سيركل كي تخفض زمن معالجة الحوادث إلى أقل من 15 دقيقة
نجحت شركة سيركل كي في تسريع استجابة فرق العمليات السحابية (DevOps) بشكل جذري عبر تبنّي بنية تحتية للذكاء الاصطناعي التوليدي.

تحدي التوسع في العمليات السحابية
تواجه فرق العمليات السحابية تحدياً كبيراً يتمثل في الوقت الذي يستغرقه المهندسون لفهم طبيعة الأعطال قبل بدء إصلاحها. في شركة سيركل كي، التي تدير أكثر من 17,200 متجر في 27 دولة، كان هذا التحدي يتفاقم مع توسع البنية التحتية السحابية التي تدعم أنظمة نقاط البيع وشحن المركبات الكهربائية على منصة أرامازون ويب سيرفيسز. كان المهندسون يقضون ما بين 45 إلى 60 دقيقة في جمع المعلومات من عدة أدوات قبل اتخاذ أي إجراء.
اعتماد الذكاء الاصطناعي التوليدي
للتغلب على هذا البطء، قررت سيركل كي بناء نظام فرز أوتوماتيكي يعتمد على الذكاء الاصطناعي. تم اختيار أرامازون بيدروك، وهو خدمة مدارة بالكامل تجعل نماذج الذكاء الاصطناعي التوليدي متاحة عبر واجهة برمجية واحدة. سمح هذا الاختيار للفريق بتجنب تعقيدات استضافة النماذج وإدارة الإصدارات، مع الاستفادة من تكامل الخدمة مع سياسات الأمان الحالية للشركة.

البنية التحتية الأولية للنظام
بدأت سيركل كي بتطوير النظام باستخدام أرامازون بيدروك فلوز كطبقة للتنسيق. يبدأ العمل عندما يرسل نظام المراقبة تنبيهاً إلى خدمة أرامازون سنس، التي تمرره إلى طابور أرامازون إس كيو إس. يقوم دالة لامدا بعد ذلك باستخراج بيانات التنبيه وتفعيل سير عمل الذكاء الاصطناعي. يتضمن هذا السير عمل وكلاء متخصصين بالتوازي لجمع البيانات من مصادر مختلفة.
آلية جمع المعلومات والتحليل
يعمل وكيلان بالتوازي في المرحلة الأولى: الأول يفحص حالة البنية التحتية مثل خدمات أرامازون إي سي إس ومقاييس الأداء في كلاودووتش، بينما يستعلم الوكيل الثاني عن السجلات والتتبعات في أرامازون أوبن سيرش. بعد جمع هذه البيانات، يعمل وكيل ثالث للبحث في مستودعات جيت هاب للكشف عن الكود أو التعريفات التي قد تكون سبباً للمشكلة. يجمع النظام هذه المخرجات لتقديم ملخص منظم للمهندسين.

الانتقال إلى أجننت كور
مع تزايد حجم العمليات، قررت سيركل كي الانتقال من بنية فلوز إلى أرامازون بيدروك أجننت كور. ساهم هذا التحديث في تحسين كفاءة النظام وقدرته على التعامل مع حجم أكبر من الحوادث. كما ساعد في إدارة سياق الوكلاء بشكل أفضل، مما أدى إلى تقليل زمن الاستجابة بشكل ملحوظ.
النتائج والتحسنات المحققة
أدى هذا التحول إلى خفض متوسط زمن فرز الحوادث إلى أقل من 15 دقيقة، وهو انخفاض يتراوح بين 67 و75 بالمئة مقارنة بالوضع السابق. أصبح المهندسون يستلمون سياقاً عملياً وجاهزاً بدلاً من التنبيهات الخام، مما مكنهم من البدء بالإصلاح فوراً. كما ساهم النظام في توحيد المعايير التشغيلية وتقليل الأخطاء الناتجة عن الاختلاف في خبرة المهندسين المناوبين.
المصادر
- AWS Machine Learning BlogHow Circle K accelerated DevOps incident triage to under 15 minutes with Amazon Bedrock
تابع التسلسل الزمني





