«Не просить ИИ заменить инженеров»: Aderant перевела разбор тикетов на Amazon Nova Lite

Что построила Aderant

Aderant, поставщик систем управления для юридических фирм, построила Intelligent Ticket Analyzer — систему разбора обращений в поддержку на базе Amazon Nova Lite через Amazon Bedrock. Пост в блоге AWS Machine Learning написан сотрудниками Aderant Angela Mapes и Adam Walker вместе с Darsh Ajmera и Peter Chung из AWS.

Анализатор поддерживает команду SierraOps из 38 человек, которая ведёт Expert Sierra в 268 клиентских окружениях по всему миру. Он проверяет новые нераспределённые тикеты в ежечасных циклах по рабочим дням, собирает операционный контекст из Jira, Confluence, Amazon Athena и Microsoft SharePoint, рекомендует команду и отправную точку решения, а согласованные действия по маршрутизации и коммуникации выполняет сам.

Задача: убрать рутину, не потеряв контроль

Команда обрабатывает в среднем 34–40 обращений в неделю, и до автоматизации каждый тикет требовал 15–25 минут ручного разбора, прежде чем начиналась работа по существу: нужно было понять запрос, найти детали клиентского окружения, определить владельца, поднять документацию и историю обращений. Ошибочно направленные тикеты могли задержаться в чужой очереди, а менее опытным сотрудникам требовались время или подсказка старшего инженера.

Задача формулировалась как автоматизация повторяемых разысканий с сохранением ручной проверки для решений с низкой уверенностью.

Пять стадий и один Lambda

Решение — серверный workflow, которым управляет одна функция AWS Lambda, запускаемая по расписанию Amazon EventBridge каждый час по будням. Для каждого нераспределённого тикета в очереди CloudOps выполняются пять стадий: Identify — забрать тикет из Jira; Enrich — подтянуть метаданные клиента из Amazon Athena, знания из Confluence и SharePoint, похожие закрытые тикеты из Jira; Classify — отправить тикет вместе с собранным контекстом в Amazon Nova Lite через Amazon Bedrock Converse API; Act — опубликовать разбор, переназначить ошибочно направленные тикеты, уведомить нужный канал Microsoft Teams; Observe and improve — вывести метрики в Amazon CloudWatch и отправить классификации с низкой уверенностью на проверку человеку.

Маршрутизация и переназначение работают автономно, когда уверенность выше заданного порога, а команда еженедельно разбирает исправления маршрутов и уточняет промпты и логику.

Почему именно Nova Lite

Модель выбирали, сравнивая несколько фундаментальных моделей в Amazon Bedrock на реальных данных тикетов. Аргументов было три: на одном и том же контенте Nova Lite, по наблюдению команды, извлекала более конкретные шаги решения и лучше связывала прошлые проблемы; модель встраивается в Converse API, IAM, AWS SDK и уже существующее окружение без отдельного контракта с внешним поставщиком модели; экономика позволяет разбирать и рутинные тикеты, а не только приоритетные.

Цифры первых 2,5 недель

С 30 июня по 17 июля 2026 года анализатор разобрал 109 тикетов и показал точность маршрутизации около 96% — это четыре ошибочных назначения. От измеренной базовой линии до автоматизации Aderant отсчитывает экономию 8–14 инженерных часов в неделю, то есть 32–56 часов в месяц. Стоимость всей системы — меньше $30 в месяц, из них инференс в Bedrock — меньше $1.

Точность измеряли, сравнивая назначение анализатора с командой, которая в итоге закрыла тикет, а экономию времени считали от четырёх недель базовой линии в 15–25 минут ручного разбора. Сама Aderant просит читать эти цифры как результат начального периода эксплуатации, а не как долгосрочный бенчмарк.

Границы данных, примеры и планы

Анализатор работает с внутренними операционными данными тикетов, операционными метаданными и внутренними базами знаний; данных о делах клиентов и бизнес-данных клиентских приложений он не читает, не обрабатывает и не хранит. Отдельная функция — поиск повторяющихся проблем у клиентов на одной версии ПО: при достижении порога workflow фиксирует паттерн, обновляет страницу учёта в Confluence, следит за подтверждёнными исправлениями и связывает с найденным решением будущие похожие тикеты.

В примерах из прода: тикет про ошибку 404 на сайте Azure DevOps уехал в очередь CloudOps AWS, анализатор определил его как проблему CloudOps Azure, обновил поле команды и уведомил автора о перенаправлении; запрос на настройку удалённого доступа после рабочих часов инженер закрыл менее чем за 30 минут на следующее утро без дополнительных разысканий.

От идеи до продакшена прошло пять недель: сначала правило в Jira-автоматизации, затем проверка подхода на агенте Amazon Quick CloudOps Helper, потом сборка на Lambda и Nova Lite, где Kiro помогал с интеграционной обвязкой и тестами, и две недели работы в режиме мониторинга, когда классификации сравнивали с решениями людей. В прод решение вышло 30 июня 2026 года. Дальше компания хочет связывать тикеты в историю по клиенту, оценить Amazon Bedrock Knowledge Bases для семантического сопоставления и сохранить разделение ролей: анализатор — для планового разбора, CloudOps Helper — для глубоких разысканий по запросу.