Trane Technologies собрала AI-агента, который сократил поиск ответа по работе HVAC-оборудования с 20 минут до 20 секунд. Это внутренний результат компании, а не независимый тест, но он показывает один из самых убедительных сценариев для агентов: не сочинять текст, а быстро доставать нужные данные из сложной операционной системы.
Как пишет AWS Machine Learning Blog, раньше сотруднику приходилось сверять несколько дашбордов, проходить многоуровневые меню и вручную связывать данные из разных экранов. Trane Cloud уже агрегировал телеметрию миллионов подключенных HVAC-активов, включая текущие и исторические показатели, неисправности и энергопотребление. Проблемой оказался не дефицит данных, а путь до ответа.
Команда Trane за 3–4 недели построила разговорный интерфейс на Amazon Bedrock AgentCore и Strands. Во внутреннем бенчмарке с техниками, который шел несколько недель, типовой многоэкранный сценарий занял 20 секунд вместо 20 минут. AWS и Trane называют это 60-кратным ускорением времени до получения нужной информации.
Что именно сработало
Архитектуру разделили на два слоя. Агент решает, что спросить и как собрать ответ, а выполнение запросов к данным проходит через централизованный шлюз инструментов. AgentCore отвечает за среду исполнения, память, шлюз и инфраструктуру, Strands задает поведение и оркестрацию агента.
Вместо одного универсального помощника Trane использует несколько специализированных. Один ищет и пересказывает справочные материалы, другой отвечает на технические вопросы, третий анализирует живую телеметрию, ищет причины сбоев и возможности повысить эффективность. Отдельные помощники поддерживают подбор решений и навигацию.
Ответ зависит от роли пользователя. Технику нужны давления хладагента, коды ошибок и последовательность диагностики. Менеджеру важнее показатели доступности, экономия и состояние портфеля объектов. Владелец здания получает сводные показатели эффективности. Доступ при этом ограничивается правами пользователя.
Практический вывод: агентный проект стоит считать не от числа замененных сотрудников, а от времени до операционного ответа. Если данные уже существуют, но спрятаны за десятком экранов, единый шлюз инструментов и агент поверх него могут дать эффект без создания еще одного дашборда, который вскоре тоже придется искать в меню.
Ограничение существенное: опубликованный показатель описывает скорость получения ответа. В материале нет данных о точности этих ответов, сокращении времени ремонта или снижении простоя оборудования. Поэтому 60x пока нельзя автоматически превращать в экономический эффект. Но как ориентир для компаний с собственной телеметрией кейс полезен: сначала измерьте навигационную задержку, затем проверьте, сколько из нее действительно способен убрать агент.