2026. október 4., vasárnap · Eszközök

Az AWS új mintázata: AI chat és determinisztikus szabálymotor a bérleti szerződések ellenőrzésére

Az AWS hivatalos blogbejegyzése egy úgynevezett „Adjudicated Query” tervezési mintát mutat be, amely az Amazon Quick generatív AI-alapú chat felületét kapcsolja össze egy nem-AI, determinisztikus szabálymotorral. A cél, hogy üzleti felhasználók természetes nyelven tehessenek fel megfelelőségi kérdéseket, miközben a tényleges megfelel/nem felel döntést mindig a szabálymotor hozza, nem a nyelvi modell. A bemutatott példa szerint egy ingatlanportfólió-kezelő akár 50 000 bérleti szerződést tart nyilván több államban, és új törvényi változás esetén teljes körűen, bizonyíthatóan kell ellenőriznie az összes érintett szerződést, például egy adott államban mind a 22 910 texasi szerződést. Az AWS szerint sem a hagyományos RAG-alapú keresés, sem a text-to-SQL megoldás nem garantálja ezt a teljes lefedettséget és utólagos védhetőséget, ezért javasolják a két réteg szétválasztását. A minta más magas tétű megfelelőségi területeken is alkalmazható, például szankciós szűrésnél, biztosítási kárigény-elbírálásnál vagy exportellenőrzésnél.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A minta lényege, hogy a végső megfelelőségi döntést sosem a nyelvi modell, hanem egy auditálható szabálymotor hozza, ami pereknél vagy hatósági vizsgálatnál utólag is bizonyítható nyomvonalat biztosíthat.

Források

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. október 4., vasárnap napi AI összefoglaló része.

Kapcsolódó hírek

Az AWS útmutatót adott ki az Amazon Quick AI-ügynökök biztonságos bevezetéséhez

Az AWS saját blogbejegyzése szerint az Amazon Quick platform gyakran sikeresen indul kis pilot csapatokkal, majd elakad, amikor a biztonsági csapatok átveszik a production tervet. A cég állítása szerint a tíz felhasználóra méretezett jogosultsági modell megbomlik öt osztály hozzáadásakor, és az ügynökök a tervezett hatókörön kívüli adatokat is visszaadhatnak. Egy fiktív, 5000 fős vállalati példán mutatják be a megoldást: egy adathalmazt három, jogosultsághoz igazított nézetre bontanak, külön Agentekkel és Dashboardokkal, jóváhagyási ponttal ellátott Flow-val. A bejegyzés négy mintát és egy governance-keretrendszert ismertet, kizárólag az AWS saját termékére vonatkozóan.

Az Amazon Quick és az NVIDIA NeMo Agent Toolkit együttműködése ellátásilánc-kezelő ügynökfolyamatokat kínál

Az AWS hivatalos blogján bemutatott megoldás az Amazon Quick és az NVIDIA NeMo Agent Toolkit összekapcsolásával specializált, ügynökalapú munkafolyamatokat épít ellátásilánc-kockázatok kezelésére. Az Amazon Quick egységes, beszélgetésalapú felületet biztosít strukturált és strukturálatlan vállalati adatokhoz, több mint száz előre elkészített csatlakozóval és MCP-protokollon keresztül elérhető ügynökfolyamatokkal. Az NVIDIA NeMo Agent Toolkit nyílt forráskódú, keretrendszer-független könyvtárként működik, amely LangChain, LlamaIndex, CrewAI és más eszközökkel is kompatibilis. A bemutatott példában egy ellátásilánc-elemző az irányítópult kontextusából kiindulva, a csevegőügynökön keresztül automatikusan vizsgálja a zavarokat, hívja meg az eszközöket, validálja a javaslatot, és rangsorolt kockázatcsökkentési tervet ad vissza a tervezőnek.

Az AWS új kvótakezelést vezetett be a SageMaker tanítási feladatokhoz

Az AWS Batch mostantól kvótakezelést kínál a SageMaker Training feladatokhoz, amely lehetővé teszi, hogy a vállalatok a megosztott GPU-kapacitást csapatonként vagy projektenként osszák fel. A vállalat szerint az adminisztrátorok kvótarészeket hozhatnak létre, amelyekhez konfigurálható erőforrás-megosztási stratégiák (fenntartás, kölcsönadás, vagy kölcsönadás és -vétel) tartoznak, így a szabadon álló kapacitás automatikusan átirányítható a dolgozó csapatokhoz. A rendszer úgynevezett kereszt-megosztási elvonást (cross-share preemption) alkalmaz, amely automatikusan visszaveszi a kikölcsönzött kapacitást, ha a kölcsönadó csapatnak újra szüksége van rá, elkerülve a manuális feladatleállítást. Emellett bevezethető a prioritás alapú, csapaton belüli elővásárlás (in-share preemption) is, amely a magasabb prioritású feladatokat előresorolja a várakozási sorban. Az AWS a funkciót a SageMaker Python SDK-n keresztül teszi elérhetővé, mintakóddal és felhasználói útmutatóval.

Az Anthropic szerint nem kell teljes mentális modell a Claude Code-hoz

Az Anthropic közzétette, hogyan működik most a Claude Code kódellenőrzése, miután a vállalat szerint a kód mintegy 90%-át maga a Claude írja. A cég szerint a csapat tagjai közül senki nem tart fejben teljes képet a kódbázisról, ehelyett Claude-tól kérnek magyarázatot egy-egy részlethez, amikor valakinek meg kell értenie egy szeletét. A monorepó napi összevont változtatásainak száma májusról szeptemberre a cég szerint körülbelül 2500-ról 30 000 fölé nőtt, ezért a korábbi kódellenőrzési folyamat is átalakult. A beolvasztást egy kockázati besorolás szabályozza: alacsony kockázatú változtatás emberi jóváhagyás nélkül mehet át, és egy ügynök jóváhagyása sosem számít emberi jóváhagyásnak. A cég szerint egyelőre nincsenek olyan automatikus féklépcsők, amelyek szigorítanák a jóváhagyást, ha a mutatók romlanak, és a mérnökök ezt hiányolják, mielőtt több kód kerülne nulla emberi beavatkozással élesítésre.