AI w AWS: kiedy Amazon Bedrock ma sens dla firmy?

AI w Amazon Web Services (AWS) to nie jeden produkt, tylko zestaw usług: Amazon Bedrock daje dostęp do modeli wielu vendorów — Claude, Llama, Mistral, Amazon Nova, GPT i innych — a wokół niego działają Knowledge Bases (RAG na dokumentach firmy), Guardrails (bezpieczniki) i AgentCore (agenci w produkcji). Dla pracowników AWS ma osobne asystenty: Amazon Quick, który przejmuje rolę Amazon Q Business, oraz Kiro i Amazon Q Developer dla programistów. Najwięcej sensu ma to w firmie, która już pracuje w AWS: ma tam konta, sieć, uprawnienia i dane. Warunek, o którym trzeba pamiętać od początku: region i profil wnioskowania decydują, gdzie fizycznie przetwarzane są Wasze zapytania.

Ten poradnik jest dla zarządu i lidera IT firmy od 50 osób, który słyszy „zróbmy to na Bedrocku” i chce wiedzieć, co to oznacza w umowie, danych i pracy zespołu. Czym jest sam model językowy i jak go wybrać, opisuje poradnik o LLM dla firm. Statusy produktów podaję ze stanem na 6.10.2026.

Z czego składa się oferta AI w AWS

Najprościej podzielić ofertę na dwie części: usługi, z których zespół IT buduje system, i aplikacje, których pracownicy używają od ręki.

Usługa	Kto używa	Co robi	O co zapytać
Amazon Bedrock	zespół IT albo partner	modele wielu vendorów przez jedno API	region, profil wnioskowania, retencja
Knowledge Bases	zespół IT	RAG: odpowiedzi z dokumentów firmy z cytatami	źródła, filtr uprawnień
Guardrails	zespół IT, bezpieczeństwo	filtry treści, danych osobowych, tematów	co blokujemy i jak to testujemy
AgentCore	zespół IT albo partner	uruchamianie agentów: runtime, pamięć, narzędzia, polityki	uprawnienia agenta, logi
SageMaker AI	data science	trening i wdrożenie własnych modeli ML	kto utrzyma model
Amazon Quick	pracownicy biura	asystent na danych firmy, przepływy, raporty	źródła i uprawnienia
Kiro i Amazon Q Developer	programiści	specyfikacja, kod, testy	bramki odbioru kodu

Amazon Bedrock: modele wielu vendorów pod jednym kontem

Bedrock to w pełni zarządzana usługa z dostępem do modeli wielu firm. W katalogu modeli są dziś między innymi: Amazon Nova (w tym Nova 2 Lite i Nova Pro), Anthropic Claude (Opus 5.5, Sonnet 5.5, Haiku 4.5 i inne), Meta Llama (od 3.x po Llama 4 Maverick i Scout), Mistral AI (Mistral Large 3, Ministral, Pixtral Large), OpenAI (GPT-6 Astra, GPT-5.6, gpt-oss), a także Cohere, DeepSeek, Google Gemma, Qwen, xAI i NVIDIA Nemotron.

Co to daje firmie:

• Jedno konto i jeden rachunek. Modele vendorów trzecich, na przykład Claude Opus 5.5, są rozliczane przez AWS Marketplace i trafiają na fakturę AWS. Nie trzeba podpisywać osobnej umowy z każdym producentem modelu.
• Wymienny model. Ten sam kod może wywołać model innego vendora. To ułatwia porównanie jakości i kosztu na Waszych zadaniach.
• Znane zabezpieczenia. Uprawnienia przez IAM, logi w CloudTrail, sieć prywatna przez VPC — to, co dział IT już zna z innych usług AWS.

Czego Bedrock nie daje: nie wybierze za Was modelu ani nie zastąpi testu. Lista stu modeli kusi, żeby porównać wszystkie. W praktyce wystarczą dwa–trzy kandydaty i zestaw kilkudziesięciu prawdziwych przykładów z Waszej firmy. Jak dobrać model do zadania, opisuje poradnik o LLM.

Kiedy Bedrock, a kiedy API vendora

Do modelu Claude, GPT czy Mistral można dojść na dwa sposoby: przez Bedrock albo bezpośrednio przez API producenta. Model jest ten sam, różnią się umowa, rachunek i lista funkcji.

Najważniejsza różnica to opóźnienie funkcji. Anthropic w dokumentacji Claude w Amazon Bedrock wymienia funkcje, których w tym kanale nie ma — między innymi Agent Skills, MCP connector i Files API. Dla firm, które chcą rozliczenia przez AWS, a pełnej platformy Anthropic, jest osobna droga: Claude Platform on AWS, obsługiwana przez Anthropic i opłacana przez AWS Marketplace. Szczegóły kanałów Claude zbiera poradnik o Claude dla firm.

Sytuacja	Droga	Dlaczego
Firma nie ma środowiska w AWS	API vendora	najkrótsza droga do pilota
Projekt potrzebuje najnowszej funkcji vendora	API vendora albo Claude Platform on AWS	funkcje trafiają do Bedrock z opóźnieniem albo wcale
Firma chce porównać lub zmieniać modele kilku vendorów	Amazon Bedrock	jedno API i jeden rachunek
Dane muszą być przetwarzane w UE, a reszta systemu jest w AWS	Amazon Bedrock z profilem EU	region i logi w znanym środowisku

Tabela to uproszczenie autora. Przy realnym projekcie decyzję podejmuje się po teście: te same przykłady, ten sam model, dwa kanały — i porównanie jakości, czasu odpowiedzi oraz kosztu.

Dane i region: gdzie przetwarzane są zapytania

To sekcja, którą zarząd powinien przeczytać dwa razy. W Bedrock są trzy ustawienia, które decydują o tym, gdzie trafiają dane.

1. Region. Bedrock ma endpointy w kilku regionach europejskich, między innymi we Frankfurcie (eu-central-1), Irlandii, Paryżu, Sztokholmie, Mediolanie, Hiszpanii i Zurychu — lista w dokumentacji AWS. Regionu w Polsce na tej liście nie ma.

2. Profil wnioskowania. Nie każdy model działa „w samym regionie”. Przykład: Claude Opus 5.5 wywołany z Frankfurtu nie ma opcji In-Region — jest dostępny przez profil geograficzny EU albo Global. Profil EU z Frankfurtu kieruje zapytania do regionów we Frankfurcie, Sztokholmie, Mediolanie, Hiszpanii, Irlandii i Paryżu. Profil Global może skierować je do dowolnego regionu komercyjnego na świecie; AWS podaje, że jest około 10% tańszy. Taniej, ale bez granic. Przy wymaganiach rezydencji AWS zaleca sprawdzić regiony docelowe dla każdego regionu źródłowego, zamiast polegać na samym prefiksie „eu.” w nazwie profilu. CloudTrail zapisuje, w którym regionie zapytanie zostało przetworzone.

3. Retencja. Bedrock ma tryby retencji danych ustawiane osobno w każdym regionie: od zerowej retencji (none) po tryb, w którym AWS przechowuje dane do 30 dni i może je przejrzeć (aws_review). Część modeli działa tylko w tym drugim trybie — dziś to między innymi Claude Fable 5 i 5.1. Według AWS treści nie są przekazywane producentowi modelu.

Dobra wiadomość: AWS opisuje w zasadach ochrony danych, że modele działają na kontach wdrożeniowych zespołu Bedrock, do których producenci modeli nie mają dostępu — ani do logów, ani do promptów i odpowiedzi klientów. Ocena, czy to wystarcza dla Waszych umów i RODO, należy do prawnika i inspektora ochrony danych. Zadanie zarządu to zażądać od zespołu trzech odpowiedzi na piśmie: jaki region, jaki profil, jaki tryb retencji.

Knowledge Bases: RAG na dokumentach firmy

Bedrock Knowledge Bases to gotowa usługa RAG: system wyszukuje fragmenty dokumentów firmy i podaje je modelowi jako podstawę odpowiedzi, z cytatem. AWS oferuje dwa warianty:

• Managed Knowledge Base — AWS zarządza indeksem, a konektory obejmują między innymi S3, SharePoint, Confluence, Google Drive i OneDrive. Ważne dla bezpieczeństwa: ten wariant filtruje dokumenty według uprawnień (ACL) w chwili wyszukiwania.
• Customer-managed — zespół sam buduje potok i wybiera magazyn wektorów, na przykład Amazon OpenSearch Serverless albo Aurora. Więcej kontroli, więcej pracy; część funkcji, w tym filtr uprawnień na poziomie dokumentu, jest tylko w wariancie Managed.

Usługa nie rozwiąże problemu, który zna każdy, kto budował RAG: trzech wersji tej samej procedury i braku właściciela dokumentów. Dlaczego jakość RAG zależy bardziej od źródeł i uprawnień niż od narzędzia, opisuje poradnik o RAG dla firm.

Guardrails: bezpieczniki wokół modelu

Bedrock Guardrails sprawdzają pytanie użytkownika i odpowiedź modelu. Do wyboru są: filtry treści szkodliwych (w tym ataków na prompt), tematy zabronione, filtry słów, filtry danych wrażliwych (maskowanie danych osobowych, własne wzorce), sprawdzanie zgodności odpowiedzi ze źródłem w RAG oraz Automated Reasoning checks, które porównują odpowiedź z zapisanymi regułami.

Dwie rzeczy warte zapamiętania. Po pierwsze, Guardrails działają nie tylko z modelami w Bedrock — API ApplyGuardrail sprawdza tekst bez wywołania modelu. Po drugie, bezpiecznik zmniejsza ryzyko, ale go nie usuwa. Filtr danych osobowych działa na wykrywaniu probabilistycznym, więc przepuści coś, czego nie rozpozna. Dlatego Guardrails testuje się na przykładach z Waszej firmy, a ryzyka, przed którymi chronią, dobrze porządkuje lista OWASP LLM Top 10 2026.

Agenci: AgentCore zamiast Bedrock Agents

Tu nastąpiła ważna zmiana. Usługa Amazon Bedrock Agents — dziś pod nazwą Agents Classic — nie przyjmuje nowych klientów. AWS kieruje nowe projekty do Amazon Bedrock AgentCore.

AgentCore to zestaw usług do uruchamiania agentów w produkcji, które można brać razem albo osobno:

• Runtime — izolowane środowisko, w którym działa agent;
• Memory — pamięć krótka (rozmowa) i długa (między sesjami);
• Gateway — zamienia API firmy i funkcje Lambda w narzędzia w standardzie MCP;
• Identity — tożsamość agenta i logowanie przez firmowy system tożsamości, na przykład Entra ID albo Okta;
• Policy — reguły, które przechwytują każde wywołanie narzędzia przed wykonaniem, w języku zgodnym z Cedar;
• Observability i Evaluations — ślady działania agenta i ocena jakości.

Ważna cecha: AgentCore działa z dowolnym frameworkiem (LangGraph, CrewAI, Strands Agents, OpenAI Agents SDK) i z modelami także spoza Bedrock. Firma nie musi więc przepisywać agenta, żeby uruchomić go w AWS.

Najcenniejszy element dla zarządu to Policy. Agent, który dostał narzędzie „zwrot pieniędzy” i instrukcję „bądź pomocny”, bywa pomocny bardzo hojnie. Reguła sprawdzana przed wykonaniem — na przykład „zwrot powyżej ustalonej kwoty wymaga człowieka” — działa niezależnie od tego, co model sobie wymyśli. Czym agent różni się od chatbota i gdzie stawiać bramki człowieka, opisuje poradnik o agentach AI.

Amazon Q, Quick i Kiro: AI dla pracowników i programistów

Nazwa Amazon Q obejmowała dwa produkty dla dwóch różnych grup. Oba są dziś w okresie przejściowym.

Dla pracowników: Amazon Q Business → Amazon Quick. Q Business to asystent, który odpowiada na podstawie danych firmy, z uwzględnieniem uprawnień i z cytatami. Stan na 6.10.2026: nie przyjmuje nowych klientów. Obecni klienci dostają poprawki błędów i bezpieczeństwa, ale bez nowych funkcji. AWS rekomenduje przejście do Amazon Quick — asystenta do pracy z badaniem tematów, raportami, przepływami i automatyzacją. Migracja nie jest „jednym kliknięciem”: przy podłączeniu starego indeksu nie przechodzą między innymi aplikacje Q Apps, akcje i ustawienia guardrails czatu. Firma, która ma Q Business, powinna zaplanować migrację jak mały projekt: z testem odpowiedzi i uprawnień. Jak przeprowadzić migrację i co przetestować przed przełączeniem, opisuje wpis Amazon Q: jak ocenić zastosowanie w firmie.

Dla programistów: Amazon Q Developer → Kiro. AWS zakończy wsparcie wtyczek IDE Amazon Q Developer 30.04.2027 i wskazuje Kiro jako miejsce najnowszych modeli i funkcji. Kiro to agentowe środowisko programistyczne, które zaczyna od specyfikacji, a dopiero potem pisze kod i testy. Jak włączyć takie narzędzie w proces z bramkami odbioru, opisuje wpis Amazon Kiro w AI SDLC.

SageMaker AI: tylko gdy firma buduje własny model

Amazon SageMaker AI (do grudnia 2024 roku — Amazon SageMaker) to usługa do budowy, trenowania i wdrażania własnych modeli uczenia maszynowego. Nazwa „Amazon SageMaker” oznacza dziś szerszą platformę danych, analityki i AI, w której Bedrock jest jednym z elementów — stąd częste nieporozumienia.

Dla zarządu wystarczy prosta reguła: asystent, RAG i agent zaczynają się od Bedrock. SageMaker AI przydaje się, gdy firma ma zespół data science i konkretny model na własnych danych — na przykład prognozę popytu albo wykrywanie usterek — i jest gotowa ten model utrzymywać.

Ile to kosztuje: jak AWS liczy

AWS publikuje stawki w cenniku Amazon Bedrock. Kwot nie przepisuję, bo zależą od modelu i regionu i zmieniają się częściej niż ten tekst. Ważniejszy jest sposób liczenia:

• Modele — za milion tokenów wejścia i wyjścia, osobno dla każdego modelu. Przetwarzanie wsadowe (batch) jest dla wybranych modeli o 50% tańsze od zwykłego, poziom Flex — o 50% tańszy od Standard, a Priority — o 75% droższy.
• Stała przepustowość (Provisioned Throughput) — stawka godzinowa, bez zobowiązania albo z zobowiązaniem na 1 lub 6 miesięcy.
• Knowledge Bases i Guardrails — za przechowywane dane, liczbę zapytań i jednostki sprawdzanego tekstu.
• AgentCore — za zużycie poszczególnych usług: czas pracy środowiska, wywołania narzędzi, pamięć.

Do rachunku AWS trzeba doliczyć to, czego na fakturze nie widać: przygotowanie dokumentów, testy, przegląd odpowiedzi i utrzymanie. Przy pilocie warto od razu ustawić budżet i alert kosztowy na koncie.

Kiedy AWS ma sens, a kiedy nie

Rekomendacja autora jest prosta: AI w AWS ma sens wtedy, gdy AWS jest już Waszym domem.

AWS ma sens, gdy:

• dane i systemy, z których ma korzystać AI, już są w AWS (S3, bazy, aplikacje);
• dział IT zna IAM, sieć i logi AWS, a zasady bezpieczeństwa są tam opisane;
• chcecie porównywać modele kilku vendorów bez osobnych umów;
• macie wymaganie przetwarzania w UE i chcecie je spiąć z resztą infrastruktury.

AWS nie jest pierwszym wyborem, gdy:

• firma nie ma kont ani zasad w AWS — budowa środowiska tylko dla pilota AI to droga okrężna;
• cała praca biurowa jest w Microsoft 365, a celem jest asystent dla pracowników — wtedy naturalnym punktem odniesienia jest Microsoft Foundry albo Copilot;
• projekt potrzebuje funkcji, które vendor modelu udostępnia tylko we własnym API.

Jeśli AWS ma być miejscem projektu, wybór wykonawcy ma swoje pułapki — przede wszystkim to, czyje jest konto AWS i kto ma do niego dostęp root. Opisuje je wpis jak wybrać partnera do wdrożenia AI w AWS.

Jak zacząć

Kolejność, którą rekomenduję:

1. Jedno zadanie. Wybierzcie jeden proces i zbierzcie 20–50 prawdziwych przykładów z oczekiwanym wynikiem.
2. Region, profil, retencja. Zanim padnie pierwsze zapytanie, zapiszcie: region (na przykład Frankfurt), profil wnioskowania (EU czy Global) i tryb retencji. Zablokujcie inne ustawienia politykami na poziomie organizacji AWS.
3. Dwa–trzy modele. Porównajcie je na tych samych przykładach. Jeśli projekt może potrzebować funkcji spoza Bedrock, dołóżcie do testu API vendora.
4. Dane i uprawnienia. Dla RAG: właściciele dokumentów i filtr uprawnień przed indeksowaniem. Dla agenta: lista narzędzi i reguły Policy przed pierwszym wywołaniem.
5. Pilot z budżetem. Jedna grupa użytkowników, kilka tygodni, alert kosztowy. Miara: czas zadania, liczba poprawek, liczba spraw przekazanych człowiekowi.

Przedział 20–50 przykładów to rekomendacja autora, nie norma. Jeśli zarząd nie potrafi dziś powiedzieć, które dane mogą wyjść poza region i kto odpowiada za konto AWS, wybór modelu jest przedwczesny. Najpierw warto to nazwać — po to jest prezentacja dla zarządu.

Mapa wpisów o AWS AI

Wpisy o AI w Amazon Web Services, pogrupowane według zadania. Szerszy kontekst daje strona filaru Amazon Web Services AI.

A. Asystenci i modele

Wpis	Kiedy czytać
Amazon Q: jak ocenić zastosowanie w firmie	macie Q Business i planujecie migrację do Amazon Quick: uprawnienia, BYOI, testy

B. Wytwarzanie oprogramowania

Wpis	Kiedy czytać
Amazon Kiro: specyfikacja przed kodem w AI SDLC	zespół programistów wybiera agenta do pracy na repozytorium

C. Dane i analityka

Wpis	Kiedy czytać
Amazon Redshift w suwerennym AI OS	hurtownia danych w AWS jako źródło dla agentów i raportów
Amazon Redshift czy Microsoft Fabric? Kryteria wyboru	wybieracie platformę danych i porównujecie AWS z Microsoft

D. Wybór partnera

Wpis	Kiedy czytać
Jak wybrać partnera do wdrożenia AI w Amazon Web Services?	szukacie wykonawcy i chcecie zachować konto AWS po stronie firmy

Poradniki powiązane

Modele dostępne w Bedrock i ich wybór opisują poradniki o Claude dla firm i o LLM dla firm. Pracę z dokumentami firmy — poradnik o RAG, a agentów — poradnik o agentach AI.

Najważniejsze w skrócie

• AI w AWS to zestaw usług: Bedrock (modele wielu vendorów), Knowledge Bases (RAG), Guardrails (bezpieczniki), AgentCore (agenci), SageMaker AI (własne modele ML) oraz Quick i Kiro dla pracowników i programistów.
• Bedrock daje jedno API i jeden rachunek dla Claude, Llama, Mistral, Nova, GPT i innych. Ten sam model bywa jednak w Bedrock uboższy o funkcje niż w API vendora.
• O danych decydują trzy ustawienia: region, profil wnioskowania (EU czy Global) i tryb retencji. Profil Global jest tańszy, ale bez granic geograficznych.
• Nowe projekty agentowe idą na AgentCore; Bedrock Agents nie przyjmuje nowych klientów.
• Amazon Q Business nie przyjmuje nowych klientów — następcą jest Amazon Quick. Wtyczki IDE Amazon Q Developer mają wsparcie do 30.04.2027, kierunek to Kiro.
• AWS ma sens, gdy firma już tam pracuje. Zaczyna się od zadania, regionu i przykładów, a kończy na wyborze modelu.