AWS تفتح 23 مكوّنًا جاهزًا للذكاء الاصطناعي التوليدي: DoorDash وRicoh تخفضان ساعات التطوير بنسبة 90%

كل فريق بنى مساعد ذكاء اصطناعي للشركات يعرف هذا السيناريو. أسبوع أولًا لخط RAG، ثم تحليل ملفات PDF، ثم الغلاف البرمجي للوكيل، ثم تقييم الجودة. كل هذا سبق أن كتبته عشرات الفرق الأخرى، ولا يصل الفريق إلى مهمة العميل الفعلية إلا بعد شهرين. تقترح AWS وضع حد لذلك: فقد جمع Generative AI Innovation Center، الذي أصبح الآن جزءًا من AWS Frontier AI Engineering & Services، كتالوجًا من 23 مكوّنًا مفتوح المصدر.

لماذا تعيد الفرق كتابة الشيء نفسه

تذكر AWS ثلاثة أسباب. أولًا، لا يوجد مكان واحد تتجمع فيه كل الأشياء: الشيفرة موزعة بين المستودعات وصفحات الويكي والأقراص، ومن الصعب العثور على حل جاهز. ثانيًا، لا توجد إشارة إلى الجودة: لا يُعرف هل اجتاز المكوّن فحص الأمان وهل ما زال مدعومًا، لذلك يكون من الأسهل كتابة مكوّن خاص. ثالثًا، لا توجد ثقافة لإعادة الاستخدام: ما أنجزه فريق يبقى لديه.

وتذكّر AWS أيضًا بأن الشيفرة التي يولّدها الذكاء الاصطناعي نفسها تحتاج إلى استكمالها حتى تصل إلى مرحلة الإنتاج: فحص الأمان، والاختبار تحت الضغط، والصيانة. أما المكوّنات الجاهزة فقد مرّت بهذا العمل بالفعل.

ماذا يوجد في الكتالوج ومن يستخدمه

ينقسم الكتالوج إلى أربع مجموعات: معالجة المستندات، ومراكز الاتصال والصوت، والوكلاء وروبوتات الدردشة، وRAG وقواعد المعرفة. وهناك أيضًا عناصر لافتة: ضبط دقيق لمعيد الترتيب BGE، وذاكرة تخزين مؤقت دلالية دائمة على Amazon MemoryDB، وسير عمل وكيلي لترحيل الشيفرة من C إلى Java، وإطار عمل للترحيل بين نماذج اللغة الكبيرة.

أبرز الحالات، وفق بيانات AWS نفسها:

• بنت DoorDash مركز اتصال صوتيًا ذاتي الخدمة على Contact Center GenAI Agent. ويُعلن عن أكثر من 100 000 مكالمة يوميًا، وزمن استجابة 2.5 ثانية، وزيادة قدرة الاختبار 50 مرة، وخفض التطوير بنسبة 50% عند استخدام Amazon Bedrock. ووصلت إلى الاختبار الحي خلال شهرين.
• استخدمت Lyft المكوّن نفسه لبناء ذكاء اصطناعي وكيلي للسائقين والركاب.
• بنت Ricoh، اعتمادًا على GenAI IDP Accelerator، معالجة مستندات متعددة المستأجرين لشركات التأمين الصحي. ارتفع الإنتاج من 10 000 إلى 70 000 مستند شهريًا، وانخفض جهد النشر من 80 ساعة إلى أقل من 5، وتقلّص إعداد العميل من 4–6 أسابيع إلى 2–3 أيام.

قالبان جديدان للوكلاء

يُنشئ Fullstack AgentCore Solution Template (FAST) واجهة React آمنة متصلة بـ Amazon Bedrock AgentCore في أقل من 30 دقيقة عبر البنية التحتية كشيفرة. ويتضمن تكاملات مع الذاكرة وGateway وCode Interpreter وObservability، مع التفويض عبر Amazon Cognito. ويمكن تغيير المكوّنات: مزوّد الهوية، أو إطار عمل الواجهة الأمامية، أو الاستضافة، أو إطار عمل الوكلاء.

أما Agentic Chatbot Accelerator فمبني على Strands Agents وAgentCore ويُنشر عبر AWS CDK، مع أنماط جاهزة للمصادقة والاستضافة والتوسّع.

كيف يبدو النشر

في مثال Contact Center GenAI Agent تسير العملية كما يلي: تستنسخ المستودع، وتنشر حزمتي CloudFormation (قاعدة المعرفة وحل RAG)، وتربط تدفقات Amazon Connect الجاهزة، ثم تتحقق من كل شيء عبر دفاتر Jupyter. وبحسب تقدير AWS، يستغرق ذلك أقل من ساعة. وتأتي معه لوحة Quick Sight لتحليل المحادثات وBedrock Guardrails لتصفية المحتوى والحماية من الهلوسة. ويتطلب الأمر الوصول إلى Claude Sonnet وHaiku في Bedrock. وبعد التجارب يجب حذف الحزم بترتيب عكسي حتى لا تدفع مقابل موارد خاملة.

القيود والخلاصة العملية

ينبغي النظر إلى الأرقام بعين متأنية: هذا منشور تسويقي من AWS، والنتائج مأخوذة من حالات الشركة نفسها. فمعظم المكوّنات مصمَّمة لمنظومة AWS: Bedrock وConnect وCloudFormation وCDK. وإذا لم تكن على AWS فستكون قابلية النقل محدودة، وإن ظلت الأنماط والبنى مفيدة كمرجع.

ماذا تفعل عمليًا؟ إذا كنت تبني مركز اتصال أو معالجة مستندات أو تطبيقًا وكيليًا على AWS، فألقِ نظرة أولًا على الكتالوج في GitHub وفي AWS Labs بدلًا من فتح ملف فارغ. قيّم المكوّن بحسب نشاط المستودع والتوثيق والأمان. وحتى إن لم تأخذ الشيفرة كاملة، فإن بنى DoorDash وRicoh تقدم مؤشرًا جيدًا إلى حجم ما يمكن توفيره فعليًا في الروتين البنيوي، وإلى أين يُفضَّل توجيه الجهود: نحو البيانات والمطالبات ومنطق الأعمال.