Schneider Electric, лидер в области энергоменеджмента и промышленной автоматизации, стремился улучшить свою систему CRM, связывая счета клиентов с их родительскими единицами. Этот процесс, который является ключевым для оптимизации продаж и распределения ресурсов, ранее выполнялся вручную. В апреле 2023 года Schneider Electric обратился к генеративному ИИ и крупным языковым моделям (КЯМ) для решения этой задачи. Вначале они использовали КЯМ Flan T5 в Amazon SageMaker Jumpstart, что доказало выполнимость проекта. Затем они усовершенствовали свое решение с помощью Amazon Aurora и Amazon Bedrock, интегрированного с CRM Salesforce. Amazon Bedrock, управляемый сервисом, обеспечивающим высокопроизводительные основы для моделей, облегчил создание безопасных и ответственных приложений ИИ. Amazon Aurora Serverless V2, реляционная база данных, поддерживала хранение векторных вложений машинного обучения с помощью расширения pgvector для эффективных поисков по сходству. Schneider Electric использовал pgvector для хранения вложений из LangChain, что позволило эффективно картировать иерархию счетов клиентов.Решение включало задачи AWS Batch, обрабатывавшие информацию о счетах Salesforce, генерировавшие рекомендации с помощью Anthropic Claude 3 на Amazon Bedrock и хранившие результаты в Aurora и Amazon S3. Специальное приложение Streamlit отображало эти рекомендации для обзора пользователем. Автоматизация процесса сократила время обновления иерархий счетов с семи до трех минут на счет.КЯМ сыграли ключевую роль в генерации точных иерархий счетов. Интегрируя результаты поиска, данные из Dun & Bradstreet API и векторные поиски в Aurora, система выводила правильные родительские единицы. Гибкость Amazon Bedrock позволила Schneider Electric переключаться между разными моделями КЯМ для оптимизации затрат и производительности. Это привело к сокращению затрат на 60% и улучшению эффективности в управлении иерархиями счетов.В целом, проект подчеркнул преимущества использования сервисов AWS для инноваций и оптимизации операций. Aurora Serverless v2 с pgvector и Anthropic Claude 3 Sonnet на Amazon Bedrock обеспечили масштабируемое и экономически эффективное решение для управления иерархиями счетов клиентов. Интеграция передовых моделей ИИ и серверной архитектуры минимизировала эксплуатационные расходы, улучшила точность данных и обеспечила гибкость и масштабируемость системы.