Byggsäkerhet och regelefterlevnad – utbildning
USA
5 månader
Kunden är en USA-baserad leverantör av säkerhets- och efterlevnadsutbildning som betjänar bygg- och industrisektorerna. De erbjuder OSHA- och SST-certifieringsprogram genom online- och instruktörsledda format.
Organisationen verkar i en reglerad miljö där utbildningskvalitet, granskningsbarhet och certifieringsnoggrannhet är avgörande. Deras LMS-plattform är en central intäktskanal och en viktig del av deras tjänsteleveransmodell.
Kunden hade en befintlig LMS-modell som gjorde det möjligt för användare att köpa och genomföra efterlevnadsutbildningar online. Systemet levererade dock statiska inlärningsvägar och anpassade sig inte till individuella elevers prestationer.
Ur ett affärsperspektiv skapade detta flera problem:
Kunden behövde bygga ett skalbart molnbaserat LMS som kunde:
Vi förbättrade kundens befintliga LMS genom att integrera ett AI-drivet personaliseringslager med hjälp av Retrieval-Augmented Generation (RAG).
Kärnplattformen för LMS (en Angular-frontend och en Spring Boot-backend distribuerad på AWS) var redan i drift. Vår roll var att utöka dess kapacitet genom att införa intelligent åtgärdshantering, kunskapshämtning och adaptiva inlärningsfunktioner, utan att störa produktionsflödena.
Vi designade och implementerade ett AI-förstärkningslager som integreras sömlöst med de befintliga backend-tjänsterna.
Arkitekturen omfattar:
Ingen ersättning av LMS eller ombyggnad av kärnplattformen utfördes. AI-tjänsterna integrerades som modulära komponenter i det befintliga systemet.
Vi introducerade ett intelligensarbetsflöde efter quiz som fungerar som en förlängning av LMS-bedömningsmotorn:
Detta skapar en sluten återkopplingsslinga där elevens prestation kontinuerligt förbättrar personaliseringens noggrannhet.
Eftersom plattformen fungerar i en reglerad utbildningsmiljö var validering av AI-utdata avgörande.
Vi implementerade en strukturerad LLM-utvärderingsprocess med Promptfoo för att systematiskt testa:
Detta säkerställde att de genererade åtgärdsplanerna förblev tillförlitliga, grundade i Kendra-hämtat innehåll och lämpliga för en efterlevnadsdriven miljö.
Den förbättrade LMS-plattformen utvecklades från ett statiskt system för kursleverans till en adaptiv, AI-förstärkt miljö för efterlevnadsutbildning — utan att ersätta den befintliga kärninfrastrukturen. Plattformen levererar nu:
Kunden kan nu leverera personliga inlärningsplaner i stor skala. Lärande gynnas av riktad återkoppling på quiznivå som identifierar kunskapsluckor, medan instruktörer ser förbättrad effektivitet och bättre resultat för kundens utbildningsprogram.
Varje quizförsök förfinar elevens åtgärdsplan. Denna kontinuerliga återkopplingsslinga förbättrar personaliseringens noggrannhet över tid och skapar mätbar insyn i elevens framsteg på domännivå.
Med AI-driven åtgärdshantering minskar kunden instruktörernas arbetsbelastning för rutinfall. Detta gör att personalen kan ägna sin expertis åt mer komplex eller effektfull elevsupport, vilket förbättrar den operativa effektiviteten.
Genom strukturerad LLM-validering och förankring via AWS Kendra förblir AI-genererade resultat i linje med godkänt utbildningsmaterial. Plattformen fungerar säkert inom en reglerad, revisionsstyrd efterlevnadsmiljö.
Den modulära RAG-baserade arkitekturen låter kunden skala säkert på AWS, med fullständig granskning och åtkomstkontroller, vilket stöder ytterligare tillväxt inom efterlevnadsutbildning utan operativ risk.
Skicka en skiss, en kravspecifikation eller tre meningar om var systemet har kört fast. Ett samtal räcker oftast för att avgöra om vi passar er.
Skräddarsydd mjukvara, AI och ML, data och analys, moln och säkerhet — från tidig behovsanalys till långsiktig leverans.
Vi och våra partner använder teknik som cookies på vår webbplats för att personalisera innehåll och annonser, tillhandahålla funktioner för sociala medier och analysera vår trafik. Klicka på ”Acceptera” för att samtycka till användningen av denna teknik på webben.
