De la revisión manual a minutos, Telcron acelera la puntuación de riesgos de productos con la IA generativa de AWS

Cliente

Telcron LLC (B4 Gadget)

Ubicación

Dallas, TX

Industria

Cumplimiento de la normativa de electrónica de consumo y venta minorista (inteligencia sobre peligros y seguridad)

Servicios y tecnología

Amazon Bedrock, AWS Lambda, Amazon S3, Amazon OpenSearch Service, Amazon API Gateway

Resumen del proyecto

Telcron LLC (B4 Gadget) ofrece soluciones de cumplimiento e inteligencia de productos que ayudan a las organizaciones a validar los requisitos normativos y a generar confianza en el consumidor. A medida que crecían los catálogos de productos y los comentarios de los clientes, Telcron necesitaba una forma más rápida y coherente de evaluar las señales de riesgo de seguridad y cumplimiento en todos los productos de consumo. Avahi creó una canalización de IA generativa nativa de AWS que ingiere listados y reseñas de productos, los enriquece con las aportaciones normativas de Telcron y genera cuadros de mando de riesgos respaldados por fuentes en una escala de 0 a 10. La colaboración demostró que Telcron podía reducir el tiempo de evaluación de riesgos por producto de varias horas a menos de 5 minutos, al tiempo que establecía una base repetible para ampliar la supervisión del cumplimiento a más categorías.

Acerca del cliente

Telcron LLC es una plataforma tecnológica diversificada centrada en permitir el cumplimiento del mercado, la autenticación del comercio electrónico, la tecnología emergente y la reventa de soluciones informáticas creadas para la transformación digital. Como proveedor de soluciones de cumplimiento, Telcron ofrece herramientas para lograr y verificar los requisitos normativos a través de una única interfaz, proporcionando trazabilidad y análisis en tiempo real en una amplia gama de productos.

El problema

Telcron necesitaba una forma automatizada de evaluar los riesgos de seguridad de los productos en la electrónica de consumo y los artículos para el hogar. Sus equipos dependían en gran medida de la revisión manual de las páginas de los productos y las quejas de los clientes, un enfoque que era lento, incoherente y difícil de ampliar a medida que aumentaban los volúmenes de productos.

Sin la automatización, Telcron se arriesgaba a retrasar la identificación de los problemas de seguridad y cumplimiento, a obtener puntuaciones desiguales en las distintas categorías y a perder señales de peligro ocultas en las reseñas no estructuradas. Esto limitaría su capacidad de ampliar la supervisión del cumplimiento a más productos, regiones y escenarios normativos sin añadir un esfuerzo manual significativo.

Por qué AWS

Telcron quería un enfoque nativo de AWS para ingerir los datos de los productos y las reseñas de una única fuente en línea acordada, y luego transformarlos en inteligencia de cumplimiento procesable con una trazabilidad clara. AWS permitió una arquitectura optimizada en la que la ingesta, el almacenamiento, la inferencia de modelos y la búsqueda podían combinarse en un flujo de trabajo cohesivo sin necesidad de gestionar una infraestructura compleja.

AWS también cumplió el requisito de utilizar modelos básicos preentrenados, al tiempo que producía resultados estructurados que podían evaluarse en cuanto a precisión, coherencia y explicabilidad.

Por qué Telcron eligió Avahi

Como socio Premier Tier de AWS, Avahi estaba excepcionalmente cualificado para liderar una colaboración rápida de IA generativa nativa de AWS que equilibrara la velocidad con el rigor, especialmente en lo que respecta a la explicabilidad y la metodología de puntuación repetible.

Telcron contrató a Avahi por su profunda experiencia práctica en el diseño de canalizaciones de IA generativa integrales en AWS, incluida la ingesta de datos web no estructurados, la normalización de formatos de origen incoherentes y la entrega de resultados estructurados respaldados por citas que pudieran ser validados por las partes interesadas.

Solución

Avahi diseñó e implementó una canalización de puntuación de riesgos nativa de AWS para recuperar datos de productos, procesar comentarios de clientes no estructurados, aplicar un marco de puntuación coherente y devolver cuadros de mando estructurados que pudieran compararse entre categorías. La solución evaluó los principales productos de tres categorías definidas por el cliente a partir de una única fuente de mercado acordada y, a continuación, generó información sobre riesgos basada tanto en los comentarios de los consumidores como en los conjuntos de datos normativos proporcionados por Telcron.
Para hacer frente a las estructuras de página incoherentes y a los datos de revisión desordenados del mundo real, Avahi implementó un raspado multicapa utilizando AWS Lambda con SerpApi y ScraperAPI. Los conjuntos de datos brutos y procesados resultantes se almacenaron en Amazon S3 para crear una base de datos duradera y auditable. El preprocesamiento normalizó los atributos clave del producto e hizo hincapié en la extracción de señales de peligro de los patrones de revisión negativos o recurrentes.
Para la puntuación de riesgos, Avahi utilizó los modelos básicos de Amazon Bedrock para extraer y sintetizar los factores de riesgo en una puntuación estandarizada en una escala de 0 a 10, con dimensiones de puntuación explícitas y explicaciones por dimensión. El marco incorporó los problemas notificados por los clientes, las señales normativas, los riesgos para la salud y la seguridad, las restricciones regionales, los daños medioambientales, los daños a los animales y los riesgos de fragilidad o usabilidad, y luego generó justificaciones rastreables respaldadas por pruebas de origen.
Para que los resultados fueran fáciles de consumir e integrar, Avahi indexó las señales de peligro estructuradas y los cuadros de mando en Amazon OpenSearch Service para una rápida recuperación y comparación. Se expuso una interfaz de puntuación unificada a través de Amazon API Gateway respaldada por AWS Lambda, lo que permitió la entrega coherente de cuadros de mando de riesgos y resúmenes de comparación a nivel de categoría. Un bucle de revisión manual apoyó la validación por parte de las partes interesadas de la precisión y la explicabilidad durante la evaluación.

Resultados clave

– Arquitectura AWS integral para la puntuación de riesgos

– Canalización de ingesta de datos (AWS Lambda, SerpApi, ScraperAPI, Amazon S3)

– Flujo de trabajo de extracción y puntuación de riesgos (Amazon Bedrock, Amazon OpenSearch Service)

– API para devolver cuadros de mando de riesgos (Amazon API Gateway, AWS Lambda)

– Generación de puntuación de riesgos para categorías de productos de muestra, incluidos cuadros de mando estructurados y resúmenes de comparación

– Documentación técnica, recomendaciones y paquete de traspaso

Impacto del proyecto

La colaboración proporcionó un marco repetible y agnóstico de la categoría para la inteligencia de riesgos de los productos que sustituye los procesos de revisión manuales e incoherentes por una puntuación automatizada y explicable. Con una canalización nativa de AWS, Telcron puede evaluar los productos más rápidamente, aplicar una metodología coherente en todas las categorías y ampliar las comprobaciones de cumplimiento a más líneas de productos con menos recursos manuales.

Reducción del tiempo de evaluación de riesgos por producto de varias horas a menos de 5 minutos
Canalización de procesamiento casi en tiempo real, menos de 5 minutos por producto de principio a fin
Ingesta y análisis automatizados de 30 o más productos en varias categorías
Se entregaron 30 cuadros de mando de riesgos (los 10 productos principales por categoría en tres categorías), cada uno con una puntuación de riesgo de 0 a 10 y justificaciones rastreables
Alcance del proyecto de tres semanas, con 25.000 dólares en financiación prevista de AWS y un coste neto de 0 dólares para el cliente por la colaboración

Métricas

Se abordó una línea de base en la que los clientes dedicaban entre el 20 y el 30 por ciento de su tiempo a consultar, agregar y analizar manualmente los datos de rendimiento
Se apuntó a un proceso interno manual que requería de 4 a 6 horas para recopilar información sobre el rendimiento de cada cliente
Se entregaron dos sistemas multiagente totalmente funcionales (basados en LangGraph y basados en Strands MCP)
Se habilitó la ejecución de herramientas casi en tiempo real a través de la comunicación de agentes impulsada por SSE

Recomendamos encarecidamente a Avahi como un socio tecnológico fiable e innovador. Su experiencia en tecnologías de vanguardia fue fundamental para construir nuestra prueba de concepto (PoC) y desarrollar nuestro producto mínimo viable (MVP). Avahi siempre ofreció soluciones de alta calidad a tiempo, manteniendo un enfoque colaborativo y receptivo. Fueron más allá de las expectativas al identificar oportunidades de mejora, garantizando la escalabilidad y el cumplimiento de nuestros productos centrados en la aplicación de la ley. Avahi es la elección clara si necesita un socio tecnológico con conocimiento de la industria, profesionalidad y un compromiso con la innovación.

¿Listo para transformar su negocio con la IA?

Reserve su taller gratuito de IA de activación

Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita de medio día

Vea nuestros casos prácticos

Vea cómo hemos ofrecido resultados medibles para empresas como la suya

Avahitech.com ahora es avahi.ai