新上线4天前0 投票
用Amazon Bedrock AgentCore打造企业AI助手，成本直降97%
企业AI Agent的实战：成本降97%背后的技术选择
在HR系统运营中，员工通勤津贴审批、浏览器自动化操作等重复性任务往往占据大量人力。近日，AWS生成式AI创新中心（GenAIIC） 与日本HR系统开发商 Works Human Intelligence（WHI） 合作，利用 Amazon Bedrock AgentCore 构建了两款AI Agent，成功将运营成本降低高达 97%，同时大幅提升效率。
两大AI Agent：从审批到操作的自动化
项目聚焦两个核心场景：
- 通勤津贴审批Agent：自动处理员工搬家等事件引发的通勤津贴申请审批。此前WHI基于LangGraph、Amazon ECS和AWS Fargate进行概念验证（PoC），但在Amazon Bedrock AgentCore发布后，团队决定迁移至这一更集成的多Agent环境。
- 浏览器操作Agent：代表客户操作HR系统“COMPANY”，实现自动化数据录入与查询。
挑战与解决方案：为什么选择AgentCore？
WHI在开发中面临两大痛点：
- 多Agent协同难：原有方案需手动编排多个独立服务，维护成本高。
- 认证与授权复杂：需要为每个Agent单独集成身份验证，安全风险高。
借助 Amazon Bedrock AgentCore，WHI实现了：
- 统一的多Agent编排：AgentCore原生支持多Agent协作，无需额外中间件。
- 内置安全机制：结合AWS Fargate与Amazon Cognito，实现细粒度权限控制。
最终，迁移后的系统不仅降低了97%的运营成本，还让审批流程从数小时缩短至分钟级。
行业启示：AI Agent落地的关键路径
这一案例为希望部署AI Agent的企业提供了重要参考：
- 选择正确的平台：Amazon Bedrock AgentCore等托管服务可大幅减少基础设施管理负担。
- 渐进式迁移：从PoC到生产环境，逐步替换组件，降低风险。
- 聚焦高价值场景：优先自动化高频、规则明确的业务，快速见效。
随着生成式AI在企业级应用中的深化，AI Agent正从概念验证走向规模化落地。WHI与AWS的合作表明，通过合理的技术选型与架构优化，企业完全能在控制成本的同时，释放AI的生产力潜能。