Rocket Close, công ty thẩm định và bảo hiểm bất động sản trực thuộc Rocket Companies, đã đối mặt với tình trạng tắc nghẽn trong hoạt động do quy trình thẩm định thủ công, phức tạp và đặc thù theo từng tiểu bang. Để giải quyết thách thức này, công ty đã hợp tác với AWS xây dựng Supercharger, một giải pháp AI tác tử (agentic AI) giúp tự động hóa các tác vụ nghiên cứu chuyên sâu, mang lại hiệu quả vượt trội cho doanh nghiệp.
Giải pháp này đã giúp giảm 30% lượng cuộc gọi và email đến trung tâm liên hệ, cải thiện độ chính xác của việc thẩm định và nâng cao đáng kể trải nghiệm khách hàng. Bài viết này sẽ phân tích cách Rocket Close đã xây dựng giải pháp bằng cách sử dụng các công cụ như Strands Agents, Amazon Bedrock, và Amazon Bedrock Knowledge Bases.
Thách thức trong quy trình thẩm định thủ công
Khi nhu cầu về các khoản vay và thế chấp tăng lên, hoạt động thẩm định quyền sở hữu bất động sản trở thành một điểm nghẽn lớn. Các chuyên viên thẩm định phải xác minh dữ liệu từ nhiều nguồn phân mảnh, bao gồm hệ thống nội bộ, hướng dẫn của tiểu bang và các yêu cầu riêng của từng hạt. Công việc này tốn nhiều thời gian và bị chậm lại do các quy tắc phức tạp, chẳng hạn như quy định về chứng thực di chúc hay mã số thuế.
Ví dụ, một chuyên viên có thể mất hàng giờ chỉ để tìm hiểu một yêu cầu cụ thể về ghi nhận hồ sơ của một hạt, gây ảnh hưởng đến năng suất và khả năng đáp ứng của đội ngũ trước lượng khách hàng ngày càng tăng.
Supercharger: Giải pháp AI tác tử trên nền tảng AWS
Để giải quyết những thách thức này, Rocket Close đã tạo ra Supercharger, một giải pháp agentic AI (AI có khả năng tự chủ lập kế hoạch và hành động) được thiết kế để giảm thiểu sự phức tạp trong quy trình cho vay và mua nhà. Giải pháp này kết hợp kiến thức chuyên sâu về thẩm định và hoàn tất giao dịch để hướng dẫn nhân viên xử lý hồ sơ thông qua các tương tác bằng ngôn ngữ tự nhiên.
Supercharger được xây dựng trên một bộ công cụ mạnh mẽ của AWS, bao gồm:
- Strands Agents: Một SDK mã nguồn mở để xây dựng các agent AI.
- Amazon Bedrock: Dịch vụ cung cấp quyền truy cập vào các mô hình ngôn ngữ lớn (LLM) hàng đầu như Claude của Anthropic.
- Amazon Bedrock Knowledge Bases: Giúp LLM truy xuất thông tin từ các nguồn dữ liệu riêng của công ty.
- Amazon Bedrock Guardrails: Đảm bảo an toàn và tuân thủ bằng các biện pháp kiểm soát truy cập thông minh.
Supercharger tích hợp với các cơ sở dữ liệu vận hành của Rocket Close, chứa thông tin đơn hàng, quy trình chuẩn và chính sách thẩm định cấp tiểu bang. Sơ đồ dưới đây minh họa các thành phần cốt lõi của giải pháp.
Cốt lõi của Supercharger là một agent chuyên biệt điều khiển cuộc trò chuyện với các nhóm vận hành thông qua sáu khả năng kết nối với nhau, bao gồm phân tích hội thoại, hỗ trợ thẩm định, tích hợp API, kiểm soát tuân thủ, ghi log và giám sát, và truy cập hợp nhất vào nhiều nguồn dữ liệu.
Kiến trúc và luồng hoạt động
Khi một nhân viên vận hành đặt câu hỏi, yêu cầu sẽ đi qua một luồng xử lý được tối ưu hóa như trong sơ đồ kiến trúc dưới đây.
Luồng hoạt động chính bao gồm các bước sau:
- Khởi tạo kết nối: Người dùng bắt đầu kết nối qua WebSocket với một token xác thực.
- Xác thực token: Nhà cung cấp danh tính xác thực token và thiết lập kết nối WebSocket.
- Gọi agent: Strands Agent được kích hoạt, bắt đầu quy trình agentic dựa trên prompt hệ thống và đầu vào của người dùng.
- Truy vấn Knowledge Base: Agent tìm kiếm các chính sách và quy trình liên quan trong cơ sở tri thức.
- Lựa chọn công cụ: Agent xác định hàm nào cần gọi và với tham số nào.
- Thực thi công cụ: Các công cụ dựa trên Model Context Protocol (MCP) xử lý yêu cầu, truy xuất thông tin đơn hàng từ API.
- Tổng hợp ngữ cảnh: Hệ thống truy vấn cơ sở tri thức để lấy ngữ cảnh cụ thể của đơn hàng.
- Phản hồi: Phản hồi tổng hợp được truyền trực tiếp trở lại người dùng thông qua WebSocket.
Kiến trúc dựa trên công cụ MCP cho phép hệ thống dễ dàng mở rộng, bảo trì và linh hoạt trong việc lựa chọn công cụ phù hợp cho từng truy vấn.
Tác động kinh doanh và lợi ích thực tiễn
Supercharger đã mang lại những cải thiện hiệu quả hoạt động ngay lập tức cho các nhóm vận hành và quan hệ khách hàng của Rocket Close. Khả năng trả lời câu hỏi của giải pháp đã giảm 30% số lượng cuộc gọi và email đến trung tâm liên hệ.
Bằng cách khai thác các cơ sở tri thức độc quyền của Rocket Close và tăng cường Supercharger với khả năng AI tác tử, đội ngũ của chúng tôi đã có thể thay đổi cách các thành viên tương tác với dữ liệu đơn hàng phức tạp và thực hiện các tác vụ hàng ngày. Điều này không chỉ nâng cao năng suất mà còn thay đổi cách thức hoàn thành công việc. Bằng cách tích hợp khả năng trả lời câu hỏi của Supercharger với các giao diện chat bên ngoài, chúng tôi đã tiết kiệm được hàng nghìn cuộc gọi và email mỗi tháng cho trung tâm liên hệ, giúp chúng tôi mở rộng quy mô tốt hơn và mang lại trải nghiệm khách hàng tốt hơn.
– Bryan Bedard, Phó Chủ tịch Khoa học Dữ liệu, Rocket Close
Các lợi ích chính khác bao gồm:
- Cải thiện độ chính xác: Các thông tin chuyên sâu theo thời gian thực về đơn hàng giúp giảm tải nhận thức, tối thiểu hóa thời gian nghiên cứu và tăng độ chính xác trong việc ra quyết định.
- Nâng cao sự hài lòng của khách hàng: Tự động hóa các tác vụ thông thường và soạn thảo thông tin liên lạc thay mặt khách hàng.
- Tối ưu hóa hiệu năng: Các kỹ thuật tinh chỉnh kiến trúc và prompting đã giúp giảm 3 lần độ trễ (latency) và cắt giảm chi phí vận hành.
Bài học kinh nghiệm cho doanh nghiệp
Trong quá trình triển khai Supercharger, đội ngũ của Rocket Close đã đúc kết được một số bài học quan trọng có thể định hình chiến lược AI cho các doanh nghiệp khác:
- Tối ưu hóa truy xuất dữ liệu: Kiến trúc cần được thiết kế để truy xuất thông tin cần thiết trong một lệnh gọi duy nhất, thay vì nhiều truy vấn cơ sở dữ liệu, để đảm bảo hiệu suất.
- Tách biệt các thành phần: Việc tách biệt rõ ràng logic giữa Strands Agents và các công cụ MCP tạo ra một nền tảng linh hoạt, dễ dàng phát triển.
- Prompting hiệu quả: Tập trung vào việc mô tả kết quả mà agent cần đạt được, thay vì chỉ dẫn cách làm từng bước, cho phép agent tận dụng khả năng suy luận vốn có của nó.
- Tầm quan trọng của siêu dữ liệu (metadata): Lọc siêu dữ liệu trong knowledge base giúp tăng cường độ chính xác khi truy xuất.
- Sự bảo trợ từ ban lãnh đạo: Sự ủng hộ của cấp quản lý và quản lý thay đổi là yếu tố quan trọng để triển khai dự án đúng thời hạn.
Những bài học này đều quy về một nguyên tắc chung: thiết kế các giải pháp tận dụng trí thông minh vốn có của agent thay vì giới hạn nó sẽ giúp giải pháp mạnh mẽ và dễ bảo trì hơn trong dài hạn.
