AWS تطلق NarrateAI: مساعد لذكاء الأعمال مبني على Amazon Bedrock AgentCore

كشفت AWS عن بنية NarrateAI، وهو مساعد حواري مبني على Amazon Bedrock AgentCore يساعد قسم SMGS (Sales, Marketing and Global Services) على توسيع نطاق ذكاء الأعمال. ويجمع النظام بين المعالجة الدفعية (batch) والتفاعل في الوقت الفعلي (real-time) لتقديم الرؤى (insights) على مستوى المؤسسة بأكملها.

بنية ثنائية الطبقات

تقوم بنية NarrateAI على فصل المعالجة إلى طبقتين مستقلتين.

تتولى الطبقة الأولى المهام الدفعية: إعداد البيانات، وحساب المقاييس، وتخزين النتائج مؤقتًا. ويوفر ذلك إنتاجية عالية ويقلل استهلاك الموارد الحاسوبية. وتعمل هذه الطبقة بشكل غير متزامن، إذ تعالج مجموعات البيانات الكبيرة على التوازي.

أما الطبقة الثانية فتعالج طلبات المستخدمين في الوقت الفعلي: التفاعل الحواري، وتحويل الطلبات إلى الوكلاء المناسبين، والتحقق من صحة المدخلات. وهي المسؤولة عن زمن الاستجابة (latency) وجودة الإجابة لحظة الطلب.

ويتيح Amazon Bedrock AgentCore إدارة أكثر كفاءة للتنسيق بين الطبقتين وللتنفيذ المتوازي للوكلاء المتخصصين.

ويُعد هذا الفصل حاسمًا لتوسيع النطاق: فالطبقة الدفعية تستوعب النمو المتزايد في حجم البيانات، بينما تبقي طبقة الوقت الفعلي زمن الاستجابة تحت السيطرة ولا تتعطل بسبب العمليات الحسابية الطويلة.

وكلاء متخصصون

بدلًا من مساعد واحد متكامل، تعتمد AWS على شبكة من الوكلاء المتخصصين، لكل منهم مجال مسؤولية خاص.

يتحقق وكيل التحقق من صحة الطلب الوارد واكتماله قبل تمريره إلى خط المعالجة الرئيسي.

ويحدد وكيل التوجيه القسم الذي ينبغي إرسال الطلب إليه ضمن SMGS (المبيعات، والتسويق، والخدمات العالمية)، آخذًا السياق في الاعتبار.

ويوفر وكلاء المعرفة السياق الخاص بكل قسم: المقاييس، والاتجاهات التاريخية، والعمليات الداخلية.

ويجمع وكيل التركيب الإجابات الواردة من مصادر مختلفة في توصية متماسكة تظهر للمستخدم.

وتقلل هذه البنية معدل الأخطاء، وتزيد صلة الإجابات بالطلب، وتسهّل إضافة وكلاء جدد، وتبسّط عملية تصحيح الأخطاء.

أنماط هندسية للإنتاج

تبرز AWS عدة ممارسات أتاحت تشغيل NarrateAI على نطاق واسع:

• Graceful degradation: إذا تعذر الوصول إلى أحد الوكلاء، يقترح النظام إجابة بديلة بدلًا من إظهار رسالة خطأ
• تتبع التكلفة (Cost tracking): يتتبع كل وكيل تكلفة المعالجة، ويحسّن النظام المسارات وفقًا لذلك
• قابلية المراقبة (Observability) في سلسلة الوكلاء: تسجيل الأحداث، والتتبع، ومراقبة زمن الاستجابة عند كل عقدة
• تحديد المعدل (Rate limiting) وترتيب الأولويات: لا تحجب الطبقة الدفعية طلبات الوقت الفعلي، فقوائم الانتظار منفصلة
• التخزين المؤقت لإجابات الوكلاء عن الطلبات المتكررة

وساعدت هذه الأنماط AWS على تحقيق موثوقية عالية وسلوك قابل للتنبؤ في بيئة الإنتاج.

ماذا يعني ذلك

يوضح المقال أن أنظمة الذكاء الاصطناعي بجودة الإنتاج لا تحتاج إلى LLM فحسب، بل إلى بنية قادرة على التعامل مع حجم العمل وزمن الاستجابة والموثوقية. فالوكلاء المتخصصون، والمعالجة ثنائية الطبقات، وgraceful degradation ممارسات يمكن لشركات أخرى تطبيقها باستخدام Amazon Bedrock.

وبالنسبة للمطورين، يعني ذلك أن تنسيق الذكاء الاصطناعي (AI-orchestration) يتحول إلى طبقة مستقلة تقع بين LLM ومنطق الأعمال.