Grab cắt giảm công việc phân tích cơ học từ 44% xuống 30% với các đại lý AI

Trang chủ InfoQ Tin tức Grab cắt giảm công việc phân tích cơ học từ 44% xuống 30% với các đại lý AI Kiến trúc & Thiết kế Grab cắt giảm công việc phân tích cơ học từ 44% xuống 30% với các đại lý AI Ngày 17 tháng 8 năm 2026 2 đọc tối thiểu bởi Leela Kumili Theo dõi chúng tôi trên Người theo dõi Youtube232K Linkedin26K người theo dõi InstagramMới Người đọc RSS19K Người theo dõi X57.1k Facebook21K lượt thích BlueskyMới Hãy nghe bài viết này - 0:00 Âm thanh sẵn sàng để phát Trình duyệt của bạn không hỗ trợ phần tử âm thanh. 0:00 0:00 Bình thường1,25x1,5x thích Danh sách đọc Grab đang sử dụng các tác nhân AI để tự động hóa quy trình phân tích, giảm tỷ lệ công việc thường ngày do các nhà phân tích xử lý và rút ngắn thời gian cần thiết để trả lời các câu hỏi kinh doanh. Công ty báo cáo rằng tỷ lệ phiếu cơ học do các nhà phân tích xử lý đã giảm từ 44% trong tháng 2 xuống 30% trong tháng 6, bao gồm các nhiệm vụ như chuẩn bị dữ liệu, cảnh báo và báo cáo. Cách tiếp cận này dựa trên mô hình tự chủ năm cấp xác định mức độ quy trình phân tích mà một tổng đài viên có thể sở hữu trong khi vẫn duy trì sự giám sát của con người. Ở Cấp độ 3, con người đặt câu hỏi và xem xét kết quả trong khi các nhân viên khám phá dữ liệu, viết và thực hiện các truy vấn, xác thực kết quả và phân tích dự thảo. Ở Cấp độ 4, các tổng đài viên có thể lập kế hoạch và sắp xếp quy trình công việc trong khi con người xem xét các cổng đã xác định. Cấp độ 5 thể hiện quyền tự chủ từ đầu đến cuối, trong đó con người đặt ra các mục tiêu, ngưỡng chất lượng và quy tắc leo thang. Grab duy trì trách nhiệm của con người đối với các định nghĩa số liệu, giải thích nguyên nhân, giả định kinh doanh và quyết định cuối cùng. Maanas Prabhakar, người đứng đầu bộ phận phân tích tại Grab, đã nhấn mạnh vai trò đang thay đổi của các nhà phân tích trong một bài đăng trên LinkedIn: Câu hỏi khó hơn là nhà phân tích sẽ làm gì khi một tác nhân xử lý việc chuẩn bị dữ liệu, phân tích và mọi thứ khác. Hệ thống Spartan của Grab áp dụng mô hình này cho các yêu cầu phân tích ngôn ngữ tự nhiên, bao gồm cả các câu hỏi được gửi qua Slack. Hệ thống sử dụng hơn 50 kỹ năng và 120 khung phân tích để định tuyến các yêu cầu đến các quy trình công việc chuyên biệt. Câu hỏi về nguyên nhân cốt lõi có thể kích hoạt phân tích trên các số liệu được chứng nhận và các thứ nguyên có liên quan, trong khi câu hỏi thử nghiệm có thể truy xuất thẻ điểm hiện tại thay vì truy vấn hồ dữ liệu. Kiến trúc chỉ mục trên cơ sở kiến thức của chúng tôi (Nguồn: Bài đăng trên Blog của Grab) Công ty cũng đã đầu tư vào bối cảnh dữ liệu cần thiết để các đại lý tạo ra kết quả đáng tin cậy. Grab duy trì hơn 5.000 bảng và số liệu được chứng nhận, 4.000 tài liệu ngữ cảnh và 2.000 hồ sơ vàng. Hệ thống ContextIQ của nó xử lý thông tin này như một vòng đời, cập nhật bối cảnh khi các thay đổi về thiết bị đo đạc và kết hợp các bản sửa lỗi được xác định từ lỗi của tác nhân sản xuất. Grab cũng sử dụng tác nhân AI cho các hoạt động phân tích. Ví dụ: Scarlet xử lý các lỗi đường ống bằng cách thực hiện phân tích nguyên nhân gốc rễ và có thể khắc phục lỗi hoặc báo cáo chúng khi các cổng được xác định trước hoặc sổ ghi chép không giải quyết được vấn đề. Scarlet hoạt động trên Slack (Nguồn: Grab Blog Post) Đối với phân tích định kỳ, Grab sử dụng các tác nhân để tự động hóa việc bình luận về chỉ số và OKR, đánh giá các chuyển động quan trọng, chia nhỏ chúng ở các quốc gia và phân khúc, đồng thời đối chiếu chúng với các thay đổi và thử nghiệm hoạt động. Cổng BriX của nó hỗ trợ phát triển quy trình phân tích, với mức sử dụng tăng hơn 10 lần kể từ tháng 9. Nhóm đã báo cáo 31 hoạt động triển khai sản xuất, 283 yêu cầu hợp nhất và 60 tính năng trong nửa đầu năm. Từ tháng 3 đến tháng 5, số liệu phân tích tự phục vụ được trả lời mà không có sự tham gia của con người đã tăng từ 53% lên 67% đối với các yêu cầu số liệu, 63% lên 90% đối với các lần lấy dữ liệu và 50% lên 81% đối với các yêu cầu SQL. Khoảng 3/4 số chủ đề bắt nguồn từ bên ngoài nhóm phân tích, trong khi 85% nhận được phản hồi đầu tiên trong vòng một phút. Grab báo cáo rằng sự thay đổi này đã giảm khối lượng công việc máy móc của các nhà phân tích, cho phép tập trung hơn vào quy trình làm việc tự phục vụ và phân tích sâu hơn. Về tác giả Leela Kumili Hiển thị thêmHiển thị ít hơn Đánh giá bài viết này Nhận con nuôi phong cách Tác giả đã liên hệ Nội dung này nằm trong chủ đề Slack Chủ đề liên quan: Phát triển Kiến trúc & Thiết kế AI, ML & Kỹ thuật dữ liệu Tự động hóa Đại lý Trí tuệ nhân tạo Phân tích kinh doanh Kiến trúc AI tự trị Phát triển AI Phân tích kênh Phân tích dữ liệu Phân tích dữ liệu chùng xuống Bài xã luận liên quan Nhà tài trợ liên quan Phổ biến trên toàn InfoQ Netflix áp dụng hệ thống xếp hàng công việc dựa trên nền tảng đám mây Kueue để thay thế giải pháp nội bộ Cloudflare di chuyển CDN JavaScript phục vụ 9B yêu cầu mỗi ngày cho nền tảng nhà phát triển của nó MCP chuyển sang trạng thái không trạng thái và các nhà phát triển hỏi liệu điều đó có khiến nó trở thành API nữa không Cách PGSimCity biến độ phức tạp của PostgreSQL thành mô phỏng 3D thành phố ảo Astro 7: Rust Compiler, Rust Markdown Pipeline và Vite 8 để xây dựng nhanh hơn tới 61% Báo cáo xu hướng InfoQ về Cloud và DevOps 2026: AI, Khả năng phục hồi, Nền tảng, FinOps và Chủ quyền