AvioBook построила агентов для разбора задержек рейсов на Amazon Bedrock AgentCore

Разговоры и события одного рейса

AvioBook, входящая в Thales Group, показала прототип Connected Analytics на Amazon Bedrock AgentCore. Система работает поверх AvioBook Connect — платформы, где экипаж, диспетчеры и наземные службы координируют подготовку самолёта к следующему вылету. Для каждого рейса Connect создаёт flightroom: живой чат, в котором рядом с сообщениями людей сохраняются автоматические события об изменении борта, задержках, новом плане полёта и ходе посадки.

Такой архив содержит и структурированные факты, и рабочий контекст, но сам по себе не объясняет причину задержки. Сотруднику приходится листать историю, сравнивать временные отметки и вручную сопоставлять их с delay code. Connected Analytics позволяет менеджеру авиакомпании или диспетчеру operations control center задать вопрос обычным языком и получить ответ со ссылкой на события, на которых он основан.

Для двух ролей созданы разные агенты. Агент менеджера анализирует историю, повторяющиеся причины и соответствие процедур, а также даёт второе мнение по delay codes. Агент OCC работает с текущими нарушениями расписания, оценивает downstream effects и помогает находить рейсы с наибольшим риском. Пользователь видит только агента и инструменты, разрешённые для его роли, вместо универсального ассистента с доступом ко всем данным.

Как запрос проходит через AgentCore

Пользовательский запрос входит через WebSocket API в Amazon API Gateway. Lambda Authorizer проверяет JWT через Amazon Cognito, после чего Lambda вызывает нужного агента в AgentCore Runtime. Агент обновляет контекст сессии в AgentCore Memory и обращается к инструментам через AgentCore Gateway, который предоставляет функции как MCP targets. Эти функции выполняются в Lambda и формируют запросы к Amazon Athena.

Операционные данные хранятся в Amazon S3 в Parquet и разделены по авиакомпаниям; схему ведёт AWS Glue Data Catalog, а Glue crawler и ETL преобразуют входящий JSON. Ответ возвращается тем же путём вместе с подтверждающими событиями. JWT несёт идентичность пользователя, аккаунт авиакомпании и AWS Region, поэтому каждый запрос привязывается к определённому tenant, а не к общему массиву клиентских данных.

Та же цепочка используется для проверки delay codes. Агент сравнивает записанный код с последовательностью событий и отмечает случаи, где код выглядит неполным или противоречивым. Он не меняет отчёт автоматически: поскольку коды влияют на compliance reporting, результат сформулирован как рекомендация для менеджера. Человек проверяет evidence и остаётся ответственным за решение.

Почему выбрали несколько узких агентов

Перед созданием прототипа AvioBook сравнивала варианты orchestration, управления сессиями и доступа к инструментам. По данным совместной публикации, неделя co-development с AWS позволила подтвердить multi-agent архитектуру, data-access pattern и дизайн агентов. Это срок проверки proof of concept, а не срок выпуска законченного production-продукта: Connected Analytics компания ещё планирует productize для клиентов.

Разделение по персонам ограничивает контекст и набор функций каждого агента. AgentCore Gateway отделяет логику агента от слоя данных, поэтому новый источник можно подключить через дополнительный MCP tool без переписывания всего оркестратора. S3, Athena и Glue были уже знакомыми сервисами в контуре AvioBook, что позволило не создавать отдельную аналитическую платформу только ради прототипа.

Авторы отдельно подчёркивают responsible AI design. Каждый ответ должен опираться на извлечённые операционные данные и показывать evidence, а не требовать доверия к свободному пересказу модели. Вывод служит отправной точкой для менеджера или диспетчера, не автоматическим действием. Кроме того, Connected Analytics находится за пределами сертифицированных систем лётной годности самолёта: это советующий слой для наземных решений.

Экономика задержки и границы заявленных результатов

AWS и AvioBook оценивают потерянное у гейта время примерно в $20 за минуту. Для условной авиакомпании с 200 рейсами в день сокращение среднего turnaround на две минуты даёт расчётный эффект около $240 тыс. в месяц; ещё две–четыре минуты потенциального улучшения процессов оцениваются до $495 тыс. в месяц. Это иллюстративная модель из публикации, а не зафиксированная экономия от самого AI-прототипа.

Отдельно приведён эксплуатационный результат существующей платформы AvioBook Connect: за один летний сезон европейский перевозчик среднего размера избежал более четырёх тысяч часов задержек, из которых 124 часа связаны с сокращением звонков и ручных согласований. Публикация не раскрывает перевозчика, метод counterfactual расчёта и вклад Connected Analytics, поэтому эту цифру корректно считать клиентским case study базовой платформы, а не контролируемым испытанием агентов.

Следующий рассматриваемый шаг — proactive anomaly alerting. Пользователь сможет задать условия, например слишком долгий процесс или формирующийся паттерн задержек, а агент будет следить за поступающими данными и поднимать совпадения до прямого вопроса. Поскольку доступ уже оформлен модульными инструментами Gateway, этот режим может использовать тот же data layer. Но в текущей публикации он обозначен как направление исследования, а не готовая функция.

Практическая ценность схемы — в соединении двух типов свидетельств: машинных событий и разговора людей вокруг рейса. Это даёт шанс объяснять задержку полнее одного кода и быстрее находить сетевой эффект. Одновременно архитектура сознательно не передаёт агенту право исправлять отчёт или управлять самолётом. Для production-приёмки понадобятся измерения точности причинных выводов, полноты evidence, tenant isolation и времени ответа на данных каждой авиакомпании.