KTern.AI construit une plateforme agentique pour SAP sur Amazon Bedrock AgentCore

KTern.AI a présenté une architecture pour une plateforme d'IA agentive pour SAP construite sur Amazon Bedrock AgentCore et Strands Agents SDK : le système coordonne plusieurs agents spécialisés pour des programmes d'entreprise à long terme, en préservant le contexte et en contrôlant l'accès aux outils.

Comment fonctionne la plateforme

KTern.AI fait évoluer sa plateforme SaaS précédente vers un système agentif où les tâches ne sont pas résolues par un seul chatbot universel. Au lieu de cela, des agents spécialisés gèrent des parties distinctes du processus d'entreprise. Cette approche est importante pour l'environnement SAP : les demandes ne concernent généralement pas une seule réponse mais un programme à long terme où il faut tenir compte des décisions déjà prises, des états des processus et des données d'entreprise disponibles.

Amazon Bedrock AgentCore—la plateforme managée d'AWS pour déployer et exploiter des agents d'IA—forme la base de l'infrastructure. Pour orchestrer le comportement des agents, KTern.AI utilise Strands Agents SDK. Ensemble, ces composants permettent de distribuer le travail entre les agents sans construire l'infrastructure de zéro pour la gestion d'état, l'intégration d'outils et l'exécution fiable des services.

• KTern.AI utilise Amazon Bedrock AgentCore comme infrastructure pour une plateforme agentive orientée vers SAP.
• Strands Agents SDK est responsable de la coordination des agents d'IA spécialisés.
• Les agents sont conçus pour des programmes d'entreprise à long terme, pas seulement pour des demandes ponctuelles de chat.
• L'architecture fournit un contexte persistant pour chaque agent.
• L'accès aux outils externes doit rester sécurisé et contrôlé.

Pourquoi un seul agent ne suffit pas ?

Un seul agent peut être un point d'entrée pratique pour les utilisateurs, mais dans un système d'entreprise, il doit comprendre simultanément le contexte du programme, accéder aux outils métier, exécuter des séquences d'actions et appliquer les règles d'accès. À mesure que le nombre de scénarios augmente, cette architecture devient plus difficile à maintenir : il est difficile de séparer les responsabilités, d'auditer les actions et de restreindre l'accès aux opérations sensibles.

KTern.AI répartit le travail entre plusieurs agents avec des rôles spécifiques. Cela simplifie l'orchestration : un agent peut être responsable d'une étape distincte du processus, tandis qu'un autre gère un outil spécifique ou poursuit une tâche déjà commencée. En conséquence, le système peut préserver non seulement l'historique du chat mais aussi le contexte de travail nécessaire pour les prochaines étapes du programme d'entreprise.

Le contexte persistant est particulièrement critique pour les implémentations et le support de SAP, où les processus se concluent rarement avec une seule demande. Les agents doivent comprendre ce qui a déjà été fait, quelles données et contraintes s'appliquent à un client spécifique et à quel stade se trouve la tâche. Sans cela, chaque nouvelle session devient une répétition de la collecte de données initiales, et la qualité de l'automatisation se détériore.

Ce qui a changé pour l'exploitation

Amazon Bedrock AgentCore gère les tâches qui doivent généralement être implémentées dans le produit lui-même : exécuter les composants d'agents, gérer leur état et assurer un fonctionnement fiable en production. Pour KTern.AI, cela signifie que l'équipe peut se concentrer sur la logique des agents et l'intégration aux scénarios SAP plutôt que de construire l'ensemble de la plateforme de base de zéro.

Une couche de sécurité distincte est nécessaire car les agents ne font pas que générer du texte mais accèdent aussi à des outils. Dans un environnement d'entreprise, cet accès doit être limité, contrôlé et lié à des tâches spécifiques. Dans l'architecture décrite, l'accès sécurisé aux outils est considéré comme une partie obligatoire du système, non comme un ajout après le lancement.

La fiabilité en production devient également une exigence clé. Un agent de démonstration peut fonctionner lors de sessions courtes et être géré manuellement en cas d'erreurs. Pour une plateforme d'entreprise, c'est insuffisant : les agents doivent exécuter de manière fiable des processus de longue durée, préserver l'état entre les interactions et interagir correctement les uns avec les autres.

Ce que cela signifie

Le cas KTern.AI démontre un changement pratique des assistants d'IA autonomes vers des systèmes gérés de plusieurs agents. Pour les plateformes d'entreprise, la valeur d'une telle architecture ne réside pas dans le dialogue lui-même mais dans la capacité à mener de manière sûre des processus longs, à utiliser des outils métier et à maintenir le contexte entre les étapes de travail.