servicetrade的客户现场技术人员使用aws和gen ai节省了设备服务历史审查的时间

案例研究 | 设备服务历史回顾 Time Saved for ServiceTrade 的客户现场技术人员，借助 AWS 和 Gen AI概述服务贸易是领先的用户服务和现场服务管理软件提供商。该组织服务于消防保护和机械暖通空调承包商。其创新平台帮助企业简化运营、提升客户互动并增加收入。自2022年以来，SoftServe和服务贸易作为战略合作伙伴，在多个软件开发项目中开展了合作。当这两个公司为2024年制定路线图时，人工智能——特别是生成式人工智能——成为了一个焦点。随着这项技术的快速发展，SoftServe希望利用其最佳技术生态系统来加速服务贸易及其发展。软 Serve 与亚马逊网络服务（AWS）的私募股权团队合作，为 ServiceTrade 全额资助了一个生成式人工智能（Gen AI）和亚马逊 Bedrock 的概念验证（PoC）。该 PoC 为 ServiceTrade 创建了一个环境，以从不同系统集成历史服务数据，并促进对已汇编服务记录的临时分析。 2 案例研究 | 设备服务历史回顾 Time Saved for ServiceTrade 的客户现场技术人员，借助 AWS 和 Gen AI挑战自动设备维护计划表高效检索资产设备服务历史记录。为了简化现场服务流程，需要一款应用程序来高效汇总资产设备的维护历史。目标是向技术人员提供简短而全面的摘要，大幅减少查找关键信息的时间，让他们能更快地开始工作并更好地了解情况。此外，还有一个解决方案中未突出显示但对任何大型语言模型（LLM）工作都相关的组件——提示评估管道。该管道考虑成本、处理时间、语义相似度以及产生幻觉的可能性。提取。认识到从设备手册中手动提取维护计划所面临的挑战，ServiceTrade寻求一种能自动化此过程的解决方案。该设想的应用程序包含一个能够提取维护计划、指定所涉及的时间和任务组件。在不断变化的现场服务管理领域，组织认识到提高运营效率和提供优质服务的必要性。这一认识促使探索创新解决方案以满足关键业务需求。行业和服务贸易公司识别出的部分需求包括： 客户技术员生产力。快速访问服务2请求历史记录和自动化维护计划使 ServiceTrade 能够帮助其客户的工程师更高效地工作，专注于关键任务，而不是花时间手动检索信息。质量保证。提示评估流程确保5通过严谨的指标评估解决方案的有效性和质量，保证高标准的服务交付和客户满意度，同时保护并确保 ServiceTrade 的客户数据隐私。竞争优势。拥抱人工智能创新技术3将ServiceTrade定位为行业领导者，通过为商业服务承包商提供先进、端到端解决方案来增强其竞争优势。创新催化剂。一个成功的PoC可以作为4在ServiceTrade内部促进创新的催化剂，培养实验文化，并为多个业务领域的未来进步铺平道路。通过 softserve 的创新 aws 和 gen ai 解决方案解决服务贸易的业务挑战是被期望的显著提升组织在五个关键方面的表现：客户运营效率。通过简化现场1采用高效检索设备服务历史和自动化维护计划的维修服务流程，将大幅减少技术人员搜索时间，从而提升ServiceTrade客户的整体运营效率。 3 123客户整体交付。具体来说，ServiceTrade希望通过与SoftServe的合作完成的三项业务目标包括：创新与实验。目标是使用亚马逊云服务创建一个概念验证，以展示提高成本效益和运营效率的潜力。poc作为起点。案例研究 | 设备服务历史回顾 Time Saved for ServiceTrade 的客户现场技术人员，借助 AWS 和 Gen AI原型验证作为关键起点。它是一个独立项目，也是与 ServiceTrade 更大业务目标保持一致的基础步骤。原型验证提供了一个具体的演示，展示了创新技术（尤其是生成式人工智能）如何集成到其服务中。服务贸易希望促进内部创新和试验它的组织结构。它向 SoftServe 寻求创新的技术和方法，以推动该领域服务管理软件传统方法的边界。目标是为 ServiceTrade 提供竞争优势。servicetradе拥有更广泛的战略路线图，强调其客户高效服务交付的重要性。servicetradе旨在提升其客户对servicetradе现场服务管理软件的整体交付，涵盖服务、项目和销售平台。通过与softserve的合作，期望改进其客户的端到端交付流程。SoftServe凭借其在AWS解决方案方面的深厚专业知识，介入解决了ServiceTrade面临的挑战。在全面分析ServiceTrade的业务运营和基础设施后，SoftServe确定了AWS——使用Amazon Bedrock、LangChain、带向量扩展的RDS、EC2和Streamlit——作为理想的解决方案。 4 该项目成功标准包括：包含有意义的见解的设备摘要。案例研究 | 设备服务历史回顾 Time Saved for ServiceTrade 的客户现场技术人员，借助 AWS 和 Gen AI项目可扩展性，用于进一步的实现和功能扩展。在 Amazon Bedrock 上部署支持 LLM 的环境。交付的快速节奏使SoftServe能够将项目的总结部分交给ServiceTrade，并使用检索增强生成 (RAG)组件。llm功能环境的架构、代码库和操作程序的完整文档。服务贸易和软服务团队包括客户的首席技术官（CTO）和人工智能副总裁，以及软服务的客户执行经理、交付总监、项目经理、业务分析师、首席数据科学家和助理数据科学家。从一开始，SoftServe就为ServiceTrade就PoC的边界和意图提供了清晰的指导。SoftServe还通过AWS资助流程为ServiceTrade提供了咨询。在PoC启动后的几周内，客户就已经看到了SoftServe管理项目的速度和效率。 支持llm的环境，能够生成活动技术解决方案设计与文档关于生成活动的综合报告PoC 部署到 AWS EC2生产和试点项目路线图软Serve以协作方式启动了ServiceTrade的项目，通过设计思维会议密切与客户合作，以识别高价值用例并界定PoCs的范围。PoC阶段包括这些关键交付成果： 5 提示评估流程。具体解决方案成果包括：a：结果案例研究 | 设备服务历史回顾 Time Saved for ServiceTrade 的客户现场技术人员，借助 AWS 和 Gen AI使用RAG从手册中验证推荐的维护计划的方法。自动维护计划提取降低了出错的可能性，显著提高了准确性和遵循那些维护计划的程度。此外，推荐的维护计划现在与其他ServiceTrade解决方案（如“任务分配”）保持一致。不到六周即可交付的首代人工智能解决方案的实施，为ServiceTrade打开了帮助其客户通过提高技工生产力和效率来改造其运营的大门。通过 Gen AI 验证了设备历史总结方法大幅减少并优化技术人员在其上花费的时间. 预计通过现场技术人员减少审核特定设备历史记录将提高整体运营效率。这至关重要，因为现场技术人员是ServiceTrade客户最稀缺的资源。软Serve以客户为中心和对话式的方略，也使ServiceTrade在项目全程都成为积极参与者。因此，客户理解了这些变化，并将使用其基于AWS的平台的新功能用于其他已识别的应用场景。 6"成果和经验教训。要阅读采访，服务贸易联合创始人兼首席技术官布莱恩·史密斯威克表示：软Serve在AWS和生成式人工智能解决方案方面的专业知识，结合其富有同理心和解决问题的方法，使ServiceTrade能够克服其挑战，为持续增长和成功铺平了道路。从史密斯威克那里获取洞察，在一个问答对话中，他解释了ServiceTrade的生成式人工智能之旅，点击此处。这个PoC有效地利用了时间。SoftServe的Gen AI数据科学家质量很高，我们毫无保留地推荐他们。SoftServe开发的模型评估方法论非常有价值，我们将在未来的Gen AI项目上使用这一方法论。这个PoC中展示的RAG技术已经初见成效，因为我们已经将其用于一些内部用例。资产摘要功能的GA发布有一条清晰的道路，预计将在2024年年中发布，开发工作很可能由我们内部团队进行。 欧洲总部社交链接北美总部联系info@softserveinc.comwww.softserveinc.com201 W 第五街, 1550室奥斯汀,德克萨斯州 78701 +1 866 6873588 (美国) +1 647 948 7638 (加拿大)软思是领先的IT咨询和数字服务提供商。我们拓展新技术的视野，以解决当今复杂的商业挑战，为客户提供有意义的成果。我们无穷的好奇心驱动我们探索和重塑可能的艺术。客户们自信地依赖软思来构建和执行成熟和创新的技能，例如数字工程、数据和分析、云以及AI/ML。我们的全球声誉来自于顶尖工程技术人才为高科技、金融服务、医疗保健、生命科学、零售、能源和制造业等企业行业提供卓越的数字解决方案，并始终保持卓越的速度，这一成就源于我们超过30年的经验积累。30 枪街 伦敦 EC4 6XH英国 +44 333 006 4341