2026. július 21., kedd · Üzlet

A Tradeshift az Amazon Quick ágens AI-munkaterülettel váltotta le hagyományos BI-rendszerét

A Tradeshift – több mint 70 országban működő számlakezelő platform – saját fejlesztésű üzleti intelligencia eszközét lecserélte az Amazon Quick nevű ágens alapú AI-munkaterületre. A vállalat állítása szerint a lekérdezések válaszideje akár harmincszorosan gyorsult, a teljes üzemeltetési költség negyven százalékkal csökkent, a beágyazott analitika pedig bevételtermelő termékké vált. A korábbi rendszer tízezer soros lekérdezési korláttal és hat hónapnyi előzményadat-tárolással működött, ami a növekvő adatmennyiség mellett fenntarthatatlanná vált. Az új megoldás természetes nyelvű kérdezést, kód nélküli munkafolyamat-automatizálást és többforrásos elemző jelentéseket kínál.

Miért fontos?

Gyakorlati esettanulmány arról, hogyan válthat egy nagyvállalati platform hagyományos BI-ról ágens alapú AI-analitikára mérhető költség- és teljesítményelőnyökkel.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI üzlet #Tradeshift#Amazon Quick

Napi összefoglaló

Ez a hír a 2026. július 21., kedd napi AI összefoglaló része.

Kapcsolódó hírek

OpenAI szakított a Cursorral Elon Musk miatt

A WIRED cikke szerint az OpenAI tudatosan lemondott a Cursor kódszerkesztővel kötött üzleti kapcsolatáról, mert a Cursor vezetője, Michael Truell időközben Elon Musk SpaceX-éhez igazolt, és a cég nem bízik abban, hogy a SpaceX betartaná a felhasználási feltételeket. Forrásaink szerint a Cursor az OpenAI öt legnagyobb bevételi forrása közé tartozott, és a becslések alapján akár évi egymilliárd dolláros bevételt is hozhatott volna a ChatGPT-gyártónak. Truell nyilvánosan azt állította, hogy az OpenAI modelljei csak a Cursor-forgalom mintegy öt százalékát adják, ezt azonban az OpenAI termékfelelőse, Thibault Sottiaux vitatta, mondván, a token-használat nem egyenlő a bevétellel. A lépés az OpenAI jövő évi tőzsdei bevezetésre készülő, egyre stabilabbnak mutatott, állítólag évi 40 milliárd dolláros bevételt termelő üzletmenetébe illeszkedik.

Meta bemutatta a Muse Spark 1.3-at, és fizet a felhasználói adatokért

Meta kiadta a Muse Spark 1.3 nyelvi modellt, amely elsősorban kódoló és más ügynöki feladatokban javult a korábbi verzióhoz képest, de független tesztek szerint még mindig lemarad a Claude Fable 5.1 mögött. A cég állítása szerint egy feladat futtatása mindössze 0,55 dollárba kerül, ami a hasonló teljesítménykategóriában a legolcsóbb ajánlat. Emellett a TechCrunch szerint Meta külön árazási modellt vezetett be: aki hozzájárul promptjai és a modell kimeneteinek megosztásához jövőbeli tréninghez, akár 95 százalékkal olcsóbban használhatja a rendszert, mint a standard, adatvédelmet biztosító csomagban. A vállalat korábban egy alkalmazotti adatgyűjtési kísérletét belső tiltakozás miatt leállította, ami jelzi, mennyire fontos számára a valós használati adatok megszerzése.

Az AfterQuery lett a Y Combinator leggyorsabb egyszarvúja, 3,2 milliárd dolláros értékeltséggel

A Forbes értesülése szerint az AI-tréningadatokkal foglalkozó AfterQuery új finanszírozási körben 3,2 milliárd dolláros értékeltséget ért el, mindössze öt hónappal azután, hogy áprilisban 300 millió dolláros értékeltség mellett zárta le 30 millió dolláros Series A körét. A Y Combinator egyik partnere, Gustaf Alströmer szerint ez a leggyorsabb út egyszarvú-státuszig a gyorsítóprogram történetében: a 22 és 23 éves alapítók mindössze 18 hónapja vettek részt a program 2025 téli évfolyamán. A cég áprilisban 100 millió dolláros éves bevételi rátáról számolt be, ügyfelei közé az Nvidiát, a Legorát és a koreai Motif Technologiest sorolva. Az AfterQuery a Mercorhoz és a Scale-hez hasonló modellt követ: szakembereket alkalmaz, hogy az AI-modelleket a legjobb gyakorlati szakemberek gondolkodásmódjára tanítsa. A vállalat a hírt egyelőre nem erősítette meg.

Microsoft: a jövő AI-mércéje a „hozam”, nem a chipek száma

A Microsoft blogbejegyzésében Rani Borkar, az Azure Hardware Systems and Infrastructure elnöke amellett érvel, hogy az AI-iparágnak a félvezetőgyártásból ismert „yield” (hozam) szemléletet kell átvennie: nem az számít, mennyi chipet vagy tokent állítanak elő, hanem hogy ebből mennyi hasznos, megfizethető intelligencia és valós eredmény születik. A vállalat szerint az AI-terjedés gyorsabb, mint az internet, a PC vagy az okostelefon esetében volt, mégis a globális munkaképes népesség csupán 18 százaléka használja, jellemzően chat formában. Borkar kiemeli, hogy egy ágensalapú feladat akár 3400-szor annyi tokent használhat, mint egy tipikus chat-interakció, ami drámaian növeli a terhelést. A cikk szerint az energia, a csomagolás sűrűsége és a memória már most szűk keresztmetszetet jelentenek, és a „több chip, több áram, több memória” megközelítés önmagát tápláló taposómalomhoz vezet.