☁️AWS Machine Learning Blog•最新收集於 20m
Fanatics 打造多代理投注客服系統
#multi-agent#customer-support#responsible-gaming#sports-bettingfanatics-betting-and-gaming-multi-agent-supportfanatics-betting-and-gamingaws
💡了解如何為受監管流程與突發流量高峰設計多代理客服架構。
⚡ 30-Second TL;DR
有什麼變化
使用多個專業代理處理複雜的體育投注客服流程。
為什麼重要
此系統為企業在高度監管且高流量的環境中部署代理式客服，提供了實務參考。其領域專用路由與合規設計，有助於降低單一通用客服代理所帶來的風險。
下一步行動
建立多代理 AWS 客服流程原型，並以各州規則、負責任遊戲情境及模擬賽事流量進行測試。
誰應關注：Developers & AI Engineers
關鍵要點
- •使用多個專業代理處理複雜的體育投注客服流程。
- •在客戶互動中納入各州特定規則與法規差異。
- •支援即時負責任遊戲控管，以及重大賽事期間的流量高峰。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Fanatics 採用 Amazon Bedrock 作為其生成式 AI 應用程式的基礎，利用其託管服務存取多種大型語言模型（LLM）。
- •該系統整合了 Amazon EventBridge 與 AWS Lambda，實現了事件驅動的架構，能即時觸發客服流程以應對投注異常。
- •Fanatics 透過 Amazon DynamoDB 儲存各州即時變動的法規數據，確保 AI 代理在處理查詢時能動態調用最新的合規性參數。
- •系統導入了 Amazon SageMaker 進行模型監控與評估，以確保 AI 代理的回應符合負責任博弈（Responsible Gaming）的嚴格監管標準。
- •該架構利用 AWS Step Functions 編排複雜的客服工作流程，將單一請求拆解為多個專業代理（Agent）協作，提升處理效率與準確度。
📊 競品分析▸ Show
| 特色/比較項目 | Fanatics (AWS 多代理系統) | DraftKings (傳統客服架構) | FanDuel (混合式客服) |
|---|---|---|---|
| 架構模式 | 全雲端多代理協作 | 集中式 CRM + 規則引擎 | 雲端基礎 + 外部 AI 整合 |
| 法規適應性 | 動態即時更新 (DynamoDB) | 靜態規則庫更新 | 混合式更新 |
| 擴展性 | 極高 (Serverless 架構) | 中高 (需預留資源) | 高 |
| 負責任博弈 | AI 即時監控與介入 | 規則觸發式警報 | 混合式監控 |
🛠️ 技術深入
- 採用多代理（Multi-Agent）架構，將任務劃分為意圖識別、法規檢索、帳戶驗證與回應生成等獨立模組。
- 利用 RAG（檢索增強生成）技術，將各州投注法規文件向量化並儲存於 Amazon OpenSearch Service，確保回應具備法律依據。
- 實作了人機協作（Human-in-the-loop）機制，當 AI 代理信心分數低於閾值時，自動將對話轉接至真人客服。
- 使用 AWS CloudTrail 與 Amazon CloudWatch 進行全鏈路日誌記錄，以滿足博弈產業對客服互動軌跡的審計要求。
🔮 前景展望AI analysis grounded in cited sources
Fanatics 將在 2027 年前實現超過 80% 的客服自動化處理率。
隨著多代理系統在處理複雜法規與即時賽事流量的成熟度提升，人工介入的需求將顯著下降。
該多代理架構將被 Fanatics 擴展至其體育電商平台，實現跨業務線的統一客戶體驗。
AWS 上的模組化架構設計具備高度可移植性，能輕易整合投注與零售業務的數據孤島。
⏳ 時間線
2023-01
Fanatics Betting and Gaming 正式收購 PointsBet 美國業務，加速市場擴張。
2023-08
Fanatics Sportsbook 在多個州正式上線，開始部署雲端基礎設施。
2024-05
Fanatics 開始與 AWS 深度合作，著手開發基於生成式 AI 的客服自動化解決方案。
2025-11
多代理客服系統在重大賽事期間進行壓力測試，成功處理流量高峰。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： AWS Machine Learning Blog ↗