top of page

Architektura DXC OASIS Amazon Bedrock oddziela wybór modelu od uprawnień agenta

27 minut temu
11 minut(y) czytania

DXC Technology przedstawiło 11 listopada architekturę DXC OASIS Amazon Bedrock, oddzielając dostęp do wielu modeli AI od uprawnień do zmieniania systemów produkcyjnych. Amazon Bedrock zapewnia bazę — wspólną warstwę dostępu do modeli. DXC zapewnia warstwę koordynującą, czyli oprogramowanie, które organizuje pracę, egzekwuje reguły operacyjne i rejestruje działania agentów. To rozróżnienie ma znaczenie, ponieważ użyteczna odpowiedź i autoryzowane działanie wymagają odmiennych mechanizmów kontroli.

Studium przypadku AWS opisuje istniejące wdrożenie, a nie listopadową premierę produktu. OASIS osiągnął ogólną dostępność w marcu 2026 roku. Jego kluczowy wybór architektoniczny podważa kuszące uproszczenie: traktowanie dostępu do zaawansowanych modeli jako wystarczającego przygotowania do autonomicznych działań.

To podejście skłania nabywców korporacyjnych i dostawców usług zarządzanych do zbadania, gdzie faktycznie spoczywa odpowiedzialność. IBM watsonx Orchestrate stanowi użyteczny punkt odniesienia dla rosnącego nacisku na zarządzanie agentami w systemach przedsiębiorstwa. Istotne porównanie dotyczy kontroli nad pracą, a nie rywalizacji między poszczególnymi modelami.

Architektura DXC OASIS Amazon Bedrock wyraźnie określa granicę

Najistotniejsza decyzja DXC polega na przypisaniu dostępu do modeli i uprawnień operacyjnych do różnych warstw.

Wspólnie przygotowany przez AWS opis architektury wielomodelowej przedstawia dostęp przez Bedrock do Anthropic Claude, Amazon Nova, Meta Llama i modeli o otwartych wagach. Modele o otwartych wagach udostępniają wyuczone parametry na warunkach właściwych licencji. Własna warstwa koordynująca DXC określa, w jaki sposób agenci korzystają z narzędzi i przechodzą przez operacyjne przepływy pracy.

Opisywany projekt uruchamia środowisko agentów w Amazon EKS, usłudze AWS zarządzającej obsługą aplikacji konteneryzowanych. Prywatna sieć łączy to środowisko z Bedrock. Te decyzje opisują infrastrukturę wspierającą, podczas gdy warstwa koordynująca nadal odpowiada za znaczenie i autoryzację pracy operacyjnej.

DXC obsługuje regulowane organizacje w 70 krajach. Liczba ta opisuje zasięg działalności firmy, a nie zweryfikowaną liczbę krajów korzystających z OASIS. To rozróżnienie zapobiega traktowaniu skali firmy jako dorozumianego twierdzenia o skali wdrożenia.

Praktyczna granica staje się wyraźniejsza, gdy agent rekomenduje zmianę produkcyjną. Wygenerowanie rekomendacji wymaga rozumowania na podstawie dowodów. Jej wykonanie wymaga uprawnienia powiązanego z konkretnym klientem, zasobem, działaniem i sytuacją operacyjną.

Wymagania te częściowo się pokrywają, ale nie są wymienne. Model może przedstawić trafną rekomendację działania, którego użytkownik składający wniosek nie ma uprawnień zatwierdzić. Z kolei dozwolone działanie może nadal opierać się na błędnej diagnozie.

Rozdzielenie tych decyzji daje operatorowi wyraźniejsze miejsce do zbadania awarii. Czy dowody były błędne? Czy model je niewłaściwie zinterpretował? Czy warstwa wykonawcza zaakceptowała działanie poza zatwierdzonym zakresem?

Dlatego studium przypadku zasługuje na uwagę wykraczającą poza listę modeli. Architektura sprawia, że odpowiedzialność można kontrolować. Nabywcy mogą pytać, który komponent egzekwuje daną regułę, zamiast przyjmować ogólne zapewnienie, że system posiada mechanizmy zarządzania.

Zmienia to również znaczenie elastyczności. Dodanie kolejnego modelu nie powinno wymagać ponownego definiowania, kto może autoryzować zmianę produkcyjną. Polityka operacyjna musi pozostać na tyle stabilna, aby klienci rozumieli zakres swojego ryzyka.

To rozdzielenie tworzy jednak obowiązek inżynieryjny. Organizacja musi utrzymywać interfejs między rozumowaniem a wykonaniem, gdy obie warstwy się zmieniają. Granica narysowana na diagramie architektury wymaga odpowiadającego jej zachowania w działającym systemie.

Bezpośrednią wiadomością jest zatem opis sposobu, w jaki DXC rozdzieliło tę pracę. Szersze znaczenie polega na tym, że podział ten staje się wystarczająco konkretny, aby inne przedsiębiorstwa mogły go kwestionować.

Dostawcy usług zarządzanych stają przed bardziej wymagającą rozmową zakupową

Nabywcy korporacyjni potrzebują dowodów dotyczących delegowanych uprawnień obok dowodów dotyczących jakości odpowiedzi.

Dokument DXC dotyczący warstwy koordynującej agentów, opracowany wspólnie z LangChain, opisuje OASIS działający na LangGraph — frameworku do koordynowania stanowych przepływów pracy agentów. DXC twierdzi, że jego model operacyjny rozpoczyna dla każdej persony od dostępu tylko do odczytu. Szersze uprawnienia rozwijają się poprzez obserwowanie, proponowanie, działanie po zatwierdzeniu oraz działanie w określonym zakresie.

Dokument opisuje także egzekwowanie polityk w kodzie wokół użycia narzędzi. Wrażliwe operacje mogą zostać wstrzymane w celu podjęcia decyzji przez człowieka. Są to opisy systemu przedstawione przez firmę, a nie niezależne certyfikaty każdego wdrożenia.

Dla dostawcy usług zarządzanych takie podejście zmienia to, czego klient powinien żądać podczas oceny. Przekonująca demonstracja powinna pokazać agenta napotykającego granicę i zatrzymującego się. Samo pomyślne ukończenie zadania pozostawia mechanizm egzekwowania nieprzetestowany.

Nabywca powinien także sprawdzić, kto jest właścicielem wyjątków. Gdy inżynier zatwierdza nietypowe działanie, czy zgoda dotyczy wyłącznie bieżącego wykonania? Czy też po cichu rozszerza zakres działań dostępnych dla przyszłych agentów?

To rozróżnienie wpływa zarówno na bezpieczeństwo, jak i odpowiedzialność wobec klienta. Tymczasowe uprawnienie powinno pozostać odróżnialne od trwałej zmiany polityki. W przeciwnym razie seria rozsądnych wyjątków może utworzyć uprawnienia, których nikt świadomie nie nadał.

Ramy Human+AI DXC również wymagają operacyjnego odczytania. Zaangażowanie człowieka ma wartość wtedy, gdy recenzent otrzymuje wystarczające dowody, aby podjąć decyzję. Przycisk zatwierdzenia bez zrozumiałego zakresu może przekształcić nadzór w rutynowe potwierdzanie.

Ważne pytanie organizacyjne dotyczy dostępnej uwagi. Jeśli agenci szybciej przygotowują dochodzenia, weryfikacja przez człowieka może stać się pozostałym ograniczeniem. Przedsiębiorstwa muszą wtedy odróżniać rutynowe zatwierdzenia od decyzji wymagających specjalistycznego osądu.

Nie unieważnia to modelu. Zmienia jedynie miejsce, w którym znaczenie mają obsada zespołu i projektowanie procesów. Zespół może poświęcać mniej czasu na gromadzenie dowodów, a więcej uwagi na ocenę konsekwencji.

Zarządzanie wiedzą również staje się częścią tej rozmowy zakupowej. Rekomendacja oparta na nieaktualnej procedurze może wydawać się przekonująca, a jednocześnie naruszać obecną praktykę klienta. Nabywcy powinni pytać, w jaki sposób wiedza operacyjna uzyskuje status autorytatywnej i jak przestarzałe wskazówki go tracą.

Zespoły porządkujące takie dowody mogą zacząć od przeszukiwalnej bazy wiedzy dla dokumentacji technicznej. Znajdowanie istotnych materiałów pozostaje odrębnym zadaniem od zatwierdzania zmian infrastruktury. Łączy je jakość i możliwość prześledzenia dowodów przedstawianych decydentowi.

Platforma zarządzania agentami IBM pokazuje kontekst konkurencyjny. IBM pozycjonuje watsonx Orchestrate wokół koordynowania agentów, stosowania polityk, oceny wydajności i zapewniania widoczności na poziomie przedsiębiorstwa. Dokumentacja obejmuje zarządzanie obsługiwanymi agentami zewnętrznymi oraz śledzenie wyników wywołań narzędzi.

Takie pozycjonowanie wspiera wąską obserwację rynkową: dostawcy coraz częściej sprzedają zarządzanie agentami obok ich tworzenia. Nie dowodzi ono, że IBM i DXC zapewniają równoważne mechanizmy kontroli ani porównywalne wyniki operacyjne.

Presja na dostawców jest jednak konkretna. Nabywcy mogą żądać wskazanych właścicieli polityk, zatwierdzeń, wyjątków i odzyskiwania sprawności. Katalog modeli odpowiada jedynie na część tej rozmowy zakupowej.

Elastyczność modeli tworzy obowiązek zapewnienia

Wspólny interfejs upraszcza dostęp, ale nie sprawia, że różne modele są behawioralnie wymienne.

Podejście DXC OASIS Amazon Bedrock czyni wybór modelu odrębną decyzją architektoniczną. Jego wartość zależy od zachowania oczekiwań operacyjnych po zmianie wybranego modelu. Wymaga to czegoś więcej niż sprawdzenia, czy zastępstwo akceptuje ten sam format żądania.

Model zastępczy może inaczej podsumowywać dowody, inaczej wyrażać niepewność lub wybierać inną sekwencję kroków dochodzeniowych. Różnice te mogą wpływać na osobę dokonującą weryfikacji, nawet gdy końcowa rekomendacja wygląda podobnie.

Na przykład zwięzła odpowiedź może pominąć warunek, który inny model wyraża wprost. Operator analizujący krótszą odpowiedź mógłby zatwierdzić zmianę bez dostrzeżenia ważnej zależności. Jest to ilustracyjna kwestia oceny, a nie zgłoszony incydent OASIS.

Ten sam problem dotyczy wyboru narzędzi. Agent, który zbiera dodatkowe dowody przed zaproponowaniem zmiany, zachowuje się inaczej niż agent natychmiast dochodzący do rekomendacji. Ocena musi badać drogę, a nie tylko cel.

Dokumentacja inteligentnego routingu promptów Bedrock definiuje węższą funkcję zarządzaną: wybór między obsługiwanymi modelami w obrębie tej samej rodziny modeli. Przewiduje ona jakość odpowiedzi, aby pokierować wyborem. Tej funkcji nie należy mylić z nieograniczonym routingiem między wszystkimi dostawcami.

AWS dokumentuje również ograniczenia istotne dla wyspecjalizowanych operacji. Inteligentny routing promptów jest zoptymalizowany pod kątem promptów w języku angielskim i nie może dostosowywać decyzji przy użyciu danych o wydajności specyficznych dla aplikacji. AWS wskazuje, że nietypowe lub wyspecjalizowane przypadki użycia mogą otrzymywać mniej odpowiednie decyzje routingu.

Dla nabywców wniosek jest prosty. Ogólna prognoza jakości odpowiedzi nie potwierdza przydatności dla konkretnego przepływu pracy produkcyjnej. Organizacja nadal potrzebuje dowodów z zadań przypominających jej własne środowisko.

Ocena diagnozowania incydentów powinna zatem mierzyć, czy agent zbiera niezbędne fakty. Powinna także badać, kiedy agent odmawia kontynuowania działania. Właściwa powściągliwość może mieć takie samo znaczenie jak ukończenie zadania.

Elastyczność modeli rodzi kolejne pytanie: co dzieje się, gdy preferowana opcja staje się niedostępna? Rozwiązanie awaryjne, czyli alternatywny model używany, gdy preferowany model nie może obsłużyć żądania, wymaga własnej podstawy zatwierdzenia.

Usługa nie powinna utrzymywać dostępności poprzez cichą zmianę tolerancji na niepewność. Niektóre zadania mogą być kontynuowane przy ograniczonych możliwościach. Inne powinny zostać wstrzymane, ponieważ zatwierdzony zamiennik nie może wspierać tej samej decyzji operacyjnej.

Tworzy to użyteczne rozróżnienie między ciągłością infrastruktury a ciągłością przepływu pracy. Utrzymanie responsywności punktu końcowego modelu nie zachowuje automatycznie niezawodności otaczającego go procesu. Przepływ pracy nadal potrzebuje zdefiniowanej reakcji na pogorszenie jakości rozumowania.

Argument ekonomiczny także wymaga szerszej perspektywy. Model zużywający mniej zasobów może mimo to generować więcej pracy weryfikacyjnej. Dodatkowe wyjaśnienia, powtarzane dochodzenia i odrzucane propozycje mogą zniwelować oszczędności w warstwie inferencji.

Inferencja, czyli proces generowania odpowiedzi modelu, jest tylko jedną częścią dostarczania wyniku operacyjnego. Nabywcy powinni oceniać całą ścieżkę od żądania do zweryfikowanego rezultatu. Obejmuje to pracę tworzoną dla ludzi.

Dlatego w przypadku zarządzania agentami DXC OASIS wybór modelu staje się decyzją dotyczącą zapewnienia, czyli osądem popartym dowodami dotyczącymi akceptowalnego zachowania. Elastyczność przynosi korzyści wtedy, gdy alternatywy są oceniane, zanim staną się konieczne.

Zabezpieczenia chmurowe rozwiązują inne problemy niż uprawnienia operacyjne

Prywatne połączenia i filtry treści wzmacniają fundamenty, lecz autoryzacja działań pozostaje odrębną odpowiedzialnością.

Amazon Bedrock Guardrails oferuje konfigurowalne kontrole danych wejściowych i wyjściowych modeli. AWS opisuje filtrowanie szkodliwych treści, niedozwolone tematy, filtrowanie informacji wrażliwych oraz kontrole odpowiedzi odbiegających od dostarczonych dowodów. Funkcje te odpowiadają na istotne ryzyka w interakcjach z modelami.

Dokumentacja zabezpieczeń treści również wskazuje konfigurację jako kluczową dla ich działania. Operatorzy wybierają polityki i testują je względem wymagań swoich aplikacji. Wykrywanie informacji wrażliwych ma charakter probabilistyczny, dlatego jego obecność nie powinna być interpretowana jako absolutna gwarancja.

Działanie w środowisku produkcyjnym wprowadza kolejną kategorię decyzji. Odpowiedź może zawierać akceptowalny język i nie zawierać informacji wrażliwych, a mimo to rekomendować nieautoryzowaną zmianę. Samo filtrowanie treści nie może ustalić, czy konkretny inżynier może zmienić konkretny system.

Rozważmy przykładowe żądanie ponownego uruchomienia usługi. Jego sformułowanie może być nieszkodliwe, a rekomendacja techniczna uzasadniona. Uprawnienie nadal zależy od odpowiedzialności za system, czasu, ograniczeń klientów oraz wpływu na systemy zależne.

To granica, którą zarządzanie agentami DXC OASIS musi utrzymać. Ścieżka wykonania musi ocenić proponowaną operację względem obowiązujących uprawnień. Pewność modelu nie powinna zastępować tej kontroli.

AWS PrivateLink odpowiada z kolei na inną kwestię. Jego prywatne połączenia z Bedrock umożliwiają aplikacjom dostęp do Bedrock przez punkty końcowe interfejsu bez konieczności korzystania z publicznego internetu. Punkt końcowy interfejsu zapewnia prywatny punkt wejścia do usługi AWS.

AWS dokumentuje polityki punktów końcowych służące do kontrolowania dozwolonych podmiotów, działań i zasobów. Wskazuje również, że domyślna polityka punktu końcowego zezwala na pełny dostęp do Bedrock przez ten punkt. Prywatna ścieżka nadal wymaga więc świadomej konfiguracji dostępu.

Ten szczegół ma znaczenie, ponieważ diagramy sieciowe mogą tworzyć mylące wrażenie kompletności. Pozostawanie połączenia poza publicznym internetem mówi coś użytecznego o transporcie. Nie odpowiada jednak na każde pytanie o to, kto może z niego korzystać.

Lokalizacja wprowadza kolejną niezależną decyzję. Dostępność modeli różni się w zależności od Regionu AWS, a wybory dotyczące wdrożenia muszą odpowiadać zatwierdzonym przez klienta lokalizacjom przetwarzania. Prywatne połączenie nie powinno stawać się skrótem myślowym oznaczającym spełnienie wszystkich wymagań dotyczących rezydencji danych.

To samo rozumowanie dotyczy audytowalności. Zapisanie odpowiedzi modelu pomaga wyjaśnić, co otrzymała aplikacja. Odpowiedzialność operacyjna wymaga dowodów dotyczących działania, które system faktycznie próbował wykonać, oraz jego wynikowego stanu.

Narracja agenta może pomóc osobie dokonującej przeglądu zrozumieć dochodzenie. Nie powinna jednak stawać się jedynym zapisem wykonania. System potrzebuje zapisów, które pozostają użyteczne, gdy wyjaśnienie agenta jest niepełne lub niepoprawne.

DXC opisuje fikcyjny incydent linii lotniczej w swoim środowisku demonstracyjnym. Agent diagnozuje problem z pamięcią masową i przedstawia plan naprawy do zatwierdzenia przez inżyniera. Przykład ilustruje granicę między dochodzeniem a uprawnieniem; nie potwierdza wyników produkcyjnych żadnej wskazanej linii lotniczej.

Dla nabywców korporacyjnych użyteczne pytanie brzmi, czy ta granica utrzymuje się w mniej wygodnych okolicznościach. Demonstracja powinna obejmować odrzucenie, przerwane wykonanie oraz niepewne dowody. Takie przypadki pokazują, czy kontrola pozostaje skuteczna, gdy zakończenie zadania przestaje być proste.

Raportowane korzyści wymagają analizy na poziomie obciążeń

Wskaźniki wydajności DXC są pomiarami raportowanymi przez firmę, a nie uniwersalnym punktem odniesienia dla autonomicznych operacji IT.

DXC raportuje średnią redukcję czasu rozwiązania o 95% w 56 mierzonych przypadkach użycia. Raportuje również dokładność diagnostyczną na poziomie co najmniej 92%, ocenianą względem osądu starszych inżynierów. Liczby te opisują ocenę firmy i powinny zachować to przypisanie.

Materiały publiczne nie potwierdzają niezależnie audytowanego porównania obejmującego każde obciążenie każdego klienta. Średnia nie powinna też stawać się prognozą dla całej kolejki incydentów nabywcy. Zakres pomiaru jest równie istotny jak wynik przedstawiony w nagłówku.

Czas rozwiązania może opisywać różne przedziały. Może zaczynać się od alertu, dochodzenia lub chwili, w której inżynier rozpoczyna aktywną pracę. Może kończyć się na proponowanej naprawie, wykonanej zmianie albo zweryfikowanym przywróceniu działania.

Te definicje prowadzą do różnych interpretacji biznesowych. Szybsza diagnoza może być cenna, nawet gdy wymagane okno serwisowe opóźnia wykonanie. Szybsze wykonanie może być mniej wartościowe, jeśli późniejsza weryfikacja ujawnia nierozwiązane skutki.

Kluczowe pytanie zakupowe dotyczy tego, czy mierzony przedział odpowiada celowi operacyjnemu nabywcy. Klient poszukujący krótszych przerw w działaniu usług potrzebuje dowodów dotyczących przywrócenia. Zespół dążący do ograniczenia powtarzalnej pracy inżynierskiej potrzebuje dowodów dotyczących nakładu pracy personelu.

Średnie pozostawiają również niejasny rozkład wyników. Poprawa równomiernie rozłożona na rutynowe incydenty różni się od wyniku skoncentrowanego na kilku wyjątkowo wolnych zadaniach bazowych. Nabywcy potrzebują wystarczająco szczegółowych informacji, by zrozumieć, który wzorzec ma zastosowanie.

Jest to szczególnie istotne, gdy przepływy pracy obejmują wiele narzędzi i etapów zatwierdzania. Raportowana poprawa może wynikać z rozumowania, lepszego dostępu do informacji, ograniczenia przekazań lub kilku zmian jednocześnie. Przypisanie źródeł efektu ma znaczenie przy szacowaniu, co można przenieść do innej organizacji.

Dokładność diagnostyczna wymaga podobnej ostrożności. Zgodność z oceną starszych inżynierów stanowi znaczący punkt odniesienia, ale nie opisuje wszystkich konsekwencji braku zgodności. Błędna sugestia i niepoprawne działanie produkcyjne mają różną wagę operacyjną.

Najbardziej użyteczne dodatkowe dowody łączyłyby diagnozy, zatwierdzone działania i zweryfikowane wyniki. Pomogłoby to nabywcom odróżnić akceptowalną niepewność podczas dochodzenia od błędów docierających do wykonania. Ujawniłoby również, jak często interwencja człowieka zmienia proponowany plan.

W tej ocenie powinno pojawić się także odzyskiwanie sprawności. System może skracać udane zadania, a jednocześnie słabo radzić sobie z wyjątkami. Nabywcy muszą wiedzieć, czy nieudane próby pozostawiają zrozumiały stan i praktyczną drogę powrotu do normalnej pracy.

Pytania te nie przekreślają raportowanych korzyści. Określają, jak odpowiedzialnie je oceniać. Obiecujące studium przypadku staje się bardziej użyteczne, gdy czytelnicy mogą zidentyfikować warunki stojące za wynikiem.

Architektura DXC OASIS Amazon Bedrock powinna zatem być oceniana w dwóch powiązanych wymiarach: wyników operacyjnych oraz dowodów wspierających delegowane uprawnienia. Poprawa szybkości musi pozostać widoczna obok błędów kontroli, eskalacji i wysiłku związanego z odzyskiwaniem sprawności.

To standard bardziej wymagający niż demonstracja produktu. Jest to również standard, który pozwala klientom zdecydować, które przepływy pracy zasługują na szerszą automatyzację.

Obserwuj dowody wdrożenia, zmiany modeli i plan rozwoju harnessu

Kolejne użyteczne dowody połączą ekspansję z kontrolowanym zachowaniem w zmieniających się warunkach operacyjnych.

W ciągu najbliższych jednego do trzech miesięcy pierwszym sygnałem wartym obserwowania jest szczegółowość wdrożenia. Materiały DXC opisują skalowanie do 130 środowisk klientów. Takie sformułowanie wskazuje kierunek, zamiast potwierdzać, że każde środowisko już działa.

Nazwane relacje klientów dotyczące trwałego wykorzystania ułatwiłyby ocenę historii wdrożenia. Najbardziej informacyjne relacje określałyby zakres obciążeń, wymagania dotyczące zatwierdzania oraz mierzone wyniki operacyjne. Same nazwy klientów dostarczyłyby mniej dowodów.

Ten sygnał wzmocniłby argumentację, gdyby ekspansji towarzyszyły powtarzalne wyniki w różnych środowiskach. Osłabiłby szerszą interpretację, gdyby raportowane korzyści nadal koncentrowały się na demonstracjach lub wąsko wybranych zadaniach. Nabywcy powinni szukać porównywalnych definicji w kolejnych aktualizacjach.

Drugim sygnałem są dowody dotyczące zmian modeli. Nowe modele tworzą okazję do przetestowania centralnego twierdzenia architektury o elastyczności. Istotne pytanie brzmi, czy zmiana zachowuje zatwierdzony przepływ pracy i jego granice bezpieczeństwa.

Użyteczne ujawnienie wyjaśniałoby, jak oceniono zastępczy model oraz które zadania zostały dla niego zatwierdzone. Wskazywałoby również wszelkie ograniczenia utrzymane po testach. Ogłoszenie, które jedynie dodaje nazwę modelu, pozostawiałoby pytanie o zapewnienie bez odpowiedzi.

Ten sygnał wzmocniłby argumentację architektury, gdyby zamiany modeli zachowywały wyniki operacyjne bez rozszerzania uprawnień. Osłabiłby ją, gdyby zamiany wymagały istotnej naprawy przepływów pracy lub powodowały niewyjaśnione różnice w zachowaniu.

Trzecim sygnałem jest plan rozwoju harnessu. Studium przypadku AWS wskazuje, że DXC ocenia Amazon Bedrock AgentCore, usługi AWS do budowania i obsługi agentów, obok obecnej warstwy orkiestracji. Ocena nie jest potwierdzoną migracją.

Istotnym rozwojem byłoby jasne przedstawienie, które odpowiedzialności zostają przeniesione, a które pozostają pod kontrolą DXC. Klienci potrzebują ciągłości odpowiedzialności za polityki, nawet gdy zmienia się bazowa implementacja. Potrzebują również zrozumiałych zapisów obejmujących tę zmianę.

Aktualizacja planu wzmocniłaby argumentację, gdyby wyjaśniała odpowiedzialność i ograniczała powieloną pracę inżynierską. Osłabiłaby zaufanie, gdyby nowe usługi zacierały odpowiedzialność za zatwierdzanie lub fragmentowały zapis operacyjny.

Łącznie sygnały te utrzymują uwagę na centralnym zagadnieniu artykułu. Wybór modelu ma wartość, gdy przedsiębiorstwa mogą zmieniać komponenty odpowiedzialne za rozumowanie, zachowując kontrolę nad konsekwencjami. Ekspansja ma wartość, gdy dowody rosną wraz ze skalą wdrożenia.

Dla zespołów oceniających podejście DXC OASIS Amazon Bedrock punktem wyjścia powinien być przepływ pracy produkcyjnej, który organizacja już rozumie. Poproście dostawcę o pokazanie dowodów stojących za diagnozą, dokładnego wymaganego uprawnienia oraz zapisu wykonania. Następnie powtórzcie demonstrację z błędnym założeniem, odrzuconym zatwierdzeniem i niedostępnym preferowanym modelem. Porównajcie wyniki z istniejącym procesem, w tym z wysiłkiem związanym z przeglądem i odzyskiwaniem sprawności. Czytajcie materiały architektoniczne wspólnie z zespołami operacyjnymi, bezpieczeństwa i właścicielami usług. Ich różnice zdań ujawnią wymagania, których demonstracja modelu nie jest w stanie rozstrzygnąć. Które działania jesteście gotowi delegować i jakie dowody uzasadniałyby przyznanie kolejnego poziomu uprawnień?

 
 

Zacznij bezpłatnie

Asystent AI działający przede wszystkim lokalnie, z funkcją zarządzania wiedzą osobistą

Aby zapewnić lepsze działanie AI,

remio obsługuje obecnie wyłącznie Windows 10+ (x64) i M-Chip Macs.

Twój partner AI w pracy
Zrób więcej z remio

Planuj. Twórz. Dostarczaj.
Wszystko w jednym miejscu.

bottom of page