这是由Evan Miller，Noah Kershaw和Kepler Group的Valerie Renda合着的客座帖子
在开普勒，全球全方位服务的数字营销机构为《财富》 500强品牌提供服务，我们了解创意营销策略与数据驱动的精度之间的微妙平衡。我们的公司名称从有远见的天文学家约翰内斯·开普勒（Johannes Kepler）中汲取灵感，反映了我们致力于使我们的挑战的清晰度和照亮客户的前进道路。
在这篇文章中，我们分享了如何实施亚马逊Q业务通过使整个组织的AI访问民主化，同时保持严格的安全标准，从而改变了我们的运营，导致每位员工在手动工作中的平均每周节省2.7个小时，并改善了客户服务的交付。
挑战：平衡创新与安全
作为与《财富》 500强客户合作的数字营销机构，我们面临着越来越多的使用AI功能的压力，同时确保我们保持最高水平的数据安全性。我们以前的解决方案缺乏基本功能，这使团队成员考虑了更多通用解决方案。具体而言，原始实现缺少关键功能，例如聊天历史记录功能，阻止用户访问或引用其先前的对话。缺乏对话环境意味着用户必须在每次交互中反复提供背景信息。此外，该解决方案没有文件上传功能，将用户限制为仅文本交互。这些限制导致了基本的AI体验，在该体验中，用户通常必须通过重写提示，手动维护上下文以及无法处理不同的文件格式来妥协。受限制的功能最终促使团队探索可以更好地满足其全面需求的替代解决方案。作为国际标准化组织（ISO）27001认证的组织，我们需要一个企业级解决方案，该解决方案将满足我们严格的安全要求而不会损害功能。我们的ISO 27001认证要求严格的安全控制，这意味着公共AI工具不适合我们的需求。我们需要一个可以在我们的安全环境中实现的解决方案，同时完全符合我们严格的安全协议。
为什么我们选择亚马逊Q业务
我们实施亚马逊Q业务的决定是由与我们的需求完全一致的三个关键因素驱动的。首先，因为我们的开普勒情报平台（KIP）基础架构已经居住在亚马逊网络服务（AWS），集成过程是无缝的。我们的亚马逊Q业务实施使用三个核心连接器（亚马逊简单存储服务（Amazon S3），Google Drive和亚马逊雅典娜），尽管我们的更广泛的数据生态系统包括35 45个不同的平台集成，主要通过Amazon S3流动。其次，亚马逊Q业务对不使用我们的数据进行模型培训的承诺满足了我们的基本安全要求。最后，Amazon Q Business应用程序功能使我们能够为日常挑战开发无代码解决方案，使对高效工作流程的访问权力，而无需其他软件开发人员。
实施旅程
我们于2025年初开始我们的亚马逊Q业务实施旅程，由10名参与者组成，并在2月和3月扩展到100个用户，并计划全面部署到500多名员工。在此期间，我们组织了一项以AI为重点的黑客马拉松，该黑客马拉松催化有机采用并引发了创意解决方案。该实现在我们将Amazon Q业务集成到现有的Kepler Intelligence平台中的方式中是独一无二的，将其重新命名为kip ai保持与我们的内部系统的一致性。
KIP AI展示了我们如何将AI功能与现有数据基础架构全面整合。我们使用多个数据源，包括用于存储需求的Amazon S3，亚马逊迅速满足我们的商业智能要求，以及Google Drive进行团队协作。我们系统的核心是我们的自定义提取，转换和负载ETL管道（KIP SSOT），我们设计的旨在将数据馈送到启用AI的分析的快速视图中。我们配置了Amazon Q业务，可以与这些数据源无缝连接，从而使我们的团队成员可以通过Web界面和浏览器扩展访问洞察力。下图显示了KIP AI的架构。
这种集成的方法有助于确保开普勒的员工可以安全地访问AI功能，同时维持对客户至关重要的数据治理和安全要求。通过访问平台可以通过AWS身份和访问管理（IAM），连接到我们的单个签名提供商，以确保只有授权的人员才能使用该系统。这种仔细的安全和访问管理方法对于维持客户的信任至关重要，同时在我们组织中推出AI功能。
变革性用例和结果
亚马逊Q业务的实施彻底改变了我们运营的几个关键领域。我们的信息请求（RFI）响应过程传统上消耗了大量的时间和资源，已经大大简化了。团队现在报告每个RFI响应中节省10多个小时，使我们能够有效地追求更多的商机。
客户沟通也有了很大的改进。该平台可帮助我们从常规电子邮件到全面的状态报告和演示文稿，从常规电子邮件到清晰，一致和及时的通信起草。沟通质量的增强增强了我们的客户关系并改善了服务交付。
也许最重要的是，我们在整个组织中取得了显着的效率提高。我们的员工报告说，手动工作平均每周节省2.7个小时，用户满意度超过87％。该平台使我们能够标准化洞察力生成的方法，确保所有客户端帐户中一致，高质量的服务交付。
展望未来
在接下来的几个月中，当我们扩大Amazon Q业务访问到所有Kepler员工（超过500名）时，我们保持了深思熟虑的部署方法。我们认识到，有些客户对AI使用有具体的要求，并且我们将创新与客户偏好仔细平衡。这种战略方法包括努力更新客户合同，并帮助客户在尊重当前准则的同时对AI集成变得更加满意。
结论
我们在Amazon Q业务的经验展示了如何成功实施企业级AI，同时保持严格的安全标准和尊重客户的偏好。该平台不仅提高了我们的运营效率，而且增强了我们为客户提供一致，高质量服务的能力。特别令人印象深刻的是平台的快速部署能力我们能够在几周内实施解决方案，而无需任何编码要求，并消除了正在进行的模型维护和数据源管理费用。随着我们继续扩大对亚马逊Q业务的使用，我们对在数字营销服务中获得进一步创新和效率提高的潜力感到兴奋。
关于作者
埃文·米勒，全球产品和数据科学负责人是一名战略产品领导者，加入了Kepler 2013。目前担任产品和数据科学的全球主管，他拥有开普勒情报平台（KIP）的端到端产品策略。在他的领导下，基普（Kip）获得了行业认可，获得了最佳绩效管理解决方案和最佳商务技术奖，同时通过自动化机器学习分析和营销组合建模技术等创新功能来推动业务影响。
诺亚·克肖在全球数字营销机构Kepler Group领导产品团队，该机构通过数据驱动的策略帮助品牌与受众建立联系。诺亚（Noah）对创新充满热情，一直处于整合AI解决方案以增强客户服务和简化运营的最前沿。他对利用技术的协作方法和热情一直是将Kepler的未来成为现实生活的关键，从而帮助Kepler及其客户以清晰和精确的态度导航现代营销时代。
数据战略与分析总监Valerie Renda，在数字营销中专门关注数据策略，分析和营销系统策略，这是她从事的领域已有八年的时间。在开普勒，她为各种客户数据管理和Martech策略做出了重大贡献。她一直在领导数据基础架构项目中发挥作用，包括客户数据平台实现，商业智能可视化实现，服务器端跟踪，Martech合并，标签迁移等等。她还领导了工作流量工具的开发，以自动化数据流程并简化广告操作，以改善内部组织流程。
Al Destefano是位于纽约市的Amazon Q GTM团队的高级AI专家。在AWS，他使用技术知识和业务经验来传达使用托管生成AI AWS服务时的切实企业福利。
Sunanda Patel是一位高级客户经理，在管理咨询和IT领域拥有超过15年的专业知识，重点是业务发展和人员管理。在她的整个职业生涯中，Sunanda成功地管理了各种客户关系，从非营利组织到公司和大型跨国企业。Sunanda于2022年加入AWS，担任曼哈顿商业领域的客户经理，现在与战略商业帐户合作，帮助他们在实现复杂业务目标的云过程中成长。
Kumar Karra是AWS支持中小型企业的Sr. Solutions Architect。他是一位经验丰富的工程师，在软件开发生命周期中具有丰富的经验。库马尔（Kumar）希望通过运用技术，领导和业务技能来解决具有挑战性的问题。他拥有佐治亚理工学院的计算机科学和机器学习硕士学位，并位于纽约（美国）。