Команда цифрового клиентского опыта Hapag-Lloyd, распределённая между Гамбургом и Гданьском, обслуживает сотни тысяч пользователей веб- и мобильных приложений ежемесячно. Каждый из них может оставить оценку и текстовый комментарий. До недавнего времени продакт-менеджеры раз в две недели вручную выгружали эти данные в CSV, читали сотни строк и самостоятельно определяли тональность и тематику — процесс, который в пиковые периоды растягивался на несколько дней.
Теперь этот цикл полностью автоматизирован. AWS Lambda-функция запускается раз в сутки, забирает новые отзывы и передаёт их в Amazon Bedrock, который классифицирует тональность каждого комментария: позитивная, негативная, смешанная или нейтральная. Обработанные записи индексируются в Amazon OpenSearch Service, выступающем одновременно полнотекстовым поисковиком и векторной базой данных. Через OpenSearch Dashboards любой стейкхолдер видит распределение тональности, динамику оценок и объём обратной связи в реальном времени — с фильтрацией по периоду, версии продукта и конкретным функциям.
| Компонент | Технология | Функция |
|---|---|---|
| Ежедневный сбор отзывов | AWS Lambda | Забирает новые записи раз в сутки |
| Классификация тональности | Amazon Bedrock | Определяет позитивную, негативную, смешанную или нейтральную тональность |
| Хранение и поиск | Amazon OpenSearch Service | Полнотекстовый поиск и векторная база данных |
| Дашборды | OpenSearch Dashboards | Визуализация трендов, фильтрация по периоду и продукту |
| Внутренний чат-бот | Claude Sonnet 4.6 + LangGraph | Ответы на вопросы на естественном языке |
| Оркестрация конвейера | LangChain | Модульная обработка данных и интеграции |
| Двухнедельный отчёт | AWS Lambda + Amazon SES | Автоматическая рассылка метрик командам |
| Деплой инфраструктуры | AWS CloudFormation | Воспроизводимое развёртывание всей системы |
Отдельный элемент системы — внутренний чат-бот для продакт-менеджеров и команд поддержки. Он использует модель Claude Sonnet 4.6 через Amazon Bedrock и обращается к индексу OpenSearch как к базе знаний. Пользователь может спросить на естественном языке — например, «Какие проблемы клиенты упоминают чаще всего после последнего обновления?» — и получить структурированный ответ с контекстом. Для обеспечения соответствия корпоративным стандартам и требованиям комплаенса подключены Bedrock Guardrails.
Новый конвейер ежедневно собирает отзывы, классифицирует тональность через Amazon Bedrock и индексирует данные в OpenSearch.
Оркестрация — ключевой архитектурный слой решения. Конвейер обработки данных (анализ тональности, генерация эмбеддингов, индексирование) построен на LangChain, который предоставляет модульные компоненты для вызова моделей и интеграции с внешними системами. Чат-бот реализован на LangGraph с мультиагентной архитектурой: каждый ассистент описан декларативно и самостоятельно выбирает нужные инструменты в зависимости от запроса, не следуя жёсткому сценарию. Вся инфраструктура разворачивается через AWS CloudFormation.
Каждые две недели вторая Lambda-функция агрегирует данные за период и автоматически рассылает отчёт с ключевыми метриками, трендами и разбивкой по тональности. Этот отчёт напрямую питает спринт-планирование и дорожные карты продуктов. Раньше подготовка аналогичного документа была ручной работой, которая конкурировала со временем на стратегические задачи.
Amazon Bedrock как платформа предоставляет доступ к моделям от Anthropic, Meta, Mistral AI, Cohere, DeepSeek и других через единый API, что упрощает смену или комбинирование моделей без переработки инфраструктуры. Для Hapag-Lloyd выбор Claude Sonnet 4.6 обусловлен его производительностью в многоходовых диалогах и агентных сценариях — именно то, что нужно для интерактивного исследования обратной связи.
Кейс показателен тем, что автоматизация здесь не заменяет продакт-менеджера в принятии решений, а снимает с него операционную нагрузку по сбору и первичной интерпретации данных. Схожие подходы — RAG-архитектура поверх корпоративных данных плюс агентный чат-бот — сегодня тиражируются в крупных компаниях разных отраслей, однако в логистике с её географической распределённостью и объёмом клиентских взаимодействий выигрыш от масштабирования особенно ощутим.
