تحولت MTS Web Services من RAG إلى وكيل ذكاء اصطناعي للفرز الأولي لتذاكر الدعم الفني

بنت MTS Web Services وكيل ذكاء اصطناعي لمعالجة تذاكر الدعم الفني تلقائياً — وتخلت عن نظام البحث القائم على RAG الذي كان يتطلب من المهندسين صياغة الاستعلامات بشكل صحيح.

لماذا بنوا RAG — ولماذا لم يكن كافياً

يعمل فريق SRE للدعم من الدرجة الثانية في عنقود تكنولوجيا الإعلانات بـ MTS Web Services يومياً مع أربع مصادر بيانات: Jira مع سجل الحوادث، و Confluence مع التوثيق، وسجلات النظام، وقواعد البيانات. عند تحليل الحوادث المعقدة، كان المهندسون يقضون وقتاً طويلاً في البحث عن حالات مشابهة وتحليل الحلول المتخذة بالفعل.

كان الحل الأول عبارة عن نظام RAG: تم دمج البيانات من Jira و Confluence في قاعدة معرفة واحدة قابلة للبحث تدعم الاستعلامات باللغة الطبيعية. يمكن للمهندسين طرح أسئلة — وكان النظام يعيد المستندات ذات الصلة وسجلات الحوادث. كان التأثير ملحوظاً وحصل الفريق على تعليقات إيجابية.

ومع ذلك، مع مرور الوقت أصبح تحديد هيكلي واضحاً. RAG هو أداة بحث: لكي تعمل، يجب على المستخدم أن يعرف ما يبحث عنه. عند تحليل الحوادث، هذا الشرط لا يتحقق: السبب الحقيقي للمشكلة غير معروف، وليس من الواضح أي البيانات مطلوبة وبأي ترتيب طلبها. ونتيجة لذلك، ظلت الأداة مستخدمة بشكل ناقص تماماً حيث كانت المساعدة مطلوبة أكثر — في بداية التحقيق.

كانت المشكلة الثانية عدم القدرة على قياس التأثير الحقيقي: كان هناك تعليقات إيجابية، لكن لم يكن من الممكن الحصول على مقاييس موضوعية — كم وقتاً تم توفيره لكل تذكرة، كيف تغير MTTR.

كيف يتولى الوكيل المرحلة الأولى

"إذا كان النظام يستطيع بالفعل البحث عن المعلومات وتحليل ما يجده، فلماذا لا نترك له إدارة المرحلة الأولى من تحقيق الحادثة بالكامل؟" — فلاديمير دروبوت، رئيس SRE في MTS

Web Services.

بدلاً من أداة سلبية تنتظر استعلاماً، بنى الفريق وكيلاً يدير التحقيقات بشكل مستقل. يتلقى الوكيل تذكرة كمدخل وينفذ المرحلة الأولى بشكل مستقل:

• يحلل وصف الحادثة وينظم خطة التحقيق
• يحدد بشكل مستقل البيانات المطلوبة للتحليل
• يصيغ وينفذ استعلامات البحث إلى Jira و Confluence
• يجمع المعلومات من عدة مصادر
• يوفر للمهندس تحليلاً أولياً منظماً مع فرضيات حول الأسباب

الفرق عن RAG أساسي: الوكيل لا ينتظر السؤال الصحيح من إنسان — بل يقرر ما يجب البحث عنه بناءً على سياق التذكرة.

ما يعني هذا

تُظهر تجربة MTS Web Services التمييز الرئيسي بين أداة مساعدة ووكيل مستقل في بيئة الشركة. يكمل RAG المهندس في المرحلة التي يعرف بالفعل مكان البحث. يتولى الوكيل العمل الذي استهلك معظم الوقت — صياغة الفرضيات الأولية وجمع البيانات — ويحرر الانتباه الثمين لمتخصصي L2 للتحليل الحقيقي. يدل هذا على أن معمارية الوكلاء عملية بالفعل اليوم للأدوات الداخلية للشركات، وليس فقط للمنتجات العامة.

لماذا تطبق الشركات الذكاء الاصطناعي لدعم فني؟

لأتمتة معالجة التذاكر الأولية وتوفير وقت المهندسين. انتقلت MTS إلى وكيل ذكاء اصطناعي لأن نظام RAG السابق تطلب من المتخصصين معرفة صيغة الاستعلامات بشكل صحيح.

كيف يحلل وكيل الذكاء الاصطناعي بـ MTS التذاكر؟

يعالج الوكيل أربع مصادر بيانات: سجل الحوادث في Jira والتوثيق في Confluence وسجلات النظام وقواعد بيانات عنقود تكنولوجيا الإعلانات.

ما مصادر البيانات التي يستخدمها وكيل الذكاء الاصطناعي في الدعم الفني؟

يعمل وكيل الذكاء الاصطناعي بـ MTS مع أربع مصادر: Jira مع سجل الحوادث، و Confluence مع التوثيق، وسجلات النظام وقواعس البيانات.