HEMA implementa assistente de IA para reduzir tempo de busca de informações

A HEMA, uma varejista holandesa com mais de 100 anos de história, enfrentava um desafio comum em muitas organizações: a busca por informações relevantes em diferentes portais e sistemas. Para resolver esse problema, a empresa decidiu criar um assistente de IA interno chamado HAL, que utiliza o Model Context Protocol (MCP) e a plataforma Amazon Bedrock AgentCore.

O objetivo principal de HAL era consolidar o conhecimento fragmentado da HEMA em uma única fonte de verdade governada, e entregá-lo aos funcionários onde eles já trabalhavam, em vez de forçá-los a visitar outro portal. Com o MCP, a HEMA pode expor cada fonte de conhecimento apenas uma vez, permitindo que os clientes compatíveis com MCP, como o chat web HAL, Kiro, Claude e outros agentes, consumam as mesmas ferramentas sem trabalho personalizado.

A escolha da Amazon Bedrock AgentCore foi motivada pela capacidade de construir, conectar e otimizar agentes em escala, com qualquer framework ou modelo. Isso permitiu que a HEMA construísse HAL sem precisar criar e operar infraestrutura de servidor MCP personalizada. Além disso, a plataforma oferece recursos de segurança, como Entra ID OAuth, acesso somente leitura e controle de acesso baseado em grupos do Active Directory.

O desenvolvimento de HAL ocorreu em duas etapas deliberadas. Primeiramente, a equipe criou um assistente autônomo com sua própria interface de chat. Em seguida, uma vez que essa base se provou sólida, a HEMA abriu o assistente para as ferramentas que as pessoas já utilizavam por meio do MCP. O agente HAL é um agente Strands embalado como um contêiner Linux/ARM64 e hospedado no runtime do AgentCore, juntamente com a memória do AgentCore (contexto de conversa de curto prazo) e os guardrails da Amazon Bedrock (nível padrão, inferência de região cruzada da UE para suporte à língua holandesa).

A HEMA começou com os dados estruturados que já possuía, o catálogo de serviços, e adicionou a documentação de maior valor, priorizando por dor e frequência de perguntas. Por trás de HAL, existem várias bases de conhecimento construídas na Amazon Bedrock Knowledge Bases, a capacidade de geração de recuperação aumentada (RAG) totalmente gerenciada: documentação de TI e "como fazer", especificações de API/OpenAPI, tópicos de transmissão de eventos Kafka e seus esquemas Avro, canais de troca de dados da Camada de Consolidação de Dados (DCL) e o catálogo de serviços (pessoas, equipes, serviços e APIs).

Com HAL, a HEMA conseguiu reduzir significativamente o tempo de busca de informações para os funcionários, tornando o processo mais eficiente e produtivo. Além disso, a empresa planeja expandir as capacidades de HAL, transformando-o de uma camada de conhecimento somente leitura em uma camada de ação, permitindo que os funcionários realizem tarefas e ações diretamente a partir do assistente.

Essa implementação de assistente de IA pode ser um exemplo para outras empresas que enfrentam desafios semelhantes em termos de busca de informações e produtividade. A combinação do MCP e da Amazon Bedrock AgentCore pode ser uma solução eficaz para consolidar o conhecimento e entregá-lo aos funcionários de forma eficiente e segura. Além disso, a capacidade de expandir as capacidades do assistente para incluir ações e tarefas pode ser um passo importante para aumentar a produtividade e a eficiência nas organizações.