Эволюция ИИ в Amazon: от рекомендаций к автономным агентам 0:00
Машинное обучение стало фундаментом бизнеса Amazon более 25 лет назад, когда компания начала внедрять технологии в реальные рабочие процессы. Сегодня фокус сместился на генеративный ИИ, который, по мнению вице-президента Amazon Web Services по генеративному ИИ Васи Филомина, обладает потенциалом автоматизировать работу и позволить людям решать задачи в масштабах, ранее недоступных. Филомин, чья команда в AWS запустила большинство ИИ-сервисов компании за последние шесть лет, отмечает, что Amazon стремится подходить к интеграции технологий комплексно, рассматривая ИИ не как эксперимент, а как инструмент для полноценного внедрения в бизнес на всех уровнях стека.
🛠 Стратегия Amazon в области генеративного ИИ 8:08
Филомин подчёркивает, что Amazon придерживается прагматичного подхода, работая «в обратном направлении» от нужд клиентов. Компания фокусируется на создании решений, которые могут быть приняты рынком в масштабе, где ценность превышает затраты.
- История успеха: Принципы машинного обучения уже много лет применяются в рекомендательных системах (фильтрация при покупке книг), работе Alexa (миллиарды взаимодействий в неделю) и логистике в центрах исполнения заказов, где люди и роботы работают сообща.
- Выбор моделей: Amazon не верит в существование «одной модели, которая правит всеми». Филомин утверждает, что выбор правильного инструмента зависит от конкретной бизнес-задачи, учитывая баланс стоимости, точности и задержки (latency).
- Сервис Bedrock: Платформа, объединяющая лучшие модели от различных провайдеров (Anthropic, Meta, Cohere, Stability AI) и собственные разработки Amazon, чтобы предоставить клиентам максимальную гибкость.
🤖 Агенты: от вопросов к реальным действиям 23:10
По мнению Филомина, именно агенты способны фундаментально изменить бизнес, так как они позволяют не просто отвечать на вопросы, а автоматизировать выполнение сложных многошаговых задач.
- Принципы работы агентов: Агенты на базе Bedrock используют подход RAG (Retrieval-Augmented Generation), позволяя хранить бизнес-знания отдельно от модели. Это решает проблему устаревания данных и позволяет модели лучше адаптироваться к специфике конкретной компании.
- Автоматизация рабочих процессов: Агенты могут быть обучены вызову внутренних API компании (например, для оформления возврата товара или проверки наличия на складе) на естественном языке.
- Безопасность: Интеграция с AWS Lambda позволяет управлять правами доступа и обеспечивать высокий уровень безопасности, при котором даже облачный провайдер не видит конфиденциальные данные клиента.
📈 Будущее продуктивности и роль человека 33:12
Филомин решительно отвергает идею о полностью автономных системах, заменяющих людей в ближайшем будущем, называя это «трансформативной продуктивностью». На примере внедрения роботов Kiva в складских центрах он отмечает, что со временем количество рабочих мест только выросло, так как технологии изменили сам характер выполняемой работы.
- Архитектура сложности: По мере усложнения задач Филомин рекомендует не укрупнять агента, а разбивать процесс на систему специализированных «цифровых работников», каждый из которых отвечает за свой этап.
- Корпоративный вектор: AWS продолжает фокусироваться на корпоративном секторе, помогая компаниям избавляться от «недифференцированной тяжелой работы» по настройке ИИ-инструментов, чтобы они могли сосредоточиться на своих уникальных бизнес-задачах.
