Mobileye automatizovalo dve tretiny podporných tiketov pomocou AI agenta

Mobileye nasadilo interného AI agenta, ktorý odpovedá na rutinné otázky o stave spracovania dát z jázd. Riešenie beží na Amazon Bedrock AgentCore, pristupuje k živým produkčným údajom cez Model Context Protocol a komunikuje s lokálnym tiketovacím systémom prostredníctvom hybridnej architektúry. Podľa údajov Mobileye automatizuje 66 percent objemu tiketov a pri spracovaných prípadoch skrátilo čas odpovede z hodín na približne jednu minútu.

Podnetom bola dátová pipeline, ktorá denne prijíma tisíce záznamov z jázd. Inžinieri a dátové tímy sa opakovane pýtali, či bola relácia prijatá, spracovaná alebo ukončená chybou. Dve tretiny podporných tiketov tvorili takéto stavové otázky a ich manuálne vyriešenie mohlo vyžadovať približne 15 kliknutí v rôznych interných systémoch. Statické skripty či rozhodovacie stromy podľa firmy nedokázali spoľahlivo pokryť rozmanitosť formulácií a kontextu.

V overovacej fáze si tím stanovil cieľ aspoň 95-percentnej presnosti klasifikácie a odpovede do dvoch minút. Agent používa modely Claude sprístupnené cez internú bránu Mobileye, ktorá riadi kvóty a prístup k modelom v Amazon Bedrock. MCP server mu počas inferencie poskytuje stav konkrétnych relácií, priebeh spracovania, diagnostické záznamy a chybové informácie. Agent tak tiket nielen zatriedi, ale môže používateľovi vrátiť odkaz na hotový výstup alebo konkrétne odporúčanie pri zlyhaní.

Produkčná architektúra je rozdelená medzi lokálne prostredie Mobileye a cloud AWS. Lokálny orchestrátor vyberá nové tikety a po spracovaní zapisuje odpovede späť do interného systému, ktorý nie je z cloudu priamo dostupný. Do AgentCore posiela iba požiadavku potrebnú na prácu agenta. Takéto oddelenie umožnilo zachovať existujúci lokálny systém bez jeho sprístupnenia verejnej alebo cloudovej sieti.

V cloude AgentCore Runtime hostí agenta ako serverless službu a automaticky ho škáluje. AgentCore Observability zaznamenáva cestu požiadavky od vstupu cez volania MCP až po výslednú odpoveď. Tím sleduje relácie, latenciu, spotrebu tokenov a podrobné trace záznamy. AWS Secrets Manager uchováva a rotuje prihlasovacie údaje, takže tímy používajúce internú platformu nemusia pracovať priamo s tajomstvami ani s osobnými cloudovými oprávneniami.

Priebeh má štyri hlavné kroky. Lokálny orchestrátor odošle tiket agentovi, agent ho kategorizuje a podľa potreby sa cez MCP opýta produkčných systémov. Model následne vytvorí odpoveď s odporúčaniami, odkazmi a ďalšími krokmi. Orchestrátor výsledok vloží do tiketovacieho systému spolu s príslušnými štítkami. Observabilita paralelne zaznamená aktivitu agenta, aby sa dali spätne skúmať chybné nástrojové volania alebo nepresné odpovede.

Mobileye uvádza celkovú úspešnosť 98 percent, čo má prekračovať pôvodný cieľ 95 percent. Mesačne systém podľa zverejneného opisu spracuje viac než sto tiketov a odpovedá približne o 90 percent rýchlejšie než predchádzajúci manuálny postup. Objem je však relatívne malý a metriky pochádzajú priamo od účastníkov projektu. Z článku nie je zrejmá presná definícia úspešnosti, veľkosť hodnotiacej vzorky ani rozdelenie chýb podľa závažnosti.

Po prvom nasadení Mobileye rozšírilo riešenie na internú platformu, cez ktorú môžu ďalšie tímy nasadzovať vlastných agentov. Vývojári dodajú kód a vyberú požadované schopnosti, napríklad pamäť, prehliadač, interpret kódu, observabilitu alebo bránu. Infraštruktúrny tím pripraví roly IAM, úložisko S3, monitorovanie CloudWatch a autentifikáciu Cognito. Vývojár potom dostane predkonfigurovaný súbor a nasadenie spustí jedným príkazom agentcore deploy.

Tento model centralizuje bezpečnostné a nákladové pravidlá. Jednotlivé tímy nemusia dostať široké oprávnenia do AWS a infraštruktúrna skupina môže presadzovať spoločné alarmy, autentifikáciu aj spôsob sledovania nákladov. Súčasne vzniká riziko, že jednoduché nasadenie urýchli rast počtu agentov skôr, než organizácia zavedie kvalitné evaluácie a správu ich nástrojových oprávnení. Platforma preto potrebuje okrem technického provisioningu aj pravidlá pre vlastníctvo, testovanie a ukončovanie nepoužívaných agentov.

Praktický prínos projektu je v kombinácii lokálneho systému, cloudového runtime a úzko vymedzeného MCP rozhrania. Agent nedostal všeobecný prístup do interného prostredia, ale konkrétne nástroje na zisťovanie stavov a diagnostiky. Tento vzor sa dá preniesť na podporu dátových platforiem, výrobných systémov či interných služieb, pri ktorých väčšinu tiketov tvoria opakované vyhľadávacie úlohy. Zverejnené výsledky sú sľubné, no na posúdenie širšej spoľahlivosti by boli potrebné nezávislé merania, dlhšie obdobie a podrobnejšie údaje o prípadoch, ktoré agent nevyriešil správne.