора AWS использует готовый серверлесс‑слой для агентов, памяти и логирования.

Что получает каждая сторона

AWS SMGS и топ‑менеджмент:

Время подготовки к бизнес‑ревью сокращается с часов до минут.
Можно задавать сложные вопросы по продажам, маркетингу и сервисам без BI‑команды.
Растёт уверенность в цифрах: все ответы проходят автоматическую валидацию.

Команды данных и ML:

Не нужно строить свой оркестратор агентов и память для диалогов.
Инфраструктура — полностью на AWS: Redshift, S3, Lambda, Bedrock, CloudWatch.
Разработка идёт быстрее: внедрение заняло недели, а не месяцы.

Amazon Bedrock и AgentCore как продукт:

Живой кейс, что на AgentCore можно поднять крупный корпоративный ассистент с высокой нагрузкой.
Показано, как использовать multi‑agent‑подход, guardrails и встроенную память в продакшене.

Что меняет для рынка

От дашборда к диалогу

NarrateAI показывает, как может выглядеть корпоративный BI ближайших лет:

Руководитель перестаёт «ходить по дашбордам».
Вместо этого он общается с ассистентом, который уже знает его роль, регион, клиентов и KPI.
BI‑команды меньше занимаются ручными отчётами и больше — шаблонами и качеством данных.

Для крупных компаний это сигнал: модель «1000 дашбордов + отчётные команды» начинает уступать место диалоговым ИИ‑слоям поверх дата‑лейков.

Давление на конкурентов

Для других вендоров BI и облаков это жёсткий бенчмарк:

AWS показывает, что можно обслуживать тысячи руководителей через единый ассистент.
В архитектуре нет экзотики: Redshift, S3, Lambda, Bedrock, AgentCore, CloudWatch.
Много внимания уделено безопасности и валидации, а не только «красивым ответам».

BI‑платформы без сильной ИИ‑прослойки рискуют превратиться в бэкэнд, к которому поверх подключают ассистентов от других игроков.

Новая планка по безопасности и качеству

AWS явно делает ставку на три требования к корпоративному ИИ:

Жёсткий контроль доступа: каждый руководитель видит только свои строки данных.
Валидация ответов: числа и выводы проверяются до показа пользователю.
Профессиональный тон: Amazon Bedrock Guardrails следят за стилем, контентом и PII.

Для рынка это означает: «просто чат с LLM и доступом к базе» уже не выглядит достаточным.

Развитие агентных систем

NarrateAI — не просто чат‑бот, а система из нескольких специализированных агентов под управлением Supervisor Agent в AgentCore:

один классифицирует вопросы;
второй определяет, какой персональный нарратив нужен;
третий извлекает релевантные куски;
четвёртый оценивает релевантность;
пятый генерирует ответ с помощью Claude Sonnet 4;
шестой проверяет качество и корректность.

Это пример того, как multi‑agent‑архитектуры выходят из экспериментального статуса в рутину корпоративных продуктов.

Что это значит для вас

Если вы руководите продуктом, продажами или маркетингом

NarrateAI показывает, к чему можно стремиться:

Не тратить время на поиск цифр по дашбордам.
Задавать вопросы в духе: «Покажи топ‑5 аккаунтов по росту за квартал и сравни по продуктовым линиям».
Получать ответы, адаптированные под вашу роль — от CEO до менеджера региона.

Если ваша компания уже сидит на AWS, похожий ассистент можно собрать на тех же сервисах: Amazon Redshift, S3, Lambda, Bedrock AgentCore.

Если вы data‑engineer или ML‑инженер

Из кейса AWS можно вынести конкретные инженерные практики:

Разделяйте batch и online: NarrateAI заранее готовит персональные нарративы, а в онлайне только извлекает и интерпретирует.
Используйте шаблоны: SQL‑шаблоны и Jinja‑шаблоны позволяют быстро масштабировать новые домены и роли.
Ограничивайте LLM в арифметике: числовые расчёты лучше делать детерминированно и только потом отдавать в модель.
Проверяйте ответы: Online Evaluator сверяет числа и логику с исходными данными.
Переносите память в управляемый сервис: команда отказалась от самописной памяти в DynamoDB и перешла на нативную память AgentCore.

Если вы строите ассистента поверх корпоративных данных

Из подхода AWS можно собрать «чек‑лист»:

Сначала данные, потом ассистент
Настройте дата‑лейк и хранилище (Redshift или аналог) с прозрачными правами.
Генерируйте персональные артефакты
AWS не даёт ассистенту прямой доступ к сырым таблицам. Вместо этого система готовит персональные JSON‑структуры и текстовые нарративы.
Храните знания в S3‑подобном хранилище
NarrateAI складывает нарративы в Amazon S3 с полной изоляцией по пользователям.
Используйте TOC‑подход к поиску
Вместо векторного поиска по огромным файлам команда использует структуру оглавления и вытаскивает только нужные секции.
Вводите guardrails
AWS использует три фильтра: контент, PII и тон. Это снижает юридические и репутационные риски.
Стройте multi‑agent‑оркестрацию
Один универсальный агент быстро становится монолитом. AWS разбила логику на несколько специализированных агентов.

Кому это не подойдёт

Маленьким командам без нормального дата‑лейка и управляемого доступа к данным.
Без этого ассистент превратится в красивый интерфейс к хаотичной базе.
Проектам, которые не готовы инвестировать в качество данных и шаблонов.
NarrateAI сильно опирается на аккуратную схему, роли и иерархии.

Как устроен NarrateAI: архитектура

Два слоя: пакетная генерация и реальное время

NarrateAI разделяет систему на два крупных контура.

Пакетный контур (Knowledge Engine) — готовит знания.
Онлайн‑контур (Conversational AI Interface) — отвечает на вопросы.

Это даёт два эффекта:

тяжёлая обработка и агрегация происходят заранее;
ответы в онлайне получаются быстрыми и стабильными.

Пакетный слой: генерация персональных нарративов

NarrateAI генерирует для каждого пользователя персональный «нарратив» — структурированный текстовый отчёт, который учитывает роль, права и иерархию.

Пайплайн состоит из трёх шагов:

Извлечение данных
- Конфигурационные SQL‑шаблоны в Amazon Redshift.
- Параметризация под роль и права пользователя.
- Поддержка многоуровневых разрезов и временных рядов.
- Права доступа применяются уже на этом этапе.
Трансформация данных
- AWS Lambda превращает сырые данные в структурированный JSON.
- Используются типы секций: объекты, массивы, разбиения, контейнеры.
- Данные укладываются в иерархию с явными маппингами полей.
Рендеринг нарратива
- Jinja‑шаблоны превращают JSON в человекочитаемый текст.
- Применяется иерархическая стратегия «нарезки» больших датасетов.
- Для каждого пользователя итоговый текстовый файл кладётся в Amazon S3.
- Сильная изоляция: один файл — один пользователь, без пересечений.

Эта схема даёт встроенную построчную безопасность: в персональный нарратив просто не попадают чужие строки.

Онлайн‑слой: диалоговый интерфейс на AgentCore

Пользователь общается с NarrateAI через:

Amazon Quick — диалоговый интерфейс;
веб‑UI.

Оба канала идут в Amazon Bedrock AgentCore Runtime.

Внутри крутится NarrateAI Agent (Strands agent) с Supervisor Agent и набором инструментов.

Шесть ключевых инструментов агента

Классификация вопросов
Определяет намерение и сложность запроса:
- простые запросы вроде «Какой доход у моей команды за этот квартал?» идут по быстрому пути;
- сложные, например «Сравни рост топ‑5 аккаунтов по всем продуктовым линиям», разбиваются на параллельные подзадачи.
Идентификатор персоны
Определяет роль пользователя, уровень в иерархии и права.
На этом шаге система выбирает, какой именно нарратив из S3 нужно достать.
Извлекатель знаний
Использует подход с оглавлением (TOC):
- не сканирует весь файл;
- вытаскивает только нужные разделы по структуре;
- помогает держать время ответа стабильным при росте размеров нарратива.
Оценщик релевантности
Смотрит на извлечённые фрагменты и вопрос пользователя.
Оставляет только действительно релевантные куски, отбрасывая шум.
Генератор ответа
На основе релевантных данных формирует связный ответ на естественном языке.
На этом шаге используется Claude Sonnet 4 через Amazon Bedrock.
Онлайн‑оценщик (Online Evaluator)
Проверяет ответ до отправки пользователю:
- сверяет числа с исходными данными;
- проверяет логическую целостность;
- убеждается, что выводы опираются только на доступный пользователю нарратив.

Время ответа зависит от сложности вопроса и источников данных, но за счёт разветвления по сложности и параллельной обработки сложные запросы стали заметно быстрее.

Ключевые возможности NarrateAI

1. Естественный язык + структурированные знания

Руководитель задаёт вопрос на английском, без SQL и знания схемы:

система понимает бизнес‑термины: регионы, продукты, сегменты клиентов, периоды;
под капотом ассистент работает не с сырыми таблицами, а с заранее подготовленными структурированными нарративами в S3.

Это даёт сочетание живого диалога и строгой структуры данных.

2. Встроенная построчная безопасность

Безопасность не навешивается сверху — она заложена в генерацию нарратива:

права доступа применяются ещё в SQL‑шаблонах и Lambda‑трансформации;
в персональный нарратив попадают только разрешённые строки;
файлы в S3 полностью изолированы между пользователями.

Риск утечки данных между пользователями снижается уже на уровне артефактов.

3. Персонализация по роли и уровню

NarrateAI учитывает, кто задаёт вопрос:

CEO видит высокоуровневую картину по всей организации;
региональный менеджер — детальные операционные метрики по своему региону;
фильтрация и формат ответов зависят от роли и иерархии.

Это не просто фильтр по полям, а разный уровень агрегации и детализации.

Инфраструктура и ИИ‑фундамент

Хранение и обработка данных

Amazon Redshift — основной аналитический склад.
AWS Lambda — серверлесс‑функции для трансформации и применения прав.
Amazon S3 — хранилище структурированных артефактов и текстовых нарративов.
Кастомный TOC‑поиск — быстрый доступ к нужным разделам без сканирования всего файла.

Модели и Bedrock

Amazon Bedrock — доступ к базовым моделям.
Claude Sonnet 4 — отвечает за понимание вопросов, рассуждения и генерацию ответов.
Архитектура позволяет менять версии моделей без больших переделок.

Guardrails и безопасность контента

Amazon Bedrock Guardrails настроены под NarrateAI и включают три типа фильтров:

Контент‑фильтрация — блокирует вредный или неподходящий язык.
Редакция PII — помогает не допустить утечки персональных данных.
Контроль тона — удерживает стиль на уровне, подходящем для руководства AWS.

AgentCore как оркестратор

Amazon Bedrock AgentCore даёт NarrateAI:

серверлесс‑оркестрацию агентов;
интеграцию с провайдерами аутентификации;
встроенную память диалогов;
подробную наблюдаемость.

Наблюдаемость

AgentCore Observability даёт трассировку сессий от начала до конца.
Интеграция с Amazon CloudWatch — для мониторинга и алёртов.
Поддержка OpenTelemetry упростила отладку: время на поиск проблем сократилось с десятков минут или часов до единиц минут.

Память

Команда перенесла историю диалогов с самописного решения на Amazon DynamoDB в нативную память AgentCore:

ушёл в прошлое собственный код управления сессиями;
архитектура стала проще — память живёт внутри AgentCore;
скорость разработки новых фич выросла за счёт готовой сессионной логики.

Инженерия продакшена: 4 главных вызова

1. Точность и доверие

Главный риск — правдоподобные, но неверные ответы. Для управленческих решений это критично.

AWS решает проблему так:

каждый ответ проходит валидацию Online Evaluator;
числовые расчёты максимально выносятся из LLM в детерминированные функции;
проверяется согласованность метрик и логики;
guardrails отсекают неподходящий язык ещё до пользователя.

2. Контекст и иерархия

Разные уровни управления должны видеть разный срез данных.

NarrateAI автоматически:

определяет, кто задаёт вопрос;
знает, какие регионы, команды и клиенты входят в его зону ответственности;
ограничивает ответы этим контекстом без ручных фильтров.

3. Задержки на масштабе

Ранние версии страдали от долгих ответов на сложные вопросы:

пользователи ждали, падало доверие и вовлечённость.

Сейчас система:

классифицирует вопросы по сложности;
быстрые запросы обрабатывает по упрощённому пути;
сложные разбивает на параллельные подзадачи;
ускоряет доступ к данным за счёт предварительного анализа структуры документов.

4. Ширина покрытия тем

Бизнес‑аналитика включает продажи, финансы, маркетинг, сервисы — у каждого домена своя логика и словарь.

Команда AWS:

работала с доменными экспертами по каждому направлению;
зашила институциональные знания в стандартизированные шаблоны;
сократила внедрение новых доменов с месяцев до недель.

Главный вывод: продакшен‑готовый ассистент — это баланс между свободой LLM и жёсткими правилами по данным, доступам и типовым сценариям.

Результаты и эффект

После запуска NarrateAI AWS фиксирует:

более 4 000 активных пользователей среди руководства, от CEO до региональных менеджеров;
сокращение подготовки к бизнес‑ревью с часов до минут;
проверку точности данных через детерминированные вычисления и Online Evaluator.

Руководители отмечают:

больше уверенности в решениях на основе данных;
возможность исследовать бизнес через диалог, а не через навигацию по дашбордам.

Для AWS переход к NarrateAI означает смену парадигмы: от ручных BI‑процессов к ИИ‑центричному самообслуживанию с встроенной безопасностью и контролем доступа на уровне строк.

Что дальше: от реактивного к проактивному ассистенту

Текущая версия NarrateAI отвечает на вопросы. Следующий шаг — проактивность.

План развития:

ассистент сам инициирует диалог перед важными событиями в календаре;
реагирует на изменения в реальном времени в данных;
учитывает организационный контекст и прошлые сессии.

AWS собирается развивать архитектуру в сторону:

событийной модели;
расширенных multi‑agent‑систем: Knowledge Agent, Forecast Agent, Policy Agent;
предиктивной аналитики с безопасными и объяснимыми действиями.

Цель — превратить NarrateAI в партнёра, который не просто отвечает, а заранее подсказывает риски, аномалии и возможные действия, при этом всё остаётся под контролем политики и аудита.