其他行业 · AI应用
借助Amazon Q Business提高生产力并缩短入职时间
Deriv面临冗长的入职流程和人力资源任务完成效率低下的挑战。为解决这些问题，该公司实施了Amazon Q Business，一个生成式AI驱动的助手，旨在简化数据检索并提高生产力。这一创新方法使新员工入职时间减少了45%，工作负载延迟也减少了45%。此外，招聘任务完成速度提高了50%，使人力资源团队能够专注于战略举措而非行政负担。总体而言，Amazon Q Business的集成显著提高了Deriv的运营效率和员工体验。
新员工入职时间
减少45%
来源披露
招聘任务时间
减少50%
来源披露
工作负载延迟
减少45%
来源披露
01
业务背景
Deriv面临冗长的入职流程和人力资源任务完成效率低下的挑战。为解决这些问题，该公司实施了Amazon Q Business，一个生成式AI驱动的助手，旨在简化数据检索并提高生产力。这一创新方法使新员工入职时间减少了45%，工作负载延迟也减少了45%。此外，招聘任务完成速度提高了50%，使人力资源团队能够专注于战略举措而非行政负担。总体而言，Amazon Q Business的集成显著提高了Deriv的运营效率和员工体验。
02
遇到的问题
Deriv面临大量数据分散在多个平台（Google Drive、GitHub、内部wiki、Slack）的挑战，导致难以定位文档和流程信息，造成新员工入职效率低下和工作延迟。
03
AI 解决方案
采用Amazon Q Business生成式AI助手，通过连接Slack、Google Docs、Google Drive、Web Crawler和GitHub等数据源，使员工能够以自然语言提问快速检索和汇总信息，无需手动搜索文档。同时集成AWS Global Accelerator和Amazon CloudFront提升性能和安全性。由单一开发人员配置数据源索引，半天测试后次日全公司上线，覆盖客户支持、营销、内容和招聘等非技术部门。
- 1与AWS团队讨论潜在生成式AI应用场景
- 2由一名开发人员设置Amazon Q Business并连接Slack、Google Docs、Google Drive、Web Crawler、GitHub等数据源
- 3进行半天测试，验证多种业务场景的适用性
- 4次日在员工中全面开通使用
04
实施结果
新员工入职时间：减少45%（入职时间缩短至约1周）
招聘任务时间：减少50%（审阅时间缩短至不足1分钟）
工作负载延迟：减少45%（延迟降至200毫秒以下）
05
风险与边界
未披露
“Because of built-in guardrails in Amazon Q Business and the ease of setting up access control lists, we’re able to make generative AI available to all of our employees in a safe way.”
Arun Venkataraman · Principal Engineer of Operations, Deriv
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。