J.Crew Group rationalisiert IT-, Lieferanten- und Kundensupport mit maßgeschneiderten KI-Agenten

Lösungen

Um ihre Ziele zu erreichen, identifizierten die Teams der J.Crew Group und von Rackspace zunächst drei KI-Agenten für ein Pilotprojekt: einen für den IT-Helpdesk-Support, einen für die Lieferkettenanbieter und einen für das Kundenservicecenter.

J.Crew Group (JCG) Buddy wurde entwickelt, um die Arbeit des IT-Helpdesks zu erleichtern, indem es den Mitarbeitern die Möglichkeit zur Selbstbedienung gibt. Die J.Crew Group konnte mit diesem Agenten das Anrufvolumen um 15 % senken.

JCIConnect, der Vendor Agent, unterstützt das Supply Chain Team durch die Beantwortung von rollenspezifischen Fragen zu Lieferanten in mehreren Sprachen und spart den Mitarbeitern schätzungsweise zwei bis drei Stunden pro Tag.

JCG Allyhilft der Contact Center-Agent den Kundendienstmitarbeitern, Fragen effizienter zu lösen, indem er die Anzahl der an die Manager weitergeleiteten Probleme reduziert.

Um diese Bots zum Leben zu erwecken, setzte Rackspace eine Reihe von Technologien in verschiedenen Clouds ein, darunter LangGraph, Microsoft Azure Entra, das AWS Cloud Development Kit (CDK), AWS Lambda und die Vertex AI API von Google.

"Wir verlassen uns darauf, dass Rackspace die besten Empfehlungen für unser Toolset ausspricht", so Gupta. "Jedes Mal, wenn sie einen Vorschlag machten, validierten unsere internen Teams die Empfehlung und stimmten zu, dass dies der beste Ansatz war

Rackspace arbeitete eng mit der J.Crew Group zusammen, um jedes Element - von der Authentifizierung bis zur Benutzererfahrung - an die internen Anforderungen anzupassen. So hat das Team beispielsweise das Prompt-Engineering mit großen Sprachmodellen (LLMs) von AWS angepasst, um sicherzustellen, dass die KI-Agenten präzise, kontextbezogene Antworten liefern, die auf die Bedürfnisse der J.Crew Group abgestimmt sind.

Um den mehrsprachigen und rollenspezifischen Anforderungen gerecht zu werden, baute Rackspace die Agenten auf LangGraph auf, einem Open-Source-Framework für die Orchestrierung mehrerer Agenten. "Damit kann ein KI-Agent entscheiden, ob er die Frage auf der Grundlage interner Dokumente beantworten, ins Internet gehen oder eine Folgefrage stellen soll", erklärt Subrahmanyam Arunachalam, Data Science Engineer bei Rackspace. "LangGraph ist eines der intelligentesten Frameworks auf dem Markt"

Eine zentrale Herausforderung war die Integration von Microsoft Azure Entra für die Authentifizierung - obwohl die Anwendung auf AWS gehostet wurde. Rackspace hat ein nahtloses SSO-Erlebnis geschaffen, das die Benutzer über Microsoft Azure® authentifiziert, die Logins synchronisiert und die richtigen Zugriffskontrollen in der von AWS gehosteten Agentenoberfläche anwendet.

"Das Rackspace-Team war schon immer sehr agil", so Gupta. "Sie haben eine On-the-fly-Lösung entwickelt, die uns hilft, schlechte Dokumentation zu erkennen. Dieses Team ist phänomenal - es geht immer über sich hinaus

Um die manuelle Pflege zu minimieren, hat Rackspace auch den Aktualisierungszyklus der Wissensdatenbank des Agenten automatisiert. Alle sieben Tage wird automatisch nach Änderungen und Aktualisierungen gesucht, so dass keine speziellen Workflows für die Dokumentenverwaltung erforderlich sind.

Im weiteren Verlauf der Entwicklung entwickelte sich die Lösung zu einer Multi-Cloud-Architektur. Rackspace nutzte Vertex AI API auf Google Cloud, um dem KI-Agenten einen sicheren Internetzugang zu ermöglichen, mit strengen Kontrollen zur Beschränkung der Quelldaten auf von der J.Crew Group genehmigte Domains wie jcrew.com und wikipedia.com.

Die Backend-Architektur nutzt AWS Lambda für die Datenverarbeitung, OpenSearch für die Speicherung von Vektordokumenten, Amazon Bedrock für das LLM-Hosting und Amazon Simple Storage Service (Amazon S3) für die Speicherung von Dokumenten. Alle Komponenten wurden mit dem AWS Cloud Development Kit (CDK) konsolidiert, was die Bereitstellung rationalisiert und die Wartung vereinfacht.

"Mit dem CDK konnten wir Infrastrukturvorlagen erstellen und sie in verschiedenen Chatbot-Projekten wiederverwenden", so Arunachalam. "Es hat unsere Entwicklungszeit von Monaten auf Wochen verkürzt und uns geholfen, von einem Bot auf drei zu skalieren."