---
title: "Amazon Web Services AI"
url: "https://majchrzycki.com/blog/filar/amazon-web-services-ai"
description: "Jak oceniać modele i usługi Amazon Web Services AI dla potrzeb organizacji."
---

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

1.  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.
    
2.  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.
    
3.  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

-   [Amazon Q: jak ocenić zastosowanie w firmie](https://majchrzycki.com/blog/amazon-q-genai-apps)

## Dalsza lektura

### Powiązane przewodniki

-   [Dane i wiedza firmy](https://majchrzycki.com/blog/filar/dane-i-wiedza-firmy)
-   [Bezpieczeństwo i utrzymanie AI](https://majchrzycki.com/blog/filar/bezpieczenstwo-i-utrzymanie-ai)
-   [Architektura systemów AI](https://majchrzycki.com/blog/filar/architektura-systemow-ai)
-   [Open Source AI](https://majchrzycki.com/blog/filar/open-source-ai)

### Źródła producenta i dokumentacja

-   [AWS: dokumentacja Amazon Q](https://docs.aws.amazon.com/amazonq/)
-   [AWS: dokumentacja Amazon Bedrock](https://docs.aws.amazon.com/bedrock/)

## 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](https://majchrzycki.com/wspolpraca)