--- title: "AI w AWS: kiedy Amazon Bedrock ma sens dla firmy?" url: "https://majchrzycki.com/blog/co-to-jest-amazon-bedrock-poradnik-dla-firm" description: "Z czego składa się AI w AWS: Bedrock z modelami wielu vendorów, Knowledge Bases, Guardrails, AgentCore, Amazon Q i Quick. Dane w UE i pierwszy pilot." --- # AI w AWS: kiedy Amazon Bedrock ma sens dla firmy? 6 października 2026· Aktualizacja: 6 października 2026·10 min czytania·[Krzysztof Majchrzycki](https://majchrzycki.com/o-mnie) Temat: [Amazon Web Services AI](https://majchrzycki.com/blog/filar/amazon-web-services-ai) **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](https://majchrzycki.com/blog/co-to-jest-llm-poradnik-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](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) zespół IT albo partner modele wielu vendorów przez jedno API region, profil wnioskowania, retencja [Knowledge Bases](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) zespół IT RAG: odpowiedzi z dokumentów firmy z cytatami źródła, filtr uprawnień [Guardrails](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html) zespół IT, bezpieczeństwo filtry treści, danych osobowych, tematów co blokujemy i jak to testujemy [AgentCore](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html) zespół IT albo partner uruchamianie agentów: runtime, pamięć, narzędzia, polityki uprawnienia agenta, logi [SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) data science trening i wdrożenie własnych modeli ML kto utrzyma model [Amazon Quick](https://aws.amazon.com/quick/) pracownicy biura asystent na danych firmy, przepływy, raporty źródła i uprawnienia [Kiro](https://kiro.dev/) i [Amazon Q Developer](https://aws.amazon.com/q/developer/) programiści specyfikacja, kod, testy bramki odbioru kodu Mapa oferty AI w AWS: kto używa, co robi, jakie dane. Budowa, zespół IT: Amazon Bedrock — modele wielu vendorów (Claude, Llama, Mistral, Nova, GPT i inne) przez API; dane w regionie AWS, profil EU albo Global. Knowledge Bases — RAG na dokumentach z cytatami; źródła S3, SharePoint, Confluence i filtr uprawnień. Guardrails — bezpieczniki: filtry treści, danych osobowych, tematów i zgodności ze źródłem; sprawdzają pytanie i odpowiedź. AgentCore — agenci w produkcji: runtime, pamięć, narzędzia MCP, tożsamość i polityki; dowolny model i framework. SageMaker AI — własne modele ML: trening i wdrożenie na danych firmy. Użycie, pracownicy: Amazon Quick — asystent do pracy na danych firmy; Amazon Q Business nie przyjmuje nowych klientów. Kiro i Amazon Q Developer — dla programistów; wtyczki IDE Q Developer wspierane do 30.04.2027. Stan na 6.10.2026. Mapa oferty AI w AWS: usługi do budowy i aplikacje dla pracowników, z tym, kto ich używa i jakie dane obsługują. Na podstawie dokumentacji AWS, stan na 6.10.2026. ## Amazon Bedrock: modele wielu vendorów pod jednym kontem Bedrock to [w pełni zarządzana usługa](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html) z dostępem do modeli wielu firm. W [katalogu modeli](https://docs.aws.amazon.com/bedrock/latest/userguide/model-cards.html) 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](https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-anthropic-claude-opus-5-5.html), 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](https://majchrzycki.com/blog/co-to-jest-llm-poradnik-dla-firm). ## 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](https://platform.claude.com/docs/en/build-with-claude/claude-in-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](https://platform.claude.com/docs/en/build-with-claude/claude-platform-on-aws), obsługiwana przez Anthropic i opłacana przez AWS Marketplace. Szczegóły kanałów Claude zbiera [poradnik o Claude dla firm](https://majchrzycki.com/blog/co-to-jest-claude-poradnik-dla-firm). Karta decyzji „Bedrock czy API vendora?”. Uproszczenie autora. Pytanie 1: czy firma ma już konta, sieć i zasady bezpieczeństwa w AWS? Nie — API vendora: najszybszy start i pełne funkcje producenta. Pytanie 2: czy potrzebna jest funkcja, której nie ma w Bedrock? Tak — API vendora albo Claude Platform on AWS; sprawdź listę funkcji. Pytanie 3: czy chcecie porównywać modele kilku vendorów? Tak — Amazon Bedrock: jedno API, jeden rachunek AWS, wymiana modelu. Pytanie 4: czy dane muszą zostać w regionach UE? Tak — Bedrock z profilem EU; sprawdź regiony docelowe i tryb retencji danych. Nie — Bedrock albo API vendora; zdecyduje koszt, umowa i kompetencje zespołu. Zawsze: test na Waszych przykładach i aktualna lista funkcji z dokumentacji. Stan na 6.10.2026. Bedrock czy API vendora: cztery pytania przed wyborem drogi do modelu. Uproszczenie autora na podstawie dokumentacji AWS i Anthropic; warunki w tabeli poniżej. 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](https://docs.aws.amazon.com/general/latest/gr/bedrock.html). 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](https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-anthropic-claude-opus-5-5.html) — 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](https://docs.aws.amazon.com/bedrock/latest/userguide/cross-region-inference.html). Taniej, ale bez granic. Przy wymaganiach rezydencji AWS zaleca [sprawdzić regiony docelowe](https://docs.aws.amazon.com/bedrock/latest/userguide/inference-profiles-support.html) 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](https://docs.aws.amazon.com/bedrock/latest/userguide/data-retention.html) 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](https://docs.aws.amazon.com/bedrock/latest/userguide/data-protection.html), 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](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) 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](https://majchrzycki.com/blog/co-to-jest-rag-poradnik-dla-firm). ## Guardrails: bezpieczniki wokół modelu [Bedrock Guardrails](https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html) 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](https://majchrzycki.com/blog/owasp-llm-top-10-2026-lista-ryzyk). ## Agenci: AgentCore zamiast Bedrock Agents Tu nastąpiła ważna zmiana. Usługa Amazon Bedrock Agents — dziś pod nazwą Agents Classic — [nie przyjmuje nowych klientów](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html). AWS kieruje nowe projekty do **Amazon Bedrock AgentCore**. [AgentCore](https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html) 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](https://majchrzycki.com/blog/cedar-policy-agent-ai-os); - **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](https://majchrzycki.com/blog/co-to-jest-agent-ai-poradnik-dla-firm). ## 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](https://docs.aws.amazon.com/amazonq/latest/qbusiness-ug/qbusiness-availability-change.html). 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](https://majchrzycki.com/blog/amazon-q-genai-apps). **Dla programistów: Amazon Q Developer → Kiro.** AWS [zakończy wsparcie wtyczek IDE Amazon Q Developer 30.04.2027](https://aws.amazon.com/q/developer/) i wskazuje [Kiro](https://kiro.dev/) 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](https://majchrzycki.com/blog/ai-sdlc-agent-amazon-kiro). ## SageMaker AI: tylko gdy firma buduje własny model [Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html) (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](https://aws.amazon.com/bedrock/pricing/). 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](https://aws.amazon.com/bedrock/agentcore/pricing/) 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](https://majchrzycki.com/blog/co-to-jest-microsoft-foundry-poradnik-dla-firm) 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](https://majchrzycki.com/blog/jak-wybrac-partnera-aws-do-wdrozenia-ai). ## 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](https://majchrzycki.com/wspolpraca/prezentacja-systemu-ai-dla-zarzadu). ## Mapa wpisów o AWS AI Wpisy o AI w Amazon Web Services, pogrupowane według zadania. Szerszy kontekst daje strona filaru [Amazon Web Services AI](https://majchrzycki.com/blog/filar/amazon-web-services-ai). ### A. Asystenci i modele Wpis Kiedy czytać [Amazon Q: jak ocenić zastosowanie w firmie](https://majchrzycki.com/blog/amazon-q-genai-apps) 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](https://majchrzycki.com/blog/ai-sdlc-agent-amazon-kiro) zespół programistów wybiera agenta do pracy na repozytorium ### C. Dane i analityka Wpis Kiedy czytać [Amazon Redshift w suwerennym AI OS](https://majchrzycki.com/blog/redshift-ai-analityka) hurtownia danych w AWS jako źródło dla agentów i raportów [Amazon Redshift czy Microsoft Fabric? Kryteria wyboru](https://majchrzycki.com/blog/amazon-redshift-vs-microsoft-fabric-porownanie-platform-danych) wybieracie platformę danych i porównujecie AWS z Microsoft ### D. Wybór partnera Wpis Kiedy czytać [Jak wybrać partnera do wdrożenia AI w Amazon Web Services?](https://majchrzycki.com/blog/jak-wybrac-partnera-aws-do-wdrozenia-ai) 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](https://majchrzycki.com/blog/co-to-jest-claude-poradnik-dla-firm) i [o LLM dla firm](https://majchrzycki.com/blog/co-to-jest-llm-poradnik-dla-firm). Pracę z dokumentami firmy — [poradnik o RAG](https://majchrzycki.com/blog/co-to-jest-rag-poradnik-dla-firm), a agentów — [poradnik o agentach AI](https://majchrzycki.com/blog/co-to-jest-agent-ai-poradnik-dla-firm). ## 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. - Modele i LLM - Agenci AI - Suwerenność - Zarząd ## Ustalmy, czy Wasz projekt AI powinien stać w AWS Prezentacja dla zarządu: nazwiemy zadanie, dane i wymagania co do regionu. Dopiero potem wybór między Amazon Bedrock, API vendora a innym środowiskiem. Pracuję niezależnie od vendora i partnera. [Umów prezentację dla zarządu](https://majchrzycki.com/wspolpraca/prezentacja-systemu-ai-dla-zarzadu) FAQ ## Najczęstsze pytania Czym jest Amazon Bedrock w jednym zdaniu? To zarządzana usługa AWS, która daje dostęp do modeli językowych wielu vendorów — między innymi Anthropic (Claude), Meta (Llama), Mistral AI, OpenAI i Amazon (Nova) — przez jedno API, w ramach konta i rachunku AWS. Do tego dochodzą usługi wokół modeli: Knowledge Bases do RAG, Guardrails jako bezpieczniki i AgentCore do uruchamiania agentów. Czy przez Bedrock dostajemy tego samego Claude co w API Anthropic? Ten sam model, ale nie te same funkcje. Według dokumentacji Anthropic (stan na 6.10.2026) Claude w Amazon Bedrock nie obsługuje między innymi Agent Skills, MCP connector i Files API. Kto potrzebuje pełnej platformy Anthropic przy rozliczeniu przez AWS, może sprawdzić Claude Platform on AWS — obsługuje ją Anthropic, a płatność idzie przez AWS Marketplace. Czy dane z Bedrock zostaną w Unii Europejskiej? Mogą, ale trzeba to ustawić. Wybieracie region (na przykład Frankfurt) i profil wnioskowania: profil EU przetwarza zapytania w regionach europejskich, a profil Global — w dowolnym regionie komercyjnym na świecie, za to taniej. Przy wymaganiach rezydencji AWS zaleca sprawdzić listę regionów docelowych dla każdego regionu źródłowego. Osobno ustawia się tryb retencji danych. Czy producenci modeli widzą nasze zapytania w Bedrock? Według dokumentacji AWS nie. Modele działają na kontach wdrożeniowych zespołu Bedrock, do których producenci modeli nie mają dostępu — ani do logów, ani do promptów i odpowiedzi. Część modeli wymaga jednak trybu, w którym AWS przechowuje dane do 30 dni i może je przejrzeć pod kątem nadużyć; dotyczy to na przykład Claude Fable 5 i 5.1. Czy warto dziś wdrażać Amazon Q Business? Nowa firma już go nie wdroży. Stan na 6.10.2026: Amazon Q Business nie przyjmuje nowych klientów, obecni dostają poprawki błędów i bezpieczeństwa, ale bez nowych funkcji. AWS wskazuje Amazon Quick jako następcę i opisuje migrację. Dla programistów AWS kieruje do Kiro, a wsparcie wtyczek IDE Amazon Q Developer kończy 30.04.2027. Do czego jest SageMaker AI, skoro jest Bedrock? Do budowy, trenowania i wdrażania własnych modeli uczenia maszynowego — na przykład prognozy popytu albo klasyfikacji usterek na danych firmy. Bedrock daje gotowe modele vendorów przez API. Większość projektów z asystentem lub agentem zaczyna się od Bedrock; SageMaker AI przydaje się, gdy firma ma zespół data science i własny model do utrzymania. Kiedy AWS nie jest dobrym wyborem dla AI? Gdy firma nie ma kont, sieci ani zasad bezpieczeństwa w AWS i nie planuje ich budować. Wtedy szybciej i prościej jest skorzystać z API vendora albo z chmury, w której już pracujecie, na przykład Microsoft Foundry. Bedrock wygrywa tam, gdzie dane, systemy i umowa są już w AWS. ## Czytaj dalej - [Amazon Q: jak ocenić zastosowanie w firmie](https://majchrzycki.com/blog/amazon-q-genai-apps) - [Jak wybrać partnera do wdrożenia AI w Amazon Web Services?](https://majchrzycki.com/blog/jak-wybrac-partnera-aws-do-wdrozenia-ai) - [Co to jest Claude? Poradnik dla firm: plany, API i dane](https://majchrzycki.com/blog/co-to-jest-claude-poradnik-dla-firm) - [Co to jest LLM? Modele językowe — poradnik dla firm](https://majchrzycki.com/blog/co-to-jest-llm-poradnik-dla-firm)