Formula 1 и AWS запустили Data Accelerator — решение на базе Amazon Bedrock AgentCore, которое автоматизирует онбординг данных в маркетинговой платформе Customer 360. Раньше подключение одного источника требовало 6–8 недель ручной работы инженеров: они писали схемы, настраивали пайплайны и проверки качества, определяли классификацию GDPR. Из-за этого, по словам директора по ИТ F1 Криса Робертса, образовался 18-месячный бэклог на интеграцию всего 12 новых источников.
Data Accelerator использует агентный ИИ: команда загружает документ с бизнес-требованиями (BRD) в Amazon S3, а агенты в Amazon Bedrock AgentCore сами генерируют конфигурационные файлы, код трансформаций, инфраструктуру и политики управления. Затем они через GitHub App создают pull request в стандартный репозиторий. Весь процесс занимает около 40 минут на генерацию кода плюс несколько часов на развёртывание. Это критично для платформы, которая обрабатывает взаимодействия 800 млн болельщиков с каналов продаж билетов, стриминга, соцсетей, спонсоров и мерча.
| Рабочий поток | Что делает |
|---|---|
| Агентный онбординг | Генерация конфигурации и кода по BRD |
| Эволюция схемы | Автоматическое обнаружение и исправление изменений в источниках |
| Единый доступ | Amazon SageMaker Unified Studio для аналитиков, инженеров и учёных |
| Наблюдаемость | Сквозная трассировка с анализом первопричин и контекстным графом |
| Автоисправление | Выявление сбоев в дашбордах и исправление через код |
| Идентификация клиентов | Оптимизация алгоритмов объединения контактов по каналам |
Решение состоит из пяти параллельных рабочих потоков: агентный онбординг, автоматическое обнаружение и исправление изменений схемы, единый доступ через Amazon SageMaker Unified Studio, сквозная наблюдаемость с анализом первопричин и автоматическое исправление сбоев. Шестой поток оптимизирует алгоритмы идентификации клиентов, которые объединяют взаимодействия с болельщиком по всем каналам. Руководитель отдела данных F1 Мэтт Кемп отмечает, что ручной ввод данных приводит к расхождениям и проблемам с целостностью, а новый процесс повторяем и надёжен.
Платформа F1 обрабатывает данные 800 млн болельщиков из соцсетей, стриминга, продаж билетов и мерча.
Раньше при спорном показателе инженерам приходилось вручную искать причину по S3-путям, таблицам Amazon Redshift, логам Airflow и выводам DBT. Теперь данные о происхождении и аномалиях видны в едином окне, а часть ошибок агенты исправляют сами, если проблема решается изменением кода. Для индустрии это пример, как агентные ИИ берут на себя рутинные операции с данными, а не только генерируют текст.
