Przewodnik tematyczny
Amazon Web Services AI
Jak dobrać Amazon Web Services AI do zadania i sposobu utrzymania?
Amazon Web Services AI obejmuje różne poziomy odpowiedzialności: asystenta dla użytkownika, usługę do budowy aplikacji oraz infrastrukturę własnego rozwiązania. Zespół działający w AWS powinien oddzielić te potrzeby, zanim zacznie porównywać modele. Wybór zależy od danych, uprawnień, wymaganego działania i kosztu eksploatacji.
Jak podejść do tematu
- Krok 1
Rozdziel użytkownika i system
Jeśli potrzebny jest asystent do pytań o wiedzę firmy, opisz pracę użytkownika. Jeśli aplikacja ma wykonać proces, spisz integracje, reguły i odpowiedzialność.
- Krok 2
Przygotuj źródła i role
Ustal, które dokumenty i systemy są dostępne, kto może je czytać oraz jak aktualizować wiedzę. Osobno zdefiniuj uprawnienia do działań.
- Krok 3
Zrób próbę kosztową
Na typowym i szczytowym obciążeniu zmierz jakość, czas odpowiedzi, koszt wywołań oraz pracę zespołu utrzymującego. Ustal próg zatrzymania pilota.
Asystent, platforma modeli i własna infrastruktura
Dokumentacja AWS rozróżnia Amazon Q Business jako asystenta dla potrzeb organizacji i Amazon Q Developer jako pomoc w pracy nad oprogramowaniem. Amazon Bedrock jest inną ścieżką: usługą do budowy aplikacji korzystających z modeli przez API. To rozróżnienie porządkuje pierwszy wybór, ale nie rozstrzyga jakości dla danych konkretnej firmy.
Własna infrastruktura daje dodatkową kontrolę nad uruchomieniem, lecz wymaga obsługi wersji, skalowania, obserwowalności i awarii. Nie przyjmuj, że najniższy koszt pojedynczego wywołania oznacza najniższy koszt całego procesu.
Dane i uprawnienia przed modelem
Asystent odpowiadający na podstawie dokumentów powinien respektować właścicieli informacji oraz reguły dostępu. Aplikacja wykonująca akcje potrzebuje odrębnej kontroli narzędzi: zakresu operacji, potwierdzenia przez człowieka i rejestru działań. Te wymagania warto opisać przed wyborem usługi, bo od nich zależy architektura pilota.
Przykład: system ma przygotować odpowiedź na reklamację. W pierwszej wersji tylko proponuje tekst z podaniem źródła. Dopiero po ocenie błędów można rozważyć pobieranie danych ze zgłoszenia. Automatyczne wysłanie odpowiedzi jest kolejną decyzją, z własnymi warunkami kontroli.
- Źródła: aktualność, właściciel, uprawnienia i możliwość usunięcia.
- Akcje: zakres, potwierdzenie i zapis audytowy.
- Jakość: próbka spraw i kryteria odmowy.
- Koszt: wywołania, transfer, monitoring i praca zespołu.
Jak ocenić pilota w AWS
Przeprowadź test na sprawach zwykłych, nietypowych i takich, dla których system nie ma danych. Oceniaj wynik, źródła, opóźnienie i zachowanie po błędzie integracji. Rozdziel koszt eksperymentu od kosztu produkcji: ten drugi obejmuje dostępność, alerty, przegląd jakości i aktualizacje.
Porównanie Redshift z Fabric należy do decyzji o platformie danych, nie do samego ekosystemu AI. Jeśli to dane są ograniczeniem projektu, zacznij od ich mapy, a dopiero później wybieraj usługi modelowe.
Jak podjąć decyzję
Wybierz sygnał, który najlepiej opisuje obecny problem, i sprawdź właściwy następny krok.
| Sygnał | Co oznacza | Następny krok |
|---|---|---|
| Pracownik potrzebuje odpowiedzi z wiedzy organizacji | Oceń asystenta, jakość źródeł i dostęp użytkowników. | Pilot z pytaniami i testem odmowy bez źródła. |
| Zespół buduje aplikację z modelem przez API | Potrzebny jest projekt integracji, ewaluacji i utrzymania. | Sprawdź usługę na jednej ścieżce procesu i realnym ruchu. |
| Koszt obliczeń jest główną przesłanką wyboru | Sam cennik modelu pomija koszty operacyjne. | Policz pełny koszt na typowym i szczytowym obciążeniu. |
Wybierz zagadnienie
Każda grupa odpowiada na węższe pytanie. Zacznij od obszaru, który jest najbliższy Twojej decyzji.
Modele i asystenci Amazon Web Services AI
Dalsza lektura
Powiązane przewodniki
Źródła producenta i dokumentacja
Następny krok
Istniejący artykuł o Amazon Q jest punktem wejścia do ścieżki asystenta. Przed wyborem platformy lub infrastruktury przygotuj mapę zadania, danych i odpowiedzialności. Tę mapę można wykorzystać do rozmowy o zakresie projektu.
Omów zakres projektu AI