Tác giả: Ruchikka Chaudhary và Satya S Tripathy
Ngày phát hành: 03 FEB 2026
Chuyên mục: Advanced (300), Amazon Bedrock, AWS End User Messaging, Education, Serverless, Technical How-to

Các nhà cung cấp công nghệ giáo dục (EdTech) phải đối mặt với thách thức trong việc duy trì giao tiếp liền mạch, cá nhân hóa và đưa ra các đề xuất phù hợp cho các bên liên quan đa dạng của họ. Bài viết này khám phá cách kết hợp Amazon Web Services (AWS) End User Messaging và WhatsApp Business API với các khả năng AI tiên tiến của Amazon Bedrock có thể thay đổi sự tương tác trong giáo dục.

Trong bài viết này, chúng tôi khám phá các trường hợp sử dụng đang định hình lại ngành EdTech. Chúng tôi khám phá cách tự động hóa ứng dụng có thể hợp lý hóa quy trình tuyển sinh và đăng ký, giúp chúng hiệu quả và thân thiện hơn với người dùng. Chúng tôi trình bày cách đạt được sự tương tác tức thì với sinh viên thông qua các tương tác cá nhân hóa, được hỗ trợ bởi AI, giúp người học luôn có động lực và kết nối. Chúng tôi cũng giới thiệu cách các cơ chế phản hồi khóa học theo thời gian thực có thể giúp các nhà giáo dục điều chỉnh và cải thiện phương pháp giảng dạy của họ. Chúng tôi cũng xem xét cách hỗ trợ sinh viên có thể được tự động hóa bằng cách sử dụng các trợ lý thông minh cung cấp hỗ trợ liên tục, cả ngày trong khi vẫn duy trì sự cá nhân hóa.

Chúng tôi sẽ chỉ cho bạn cách xây dựng một hệ thống đề xuất khóa học được hỗ trợ bởi AI. Chúng tôi giải thích cách thiết lập tích hợp WhatsApp Business API với Amazon Bedrock, triển khai khả năng tìm kiếm thông minh để khớp khóa học và tạo kiến trúc serverless có khả năng mở rộng. Bạn sẽ học cách xây dựng các bảng điều khiển phân tích có ý nghĩa để theo dõi mức độ tương tác và tìm hiểu các phương pháp hay nhất để xử lý lỗi và duy trì độ tin cậy của hệ thống. Cho dù bạn là chuyên gia EdTech hay kiến trúc sư đám mây, hướng dẫn này cung cấp những hiểu biết thực tế về việc kết hợp AI đàm thoại với các dịch vụ giáo dục.

Các trường hợp sử dụng

• Một công cụ tạo lộ trình học tập cá nhân hóa được hỗ trợ bởi AI tự động đề xuất nội dung tùy chỉnh dựa trên các chỉ số hiệu suất và yêu cầu học tập của từng sinh viên
• Đề xuất cải thiện khóa học và phản hồi khóa học theo thời gian thực
• Một công cụ điều phối giao tiếp thông minh cung cấp các thông báo và cập nhật tự động, cụ thể theo vai trò trên nhiều kênh để tăng cường sự tương tác của sinh viên và phụ huynh
• Một hệ thống cảnh báo sớm sử dụng phân tích dự đoán để xác định những sinh viên có nguy cơ thông qua việc giám sát theo thời gian thực các chỉ số tương tác và hiệu suất
• Tự động hóa hỗ trợ sinh viên với hỗ trợ trợ lý AI luôn sẵn sàng, xử lý FAQ, quản lý leo thang và hỗ trợ đa ngôn ngữ

Điều kiện tiên quyết

• Một tài khoản AWS
• AWS End User Messaging được thiết lập với kênh WhatsApp đã bật
• Một tài khoản WhatsApp Business hiện có
• Thiết lập Amazon Bedrock phải được hoàn thành với mô hình ưu tiên
• Amazon QuickSight cho AWS Region phải được bật

Tổng quan giải pháp

Với giải pháp này, người dùng có thể khám phá và đặt các khóa học giáo dục thông qua các cuộc trò chuyện WhatsApp. Thay vì điều hướng các trang web phức tạp, người dùng có thể gửi tin nhắn WhatsApp với nội dung “Tôi muốn học lập trình Python.” Họ sẽ nhận được các đề xuất khóa học cá nhân hóa ngay lập tức. Kiến trúc xử lý các tin nhắn WhatsApp thông qua AWS End User Messaging, sử dụng Amazon Bedrock cho các cuộc trò chuyện được hỗ trợ bởi AI, thực hiện tìm kiếm ngữ nghĩa với Amazon OpenSearch Serverless và thu thập phân tích để có được thông tin chi tiết về kinh doanh. (Để biết hướng dẫn triển khai từng bước và hướng dẫn hoàn tác, hãy xem hệ thống đề xuất khóa học mẫu.) Sơ đồ kiến trúc sau đây minh họa một hệ thống đề xuất khóa học hiện đại được hỗ trợ bởi AI sử dụng nhiều dịch vụ AWS.

Hình 1: Hệ thống đề xuất khóa học được hỗ trợ bởi AI

Xử lý tin nhắn

Khi người dùng gửi tin nhắn WhatsApp, AWS End User Messaging sẽ thu thập chúng và xuất bản các sự kiện tới một chủ đề Amazon Simple Notification Service (Amazon SNS). Điều này tạo ra một kiến trúc tách rời, nơi nhiều dịch vụ có thể xử lý cùng một sự kiện tin nhắn một cách độc lập. Các hàm AWS Lambda đăng ký các sự kiện này, tạo điều kiện thuận lợi cho việc xử lý tin nhắn đáng tin cậy trong thời gian lưu lượng truy cập cao. Thiết kế tách rời mang lại một số lợi thế:

• Nếu một thành phần bị lỗi, các thành phần khác vẫn tiếp tục hoạt động
• Bạn có thể thêm các bộ xử lý tin nhắn mới mà không ảnh hưởng đến các bộ xử lý hiện có
• Hệ thống tự động mở rộng quy mô dựa trên khối lượng tin nhắn mà không cần can thiệp thủ công

Công cụ hội thoại AI

Amazon Bedrock với Claude 3 Haiku cung cấp khả năng hiểu ngôn ngữ tự nhiên. Nó được cấu hình đặc biệt cho WhatsApp với các hướng dẫn về đoạn văn ngắn, biểu tượng cảm xúc có liên quan và phản hồi được tối ưu hóa cho thiết bị di động.

Các tác nhân AI

Tác nhân duy trì ngữ cảnh cuộc trò chuyện và xử lý các hành động có cấu trúc như tìm kiếm khóa học, truy xuất chi tiết và đặt chỗ thông qua các hàm được định nghĩa. Quy trình làm việc sau đây là luồng hành động của tác nhân và mã mẫu:

Luồng tác nhân

1. Chào người dùng → Hiểu ý định → Tìm kiếm khóa học → Cung cấp chi tiết → Hỗ trợ đặt chỗ
2. Duy trì ngữ cảnh trong suốt cuộc trò chuyện
3. Có thể chuyển đổi giữa các hành động dựa trên phản hồi của người dùng
4. Xử lý các truy vấn phức tạp bằng cách kết hợp nhiều hành động

Mã mẫu

Sau đây là mã mẫu để tạo tác nhân Bedrock bằng AWS CDK:

    agent = bedrock.CfnAgent(foundation_model="anthropic.claude-3-haiku-20240307-v1:0",
     instruction="""
     Format for WhatsApp: short paragraphs,
        focus on technical courses only
       """,
      action_groups=[# Functions for search, details, booking]
)

Tìm kiếm ngữ nghĩa

Tìm kiếm từ khóa truyền thống có thể bỏ lỡ ý định của người dùng. Ứng dụng sử dụng Amazon Titan Embeddings trong Amazon Bedrock để chuyển đổi các khóa học và truy vấn thành các vector, cho phép hiểu ngữ nghĩa. Khi người dùng hỏi về “các khóa học điện toán đám mây”, hệ thống có thể hiểu các thuật ngữ liên quan như “AWS” và “serverless” mà không cần khớp chính xác. Amazon OpenSearch Serverless xử lý việc khớp độ tương tự vector kết hợp với các bộ lọc truyền thống cho giá khóa học, cấp độ và thời lượng.

Đường ống phân tích

Mỗi tương tác tin nhắn WhatsApp tạo ra thông tin kinh doanh. Các tin nhắn được lưu trữ trong Amazon Simple Storage Service (Amazon S3) với phân vùng theo ngày, được lập danh mục thông qua AWS Glue và có thể truy vấn bằng Amazon Athena. Các nhóm có thể phân tích hành vi người dùng, các chủ đề phổ biến và tỷ lệ chuyển đổi thông qua các bảng điều khiển QuickSight. Bảng điều khiển sau đây hiển thị các widget ví dụ hiển thị biểu đồ tròn phân tích trạng thái gửi tin nhắn và số lượng tin nhắn mỗi ngày.

Hình 2: Bảng điều khiển Amazon QuickSight

Như được hiển thị trong bảng điều khiển sau, Amazon Q trong QuickSight cho phép bạn khám phá và phân tích dữ liệu của mình bằng cách sử dụng các khả năng AI đàm thoại.

Hình 3: Bảng điều khiển Amazon QuickSight hiển thị cửa sổ trò chuyện

Xử lý lỗi và khả năng phục hồi

Các giải pháp có khả năng mở rộng và phân tán cao như vậy yêu cầu xử lý lỗi mạnh mẽ. Ứng dụng có tính năng backoff theo cấp số nhân và thử lại cho các lệnh gọi API, nghĩa là hệ thống có thể xử lý giới hạn tốc độ và tình trạng không khả dụng tạm thời của dịch vụ một cách duyên dáng.

Sau đây là mã mẫu để xử lý lỗi và khả năng phục hồi:

def retry_with_backoff(func, max_retries=5):
    retries = 0
    backoff = 1
    while retries < max_retries:
        try:
            return func()
        except ThrottlingException:
            sleep_time = backoff + random.uniform(0, 1)
            time.sleep(sleep_time)
            backoff = min(backoff * 2, 32)
            retries += 1
    raise Exception("Max retries exceeded")

Tác động kinh doanh

Với thị trường EdTech toàn cầu dự kiến đạt 165 tỷ đô la vào năm 2026, các nhà giáo dục và tổ chức đang tìm kiếm các giải pháp để ngăn chặn sinh viên bỏ học, cải thiện kết quả học tập và duy trì lợi thế cạnh tranh của họ. Cá nhân hóa kém có thể dẫn đến giảm sự tương tác của sinh viên, tỷ lệ hoàn thành khóa học thấp hơn và cuối cùng là mất doanh thu.

Việc triển khai các hệ thống cá nhân hóa và giao tiếp dựa trên AI có nghĩa là các tổ chức có thể cải thiện đáng kể tỷ lệ giữ chân sinh viên, thúc đẩy kết quả học tập và tạo ra trải nghiệm giáo dục hấp dẫn hơn, điều này tác động trực tiếp đến lợi nhuận và danh tiếng của họ trong một môi trường giáo dục ngày càng cạnh tranh. Giải pháp này có thể thay đổi việc cung cấp giáo dục thông qua cá nhân hóa thông minh và sự xuất sắc trong vận hành. Kiến trúc serverless có thể giúp các tổ chức giáo dục tập trung vào chất lượng nội dung thay vì quản lý cơ sở hạ tầng trong khi vẫn có thể duy trì thời gian phản hồi nhanh chóng cho việc tìm kiếm khóa học. Khả năng phân tích của hệ thống có thể cung cấp thông tin chi tiết về hành vi của sinh viên và sở thích khóa học, giúp định hình việc phát triển chương trình giảng dạy trong tương lai.

Với việc tối ưu hóa cho thiết bị di động, các tổ chức có thể phục vụ tốt hơn số lượng người học ưu tiên kỹ thuật số ngày càng tăng. Sự kết hợp giữa khả năng tự động mở rộng quy mô và định giá trả theo mức sử dụng có thể tạo ra cơ hội tối ưu hóa chi phí, và các bảng điều khiển thời gian thực có thể được sử dụng để tạo điều kiện ra quyết định dựa trên dữ liệu. Những cải tiến như vậy về trải nghiệm người dùng và hiệu quả hoạt động có thể dẫn đến tăng cường sự tương tác của sinh viên và tăng trưởng của tổ chức trong môi trường giáo dục đang phát triển.

Cuộc trò chuyện mẫu

Video sau đây cho thấy cách người dùng có thể tương tác với hệ thống đề xuất khóa học được hỗ trợ bởi AI tạo sinh và nhận các đề xuất khóa học.

Các cải tiến trong tương lai

Chúng tôi đang mở rộng sang nhiều nền tảng nhắn tin hơn, thêm tích hợp giọng nói thông qua Amazon Connect và triển khai phân tích dự đoán cho các đề xuất cá nhân hóa. Kiến trúc serverless giúp việc bổ sung này trở nên đơn giản mà không cần thay đổi cơ sở hạ tầng. Các kịch bản trong tương lai có thể bao gồm:

• Hỗ trợ nhà giáo dục và sinh viên – Giải pháp này có thể được nâng cao cho trải nghiệm của sinh viên và nhà giáo dục. Đối với các nhà giáo dục, nó có thể tự động hóa các tác vụ hành chính. Đối với sinh viên, nó có thể tạo ra các chiến dịch tương tác cá nhân hóa, một cách tiếp cận giao tiếp có thể hiệu quả hơn đáng kể so với các phương pháp truyền thống.
• Quy trình tuyển sinh kỹ thuật số – Giải pháp tích hợp AWS Bedrock AI với WhatsApp Business API để hợp lý hóa quy trình tuyển sinh kỹ thuật số. Nó có thể cho phép xác minh tài liệu tức thì, hướng dẫn thanh toán an toàn và cung cấp các cập nhật tự động, tất cả trong kênh WhatsApp của AWS End User Messaging. Hệ thống được hỗ trợ bởi AI này có thể biến quy trình tuyển sinh phức tạp thành một trải nghiệm hiệu quả, dựa trên trò chuyện, mang lại lợi ích cho cả tổ chức và người nộp đơn.
• Hỗ trợ phụ huynh và quản lý tài liệu học tập – Hệ thống có thể phân phối tài nguyên học tập một cách thông minh dựa trên nhu cầu của sinh viên, gửi các cập nhật lịch trình tự động và cung cấp các báo cáo tiến độ cá nhân hóa cho phụ huynh thông qua WhatsApp. Phụ huynh có thể nhận tài liệu học tập được AI tuyển chọn và các cập nhật theo thời gian thực về kết quả học tập, bài tập về nhà và các bài kiểm tra sắp tới của con mình thông qua các tương tác trò chuyện quen thuộc. Sự tích hợp này có thể biến giao tiếp truyền thống giữa phụ huynh và giáo viên thành một hệ thống tự động, hiệu quả trong khi cung cấp quyền truy cập kịp thời vào các tài nguyên giáo dục có liên quan.

Kết luận

Tác nhân đề xuất khóa học WhatsApp chứng minh cách các dịch vụ AWS hiện đại có thể tạo ra các trải nghiệm đàm thoại tinh vi, được hỗ trợ bởi AI, tự động mở rộng quy mô và cung cấp thông tin kinh doanh phong phú. Kiến trúc serverless cung cấp hiệu quả chi phí trong khi vẫn duy trì độ tin cậy cấp doanh nghiệp. Các nguyên tắc kiến trúc chính giúp giải pháp này thành công bao gồm thiết kế hướng sự kiện để mở rộng quy mô, tích hợp AI cho các tương tác tự nhiên, tìm kiếm ngữ nghĩa để có trải nghiệm người dùng vượt trội, phân tích có thể tùy chỉnh cho thông tin kinh doanh và cơ sở hạ tầng dưới dạng mã (IaC) để triển khai đáng tin cậy.

Đối với các tổ chức đang xem xét các triển khai tương tự, chúng tôi khuyên bạn nên tập trung vào tối ưu hóa trải nghiệm người dùng, xử lý lỗi mạnh mẽ, giám sát toàn diện và triển khai tính năng dần dần. Môi trường AI đàm thoại đang phát triển nhanh chóng, và các giải pháp ưu tiên trải nghiệm người dùng trong khi vẫn duy trì sự xuất sắc về kỹ thuật có thể mang lại giá trị kinh doanh lớn nhất. Việc triển khai này có thể đóng vai trò là kiến trúc tham chiếu để xây dựng các hệ thống AI đàm thoại sẵn sàng sản xuất trên AWS, thể hiện các mẫu có thể áp dụng trên các ngành và trường hợp sử dụng.

Về tác giả

Ruchikka Chaudhary

Ruchikka là Kiến trúc sư Giải pháp II tại Amazon Web Services (AWS), tập trung vào khu vực công toàn cầu. Cô chuyên giúp khách hàng tối ưu hóa cơ sở hạ tầng đám mây của họ và áp dụng các giải pháp dựa trên điện toán khác nhau. Với kinh nghiệm sâu rộng về AWS, cô đã hướng dẫn thành công các tổ chức trong hành trình chuyển đổi kỹ thuật số của họ, đặc biệt trong các lĩnh vực điện toán hiệu năng cao và dịch vụ truyền thông. Ngoài công việc kỹ thuật, cô thích đọc sách, phác thảo và khám phá thế giới thông qua du lịch.

Satya S Tripathy

Satyasovan Tripathy làm việc với tư cách là Chuyên gia cấp cao, Kiến trúc Giải pháp tại AWS. Anh ấy làm việc tại Bengaluru, Ấn Độ và tập trung vào danh mục sản phẩm ứng dụng kinh doanh của AWS. Anh ấy thích đọc sách và đi du lịch ngoài giờ làm việc.