நிறுவனங்களுக்கான AI ஏஜெண்டுகள் ஏன் தோல்வியடைகின்றன - அவற்றை Glean மற்றும் AWS உடன் எவ்வாறு தயாரிப்பது
ஒரு தைரியமான கூற்று இங்கே: நிர்வாக அறைகளில் செய்து காண்பிக்கப்படும் பெரும்பாலான “AI ஏஜெண்டுகள்” உண்மையாகவே நிறுவனத்திற்குத் தயாராக இல்லை. அவை அழுத்தத்தின் கீழ் தவறான தகவல்களைத் தருகின்றன, உண்மையான தரவுகளில் உடைந்து போகின்றன, மேலும் SOC 2 தணிக்கையில் தேர்ச்சி பெற முடியாது. உங்களுடைய சட்ட, பாதுகாப்பு மற்றும் IT குழுக்கள் உண்மையில் அங்கீகரிக்கும் AI உங்களுக்குத் தேவைப்பட்டால்—மற்றும் உங்களுடைய ஊழியர்கள் உண்மையில் பயன்படுத்தினால்—நிறுவன-தர மீட்டெடுப்பு (Glean), வலுவான கிளவுட் கூறுகள் (AWS) மற்றும் அளவைத்தாண்டி நிலைத்து நிற்கும் ஒழுக்கமான கட்டமைப்பைக் கொண்ட உருவாக்கத்தை நீங்கள் இணைக்க வேண்டும்.
இந்த வழிகாட்டி, Glean மற்றும் AWS உடன் நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகளை எவ்வாறு உருவாக்குவது என்பது குறித்து படிப்படியாக விளக்குகிறது—அடையாளம்-அறியும் மீட்டெடுப்பிலிருந்து பாதுகாப்பான கருவி பயன்பாடு வரை, தாமத வரவு செலவுத் திட்டத்திலிருந்து கண்காணிப்பு வரை, மற்றும் பைலட் முதல் தயாரிப்பு வரை.
நாங்கள் ஒரு கேள்வி-வழிநடத்தும் கட்டமைப்பைப் பயன்படுத்துவோம், எனவே நீங்கள் மிக முக்கியமானவற்றிற்குத் தாவலாம்: தரவு அணுகல், பாதுகாப்பு, கட்டமைப்பு மற்றும் வெளியீடு.
நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகள் என்று நாங்கள் எதைக் குறிப்பிடுகிறோம்?
நிறுவனத்திற்குத் தயாரான AI ஏஜென்ட் என்பது ஒரு சாட் இடைமுகம் மட்டுமல்ல. இது பாதுகாப்பான, தணிக்கை செய்யக்கூடிய ஒரு அமைப்பு, இது:
- கடுமையான அனுமதி எல்லைகளுடன் நிறுவன அறிவைப் பயன்படுத்தி கேள்விகளுக்குப் பதிலளிக்கவும்
- அங்கீகரிக்கப்பட்ட கருவிகள் மூலம் செயல்களைச் செய்யவும் (எ.கா., ServiceNow டிக்கெட்டுகள், Jira சிக்கல்கள், Slack பதிவுகள்)
- ஆதாரங்களைக் குறிப்பிடுதல் மற்றும் காரணத்தை விளக்குதல்
- நிறுவன SSO, SCIM மற்றும் DLP கட்டுப்பாடுகளின் கீழ் செயல்படுதல்
- தரவு இருப்பிடம், உள்நுழைவு மற்றும் தக்கவைப்பு தேவைகளுக்கு இணங்குதல்
- முன்னறிவிப்பு தாமதம் மற்றும் செலவுடன் ஆயிரக்கணக்கான பயனர்களுக்கு அளவிடுதல்
Glean மற்றும் AWS உடன் AI ஏஜெண்டுகளை உருவாக்குவது இங்கேதான் முக்கியத்துவம் பெறுகிறது: Glean பயன்பாடுகள் முழுவதும் அடையாளம்-அறியும் நிறுவனத் தேடல் மற்றும் மீட்டெடுப்பை வழங்குகிறது, அதே நேரத்தில் AWS நீங்கள் தயாரிப்பில் தேவைப்படும் கணக்கீடு, ஒருங்கிணைப்பு, நெட்வொர்க்கிங் மற்றும் நிர்வாக அடித்தளத்தைக் கொண்டுவருகிறது.
கட்டமைப்பின் கண்ணோட்டம்: Glean + AWS
இந்த அமைப்பை நான்கு அடுக்குகளாக நினைக்கலாம்:
- அடையாளம் & அணுகல் அடுக்கு (SSO, SCIM, அனுமதிகள்)
- Okta/Azure AD வழியாக SSO; SCIM என்பது ஏற்பாடு செய்வதற்கு; பங்கு மேப்பிங்குகள்
- Glean கேள்வி நேரத்தில் ஆவண அளவிலான அனுமதிகளை செயல்படுத்துகிறது
- AWS Cognito அல்லது நேரடி SAML/OIDC சேவைகளில் டோக்கன்களைப் பெறுகிறது
- நிறுவன மீட்டெடுப்பு அடுக்கு (Glean)
- Google Drive, Slack, Confluence, Jira, GitHub, Box, Notion மற்றும் பலவற்றில் ஒருங்கிணைந்த அட்டவணை
- அனுமதி-அறியும் மீட்டெடுப்பு மற்றும் தரவரிசை
- வினவல் மறுஎழுதுதல், கலப்பினத் தேடல், சொற்பொருள் மறுமதிப்பீடு
- காரணங்காட்டும் & ஒருங்கிணைப்பு அடுக்கு (AWS + மாதிரிகள்)
- நிலையான ஏஜென்ட் படிகளுக்கு AWS Lambda அல்லது ECS
- முன்னணி மாதிரிகளுக்கான நிர்வகிக்கப்பட்ட அணுகலுக்கு Amazon Bedrock
- மல்டி-டூல் பணிப்பாய்வுகள் மற்றும் மறுமுயற்சிகளுக்கு Step Functions
- சாவிகள் மற்றும் கருவி சான்றுகளுக்கான ரகசியங்கள் மேலாளர்/ அளவுரு அங்காடி
- செயல் & கருவி அடுக்கு (நிறுவன ஒருங்கிணைப்புகள்)
- பதிவு அமைப்புகளுக்கு படிக்க மற்றும் எழுத செயல்பாடுகள் (ServiceNow, Salesforce, Jira, Slack)
- ஒவ்வொரு கருவி அழைப்பிற்கும் பாதுகாப்புக் கவசங்கள், ஒப்புதல்கள் மற்றும் கண்காணிப்பு
- விளக்கத்திற்கான CloudWatch/OpenSearch இல் தணிக்கை பதிவுகள்
முக்கிய உருவாக்கம்: Glean & AWS உடன் நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகளை எவ்வாறு உருவாக்குவது
கீழே ஒரு நடைமுறை, இறுதி முதல் இறுதி வரை உள்ளது. உங்களுடைய அடுக்குக்கு ஏற்றவாறு மாற்றியமைக்கவும், ஆனால் கொள்கைகளை மனதில் கொள்ளுங்கள்.
1) முதலில் அடையாளத்தையும் நிர்வாகத்தையும் அமைக்கவும்
- Okta/Azure AD வழியாக SSO ஐ நிறுவவும். குழுக்கள்/பங்குகளை பயன்பாட்டு அனுமதிகளுக்கு மேப் செய்யவும்.
- தானியங்கி பயனர் வாழ்க்கை சுழற்சிக்கு (சேர்பவர்/நகர்த்துபவர்/விலகுபவர்) SCIM ஐப் பயன்படுத்தவும். நீக்குதல் ஏஜெண்ட்டுக்கு செல்ல வேண்டும்.
- குறைந்தபட்ச சலுகை IAM பாத்திரங்களுடன் AWS கணக்குகளை உள்ளமைக்கவும். டெவ், ஸ்டேஜிங், தயாரிப்பு ஆகியவற்றை பிரிக்கவும். தேவைப்படும் இடங்களில் Bedrock மற்றும் தரவு வெளியேற்றக் கட்டுப்பாடுகளுக்கு VPC இறுதிப் புள்ளிகளை செயல்படுத்தவும்.
- தரவு தக்கவைப்பை வரையறுக்கவும்: தூண்டுதல்கள், பதில்கள் மற்றும் திசையன் உட்பொதிப்புகளை எவ்வளவு காலம் சேமிப்பது. பதிவுகள் மற்றும் கலைப்பொருட்களுக்கு KMS-குறியாக்கம் செய்யப்பட்ட S3 பக்கெட்டுகளைப் பயன்படுத்தவும்.
உதவிக்குறிப்பு: அடையாளத்தை ஒரு இயக்க நேர சமிக்ஞையாகக் கருதுங்கள். அனுமதி சோதனைகள் அப்படியே இருக்கும் வகையில், ஏஜென்ட் இறுதிப் பயனரின் அடையாளத்தை Glean மற்றும் கருவிகள் மூலம் அனுப்ப வேண்டும்.
2) Glean இல் ஆதாரங்களை இணைத்து, அனுமதி-அறியும் மீட்டெடுப்பை இயக்கவும்
- உங்களுடைய தேவைக்கு ஏற்ப Slack, Drive, Confluence, Notion, GitHub, Jira, Box மற்றும் மின்னஞ்சலை இணைக்கவும்.
- குறைந்தபட்ச சலுகையுடன் Glean ஐ ஊர்ந்து சென்று அட்டவணைப்படுத்த அனுமதிக்கவும்; பாதுகாப்புடன் வரம்புகளை உறுதிப்படுத்தவும்.
- அனுமதி பரவலை சரிபார்க்கவும்: ஒரு பயனர் மூல பயன்பாட்டில் அவர்கள் பார்க்கக்கூடியதை மட்டுமே மீட்டெடுக்க வேண்டும்.
- Glean வினவல் உள்ளமைவைச் சரிசெய்யவும்: சிறந்த துல்லியத்திற்கு வினவல் மறுஎழுதுதல், கலப்பின மீட்டெடுப்பு மற்றும் சொற்பொருள் மறுமதிப்பீட்டை இயக்கவும்.
ஏன் இது முக்கியம்: பெரும்பாலான நிறுவனங்களில், 70-90% “தவறான தகவல்” சிக்கல் உண்மையில் ஒரு மீட்டெடுப்பு பிரச்சனை. Glean உடன், AI ஏஜென்ட் பயனரின் அனுமதிகளுக்கு ஏற்ப சரியான ஆவணங்களை மீட்டெடுக்கிறது, இதனால் ஆபத்து மற்றும் பொருத்தமற்ற பதில்கள் வெகுவாகக் குறைகின்றன.
3) Amazon Bedrock வழியாக மாதிரிகளைத் தேர்ந்தெடுத்து, பாதுகாப்புக் கவசங்களை அமைக்கவும்
- ஒரு பொதுவான மாதிரிடன் தொடங்கவும் (எ.கா., Bedrock வழியாக Claude, Llama அல்லது Mistral) மற்றும் டொமைன் தூண்டுதல்களுக்கு எதிராக A/B.
- பாதுகாப்பு வடிப்பான்கள், தூண்டுதல் உட்செலுத்துதல் சோதனைகள் மற்றும் உள்ளடக்கக் கொள்கைகளுக்கு Bedrock பாதுகாப்புக் கவசங்களைப் பயன்படுத்தவும்.
- பதில்களைக் கட்டுப்படுத்துங்கள்: ஆவண ID/URL மூலம் மேற்கோள்களைக் கோரவும், கருவி வெளியீடுகளுக்கான JSON திட்டங்களை செயல்படுத்தவும் மற்றும் ஒரு படிக்கு அதிகபட்ச டோக்கன்களை அமைக்கவும்.
- தாமத வரவு செலவுத் திட்டத்தை வைத்திருங்கள்: Q&A க்கு P95 இறுதி முதல் இறுதி வரை < 2.5 வினாடிகள் மற்றும் கருவி பயன்பாட்டு ஓட்டங்களுக்கு < 6 வினாடிகள் இலக்கு வைக்கவும்.
4) AWS இல் ஏஜெண்ட்டை ஒருங்கிணைக்கவும்
முறை: ReAct-பாணி திட்டமிடல் + கருவி பயன்பாடு + அடிப்படையான பதிலளிப்பு.
- படிகளை ஒருங்கிணைக்க Step Functions ஐப் பயன்படுத்தவும்: மீட்டெடு → திட்டம் → கருவி → சரிபார்க்கவும் → பதிலளிக்கவும்.
- காரணங்காட்டும் அழைப்புகள் Lambda அல்லது ECS இல் இயங்குகின்றன; வெடிக்கும் போக்குவரத்துக்கு Lambda ஐயும், நிலையான செயல்திறனுக்கு ECS ஐயும் தேர்வு செய்யவும்.
- கருவி அடாப்டர்கள் (Jira, Slack, ServiceNow) AWS ரகசியங்கள் மேலாளரில் IAM-வரையறுக்கப்பட்ட ரகசியங்களுடன் நிலையான Lambdas ஆகும்.
- TTL உடன் DynamoDB இல் குறுகிய கால உரையாடல் நிலையைச் சேமிக்கவும்; S3/Glue/Athena இல் நீண்ட கால பகுப்பாய்வு.
5) Glean உடன் மீட்டெடுப்பு-அதிகரிக்கப்பட்ட உருவாக்கம் (RAG) ஐ செயல்படுத்தவும்
- பயனரின் அடையாள டோக்கன் மற்றும் பயனரின் கேள்வி மூலம் Glean ஐ வினவவும்.
- அனுமதிகளை மதித்து சிறந்த-k முடிவுகளை மீட்டெடுக்கவும் (எ.கா., கலப்பினம்: k=10 சொற்பொருள் + 10 முக்கிய வார்த்தை).
- Glean இன் பொருத்தத்துடன் மறுமதிப்பீடு செய்யுங்கள்; சிறந்த, நீக்கப்பட்ட கட்டிகளை மட்டும் மாதிரிக்கு அனுப்பவும்.
- ஏஜென்ட் ஆதாரங்களைக் குறிப்பிடவும் மற்றும் ஒரு நம்பிக்கைக் குறியீட்டைச் சேர்க்கவும் தேவை.
தூண்டுதல் எலும்புக்கூடு:
- அமைப்பு: “நீங்கள் ஒரு அடிப்படையான நிறுவன உதவியாளர். வழங்கப்பட்ட சூழலை மட்டும் பயன்படுத்தவும். பொருத்தமற்றதாக இருந்தால், பின்தொடர் கேள்வியைக் கேளுங்கள். தலைப்பு மற்றும் இணைப்பு மூலம் எப்போதும் ஆதாரங்களைக் குறிப்பிடுங்கள்.”
- கருவிகள்: “நீங்கள் Jira_CreateIssue, Slack_PostMessage, ServiceNow_CreateIncident ஐ அழைக்கலாம். ரன்புக் ஆட்டோமேஷனை அங்கீகரித்தால் தவிர, பயனருடன் உறுதிப்படுத்திய பின்னரே செயல்படவும்.”
6) பாதுகாப்பான கருவி பயன்பாடு மற்றும் ஒப்புதல்களைச் சேர்க்கவும்
- ஒவ்வொரு கருவியையும் அளவுரு சரிபார்ப்பு மற்றும் விகித வரம்புடன் மடிக்கவும்.
- தாக்கமான செயல்களுக்கு மனித உறுதிப்படுத்தல் அல்லது மேலாளர் ஒப்புதல் தேவை (எ.கா., அணுகலை வழங்குதல், P1 களை மூடுதல்).
- ஒவ்வொரு கருவி அழைப்பையும் (யார், என்ன, எப்போது, உள்ளீட்டு திட்டம், வெளியீடு) தணிக்கைகளுக்காக CloudWatch மற்றும் S3 இல் பதிவு செய்யுங்கள்.
- Slack/Teams பதிவுகளுக்கு, அனுப்பும் முன் முன்னோட்டத்திற்கான “வரைவு பயன்முறை” ஐ ஆதரிக்கவும்.
7) கண்காணிப்பு, மதிப்பீடு மற்றும் மாறுபாடு கட்டுப்பாடு
- தேவைப்படும் இடங்களில் திருத்தத்துடன் தூண்டுதல்கள், சூழல் துணுக்குகள், மேற்கோள்கள் மற்றும் பதில்களைப் பிடிக்கவும்.
- துல்லியம்@k, அடித்தளம் மற்றும் விலகல் விகிதத்தைக் கண்காணிக்க OpenSearch டாஷ்போர்டுகளைப் பயன்படுத்தவும்.
- ஆஃப்லைன் மதிப்பீடுகளை இயக்கவும்: எதிர்பார்க்கப்படும் பதில்கள் மற்றும் தேவையான ஆதாரங்களுடன் 100-300 நிறுவன-குறிப்பிட்ட கேள்விகளின் தங்கத் தொகுப்பைத் தொகுக்கவும்.
- இணைப்பான் அல்லது அனுமதி மாறுபாட்டைக் கண்டறிய கானரிகளை திட்டமிடுங்கள் (எ.கா., மாற்றப்பட்ட Slack சேனல்கள், டிரைவ் இடமாற்றங்கள்).
8) செயல்திறன் மற்றும் செலவு சரிசெய்தல்
- சூடான தலைப்புகளுக்கு (எ.கா., HR கொள்கை) பயனருக்கு ஒரு Glean வினவல்களை குறுகிய TTLகளுடன் தற்காலிகமாக சேமிக்கவும்.
- ரூட்டிங்கிற்கு சிறிய மாதிரிகளையும், கடினமான கேள்விகள் அல்லது மல்டி-டூல் திட்டங்களுக்கு பெரிய மாதிரிகளையும் பயன்படுத்தவும்.
- சாத்தியமான இடங்களில் மீண்டும் மறுமதிப்பீடு செய்யுங்கள்; சூழலைச் சுருக்கவும்; துணுக்கு நீக்கத்தைப் பயன்படுத்தவும்.
- தீர்க்கப்பட்ட ஒவ்வொரு பணிக்கும் ஆகும் செலவைக் கண்காணிக்கவும்; நிறுவனம் மற்றும் பயனர் குழுவிற்கு ஒதுக்கீடுகளை அமைக்கவும்.
உதாரணம்: Glean மற்றும் AWS உடன் உருவாக்கப்பட்ட ஒரு நிறுவன IT உதவியாளர்
Glean மற்றும் AWS உடன் நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகளை எவ்வாறு உருவாக்குவது என்பதைக் காட்டும் ஒரு உறுதியான சூழ்நிலையை இப்போது பார்க்கலாம்.
பயன்பாட்டு வழக்கு: IT ஆதரவு வரிசைப்படுத்துதல் மற்றும் தீர்வு.
- பயனர் கேட்கிறார்: “புதுப்பித்தலுக்குப் பிறகு macOS 14 இல் VPN செயலிழக்கிறது—ஏதாவது தீர்வு உள்ளதா?”
- ஏஜென்ட் IT ரன்புக் ட்ராக்கிற்குச் செல்கிறது.
- மீட்டெடுப்பு: பயனரின் அடையாளத்துடன் Glean ஐ வினவுகிறது மற்றும் VPN ரன்புக் (Confluence), #it-support இலிருந்து ஒரு Slack த்ரெட் மற்றும் ஒரு Jamf கொள்கை ஆவணத்தை எடுக்கிறது. பயனர் அணுகக்கூடிய ஆதாரங்கள் மட்டுமே கருதப்படுகின்றன.
- திட்டமிடல்: தீர்வு பகிர்ந்து கொள்ளுங்கள், Jamf மூலம் சாதன இணக்கத்தைச் சரிபார்க்கவும், தீர்க்கப்படாவிட்டால், ஒரு ServiceNow சம்பவத்தைத் திறக்கவும் என்று ஏஜென்ட் படிகளை முன்மொழிகிறது.
- கருவி அழைப்புகள்: Jamf நிலையைப் படிக்கிறது (படிக்க மட்டும்), ஒரு தீர்வு செய்தியை உருவாக்குகிறது மற்றும் விரிவாக்கத்தை உறுதிப்படுத்த பயனரிடம் கேட்கிறது. உறுதிப்படுத்தலுடன், சரியான டெம்ப்ளேட்டுடன் ஒரு சம்பவத்தை உருவாக்குகிறது.
- பதில்: ரன்புக் மற்றும் Slack த்ரெட்டிற்கான மேற்கோள்களுடன் ஒரு சுருக்கமான தீர்வு சுருக்கத்தை வழங்குகிறது, அனைத்தும் பயனரின் அனுமதி வரம்பிற்குள்.
ஏன் இது வேலை செய்கிறது: ஏஜென்ட் Glean இலிருந்து அனுமதி-அறியும் மீட்டெடுப்பில் நிலைநிறுத்தப்பட்டுள்ளது, மேலும் AWS மரணதண்டனை, ஒப்புதல்கள் மற்றும் உள்நுழைவைக் கையாளுகிறது.
பாதுகாப்பு மற்றும் இணக்க சரிபார்ப்புப் பட்டியல் (இதைத் தவிர்க்க வேண்டாம்)
- மீட்டெடுப்பு சூழலை சர்வர்-பக்கத்தில் வைத்திருங்கள்; மூல ஆவண உள்ளடக்கத்தை கிளையண்டிற்கு வெளிப்படுத்த வேண்டாம்.
- KMS உடன் ஓய்வில் குறியாக்கம் செய்யுங்கள்; போக்குவரத்தில் TLS 1.2+ ஐ செயல்படுத்தவும்.
- பயனர் அடையாளத்தை Glean மற்றும் கருவிகளுக்கு அனுப்பவும்; மீட்டெடுப்பிற்காக ஒரு பகிரப்பட்ட போட் அடையாளத்தை ஒருபோதும் பயன்படுத்த வேண்டாம்.
- RBAC ஐ IdP குழுக்களிலிருந்து கருவி வரம்புகளுக்கு மேப் செய்யவும்.
- Bedrock பாதுகாப்புக் கவசங்களை இயக்கவும்; தூண்டுதல்களில் ரகசியங்களை அனுமதிக்காதீர்கள்.
- தேவைப்படும் இடங்களில் PII ஐத் திருத்தவும் மற்றும் ஆவணத் தக்கவைப்பு காலக்கெடுவை ஆவணப்படுத்தவும்.
- ஆப்ஜெக்ட் லாக்குடன் S3 க்கு மாற்ற முடியாத பதிவுகள்; உங்களுடைய SIEM க்கு ஏற்றுமதி செய்யுங்கள்.
- சம்பவ பதில் மற்றும் மாடல் திரும்பப்பெறுதலுக்கான ஒரு ரன்புக்கை வைத்திருங்கள்.
செயல்படுத்துதல் வரைபடம்: உற்பத்திக்கு 10 படிகள்
- சிறந்த 3 ஏஜென்ட் பயன்பாட்டு நிகழ்வுகளை (IT, HR, விற்பனை செயல்பாடுகள்) மற்றும் வெற்றி அளவீடுகளை வரையறுக்கவும் (விலகல் விகிதம், CSAT, தீர்வுக்கான நேரம்).
- AWS கணக்குகள், VPC, IAM அடிப்படை வரிகள் மற்றும் Bedrock அணுகலை உயர்த்தவும்.
- SSO/SCIM ஐ ஒருங்கிணைக்கவும்; பாத்திரங்கள் மற்றும் ஒப்புதல் ஓட்டங்களை மேப் செய்யவும்.
- Glean இல் முக்கிய ஆதாரங்களை இணைத்து, அனுமதி-அறியும் மீட்டெடுப்பை சரிபார்க்கவும்.
- Step Functions உடன் ஒரு குறைந்தபட்ச ஒருங்கிணைப்பு சேவையை (Lambda + API Gateway) உருவாக்குங்கள்.
- RAG தூண்டுதல் ஒப்பந்தம், மேற்கோள்கள் மற்றும் மூல வடிகட்டுதலை செயல்படுத்தவும்.
- இரண்டு கருவிகளை இறுதி முதல் இறுதி வரை சேர்க்கவும் (முதலில் படிக்க மட்டும், பின்னர் ஒப்புதலுடன் எழுதவும்).
- உள்நுழைவு, மதிப்பீடுகள் மற்றும் டாஷ்போர்டுகளைக் கருவிகளாக்கவும்; 150-கேள்வி தங்கத் தொகுப்பை உருவாக்கவும்.
- 50-100 பயனர்களுடன் ஒரு மூடிய பீட்டாவை இயக்கவும்; சிறந்த சிக்கல்களை சரிசெய்யவும்; SLO களை அமைக்கவும்.
- பரவலாக வெளியிடவும்; ஒரு வாராந்திர மாற்ற-மதிப்பாய்வு மற்றும் மாதாந்திர மாதிரி மதிப்பீட்டை நிறுவவும்.
Glean மற்றும் AWS உடன் AI ஏஜெண்டுகளை உருவாக்கும்போது அடிக்கடி கேட்கப்படும் கேள்விகள்
நிறுவன ஏஜெண்டுகளில் தவறான தகவல்களை எவ்வாறு குறைப்பது?
Glean இலிருந்து மீட்டெடுப்பதன் மூலம் மாதிரியை நிலைநிறுத்துங்கள் மற்றும் ஒரு கடுமையான தூண்டுதலை செயல்படுத்தவும்: வழங்கப்பட்ட சூழலை மட்டும் பயன்படுத்தவும் மற்றும் எப்போதும் ஆதாரங்களைக் குறிப்பிடவும். குறைந்த நம்பிக்கையுடன் பதில்களை நிராகரித்து, தெளிவுபடுத்தும் கேள்விகளைக் கேளுங்கள். அனுமதி-அறியும் மீட்டெடுப்பை நீங்கள் நம்பும்போது பெரும்பாலான தவறான தகவல்கள் குறைகின்றன.
ஏஜென்ட் பயன்பாடுகள் முழுவதும் ஆவண-அளவிலான அனுமதிகளை மதிக்க முடியுமா?
ஆம். Glean மற்றும் AWS உடன் நீங்கள் AI ஏஜெண்டுகளை உருவாக்கும்போது, Glean இணைக்கப்பட்ட பயன்பாடுகளிலிருந்து அனுமதிகளை வினவல் நேரத்தில் செயல்படுத்துகிறது, எனவே ஏஜென்ட் பயனர் அணுகக்கூடியதை மட்டுமே பார்க்கிறது. பாதுகாப்புக் கட்டுப்பாட்டைப் பராமரிக்க எப்போதும் பயனரின் அடையாள டோக்கனை அனுப்பவும்.
AWS இல் எந்த மாதிரிகளுடன் நான் தொடங்க வேண்டும்?
பல மாதிரிகளுக்கான அணுகலுக்கு Amazon Bedrock ஐப் பயன்படுத்தவும். காரணங்காட்டுவதற்கு ஒரு வலுவான பொது மாதிரியுடன் மற்றும் ரூட்டிங்கிற்கு சிறிய, வேகமான மாதிரிடன் தொடங்கவும். உங்களுடைய தொகுக்கப்பட்ட தங்கத் தொகுப்புக்கு எதிராக தாமதம், செலவு மற்றும் துல்லியத்தை மதிப்பிடுங்கள்.
Jira அல்லது ServiceNow போன்ற அமைப்புகளில் ஏஜெண்டுகள் பாதுகாப்பாக நடவடிக்கை எடுக்க நான் எவ்வாறு அனுமதிப்பது?
ஒவ்வொரு கருவியையும் கடுமையான திட்டங்கள், உள்ளீட்டு சரிபார்ப்பு மற்றும் ஒப்புதல் பணிப்பாய்வுகளுடன் மடிக்கவும். ஒவ்வொரு கருவி அழைப்பையும் பதிவுசெய்து தணிக்கைக்காக வெளியீடுகளைச் சேமிக்கவும். தாக்கமான செயல்களுக்கு, ஒரு மனித உறுதிப்படுத்தல் படியைக் கோரவும்.
ஒரு ஏஜென்ட் உற்பத்திக்குத் தயாராக உள்ளது என்பதை எந்த அளவீடுகள் நிரூபிக்கின்றன?
அடித்தளம் (மேற்கோள் விகிதம்), பதில் துல்லியம், P95 தாமதம், தீர்வு/விலகல் விகிதம் மற்றும் தீர்க்கப்பட்ட ஒவ்வொரு பணிக்கும் ஆகும் செலவைக் கண்காணிக்கவும். டாஷ்போர்டுகளை உருவாக்கி, உங்களுடைய தங்கத் தொகுப்பில் வாராந்திர பின்னடைவு சோதனைகளை இயக்கவும்.
கூடுதலாக: உருவாக்க சுழற்சியை விரைவுபடுத்துதல்
குறிப்பிடத்தக்கது: உங்களுடைய குழு அடிக்கடி முன்மாதிரிகளை உருவாக்கினால், ஆராய்ச்சி மற்றும் வரைவுக்கான ஒரு இணை இயக்கி வடிவமைப்பு ஆவணங்கள், ரன்புக்குகள் மற்றும் தூண்டுதல் மறு செய்கைகளை விரைவுபடுத்தலாம். Sider.AI போன்ற கருவிகள் நீண்ட த்ரெட்களைச் சுருக்கவும், மதிப்பீட்டு தூண்டுதல்களை உருவாக்கவும் மற்றும் மாதிரி வெளியீடுகளை பக்கவாட்டில் ஒப்பிடவும் குழுக்களுக்கு உதவுகின்றன—Glean மற்றும் AWS உடன் நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகளை எவ்வாறு உருவாக்குவது என்பதைச் சரிசெய்யும்போது பயனுள்ளதாக இருக்கும். முக்கிய படிப்பினைகள் மற்றும் அடுத்த படிகள்
- Glean மற்றும் AWS உடன் AI ஏஜெண்டுகளை உருவாக்குவது உங்களுக்கு அடையாளம்-அறியும் மீட்டெடுப்பு மற்றும் நிறுவன-தர ஒருங்கிணைப்பை வழங்குகிறது.
- அடையாளம், நிர்வாகம் மற்றும் அனுமதி-அறியும் மீட்டெடுப்புடன் தொடங்கவும், பின்னர் ஆடம்பரமான திட்டமிடல் தர்க்கத்தைப் பயன்படுத்தவும்.
- Bedrock பாதுகாப்புக் கவசங்கள், கடுமையான கருவி திட்டங்கள் மற்றும் மனிதன்-இன்-தி-லூப் ஒப்புதல்களைப் பயன்படுத்தவும்.
- எல்லாவற்றையும் கருவியாக்கவும்: மதிப்பீடுகள், தணிக்கைகள் மற்றும் செலவுக் கட்டுப்பாடுகள்.
இந்த வாரத்திற்கான அடுத்த படிகள்:
- உங்களுடைய சிறந்த மூன்று பயன்பாட்டு நிகழ்வுகள் மற்றும் வெற்றி அளவீடுகளை உருவாக்கவும்.
- Glean இல் இரண்டு முக்கிய ஆதாரங்களை இணைக்கவும்; 150-கேள்வி மதிப்பீட்டை இயக்கவும்.
- ஒரு படிக்க-மட்டும் கருவியுடன் ஒரு குறைந்தபட்ச Lambda + Step Functions ஒருங்கிணைப்பாளரை உயர்த்தவும்.
- பைலட் விரிவாக்கம் செய்வதற்கு முன்பு உங்களுடைய தாமதம் மற்றும் செலவு வரவு செலவுத் திட்டங்களை அமைக்கவும்.
FAQ
Q1: AWS இல் AI ஏஜெண்டுகளுக்கு நிறுவனத்திற்குத் தயாராக இருப்பது என்றால் என்ன?
இதன் பொருள் பாதுகாப்பான, தணிக்கை செய்யக்கூடிய ஏஜெண்டுகள், SSO மற்றும் ஆவண அனுமதிகளை மதிக்கின்றன, மேற்கோள்களை வழங்குகின்றன மற்றும் இணக்கமான உள்கட்டமைப்பில் இயங்குகின்றன. Glean மற்றும் AWS உடன் நீங்கள் AI ஏஜெண்டுகளை உருவாக்கும்போது, உங்களுக்கு அனுமதி-அறியும் மீட்டெடுப்பு மற்றும் கிளவுட்-தர கண்காணிப்பு கிடைக்கும்.
Q2: Glean AI பதில்களில் தரவு கசிவுகளை எவ்வாறு தடுக்கிறது?
Glean ஒவ்வொரு இணைக்கப்பட்ட பயன்பாட்டிலிருந்தும் ஆவண-அளவிலான அனுமதிகளை வினவல் நேரத்தில் செயல்படுத்துகிறது. ஏஜென்ட் பயனர் அணுகக்கூடிய உள்ளடக்கத்தை மட்டுமே மீட்டெடுக்கிறது, இது Glean மற்றும் AWS உடன் நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகளை உருவாக்கும்போது முக்கியமானது.
Q3: ஒருங்கிணைப்பிற்கு நான் எந்த AWS சேவைகளைப் பயன்படுத்த வேண்டும்?
மரணதண்டனைக்கு Lambda அல்லது ECS, பல-படி பணிப்பாய்வுகளுக்கு Step Functions, மாதிரிகள் மற்றும் பாதுகாப்புக் கவசங்களுக்கு Bedrock மற்றும் சான்றுகளுக்கு ரகசியங்கள் மேலாளர் ஆகியவற்றைப் பயன்படுத்தவும். Glean மற்றும் AWS உடன் AI ஏஜெண்டுகளை உருவாக்குவதற்கு இந்த அடுக்கு ஒரு நிரூபிக்கப்பட்ட அடிப்படையாகும்.
Q4: நான் துல்லியத்தை எவ்வாறு மதிப்பிடுவது மற்றும் தவறான தகவல்களை எவ்வாறு குறைப்பது?
கேள்விகளின் தங்கத் தொகுப்பை உருவாக்கவும், மேற்கோள்களைக் கோரவும் மற்றும் மீட்டெடுப்பு-அதிகரிக்கப்பட்ட உருவாக்கத்தைப் பயன்படுத்தவும். Glean மற்றும் AWS உடன், அனுமதி-அறியும் மீட்டெடுப்பு மற்றும் பாதுகாப்புக் கவசங்கள் தவறான தகவல்களை கணிசமாகக் குறைக்கின்றன.
Q5: AI ஏஜெண்டுகள் பாதுகாப்பாக டிக்கெட்டுகளை உருவாக்குதல் அல்லது Slack இல் பதிவிடுதல் போன்ற செயல்களை எடுக்க முடியுமா?
ஆம்—திட்ட-சரிபார்க்கப்பட்ட கருவிகள், அதிக-தாக்கம் செயல்களுக்கான ஒப்புதல்கள் மற்றும் முழு தணிக்கை உள்நுழைவுடன். Glean மற்றும் AWS உடன் நிறுவனத்திற்குத் தயாரான AI ஏஜெண்டுகளை உருவாக்கும்போது இது ஒரு முக்கிய முறையாகும்.
