Nowe otwarcie Amazona. AI w firmach ma się zwracać

Amazon nie ogłosił najmocniejszego modelu na rynku. Ale i nie musiał. Zamiast kolejnego „wyścigu benchmarków” dostaliśmy coś bardziej fundamentalnego. Podczas re:Invent 2025 (doroczna konferencja Amazon Web Services) firma zaprezentowała pełny ekosystem, w którym sztuczna inteligencja nie jest już chatbotem, a zaczyna być narzędziem do wykonywania ciężkiej pracy. A to oznacza, że AI w firmach może wreszcie… zacząć się zwracać.

W centrum tej zmiany są frontier agents – nowe autonomiczne systemy, które potrafią pracować godzinami lub dniami bez nadzoru. Obok nich pojawiają się cztery modele Nova 2 o multimodalnych możliwościach i milionowym kontekście, modułowa platforma do trenowania własnych modeli Nova Forge oraz Trainium3, czyli infrastruktura zaprojektowana po to, by zdjąć z AI metkę „technologii nieopłacalnej”. Wszystko razem prowadzi do jednego wniosku: Amazon chce, by AI przeszła od kosztu do realnej produktywności.

AI, która nie potrzebuje prowadzenia za rękę

Największą uwagę przyciągnęła premiera frontier agents – systemów zdolnych do wykonywania złożonych zadań przez dłuższy czas bez ciągłego wsparcia użytkownika. Dotychczasowe agentowe narzędzia często wymagały potwierdzania każdego kroku lub przerywały pracę w momencie bardziej skomplikowanego zadania. Amazon stara się wyeliminować ten problem.

Zaprezentowane rozwiązania to:

• Kiro – agent wspierający programistów
• Security Agent – narzędzie analityczne ds. bezpieczeństwa
• DevOps Agent – system do automatyzacji procesów operacyjnych

Każdy z nich korzysta z pamięci epizodycznej, stabilnych workflowów oraz mechanizmów, które pozwalają kontynuować zadania mimo przerw lub zmian kontekstu. Według Matta Garmana, dyrektora generalnego AWS „kluczowe jest zapewnienie agentom samodzielności, dzięki której mogą realizować procesy wymagające czasu i konsekwencji”.

Praca w trudnych warunkach

Obok agentów Amazon zaprezentował także rodzinę Nova 2. To cztery modele o różnych możliwościach, ale wspólnej logice: mają być użyteczne w środowiskach, gdzie przetwarzane są duże, złożone dane. I tak:

• Nova 2 Lite i Pro pozwalają regulować głębokość analizy dzięki opcji extended thinking
• Nova 2 Omni łączy tekst, obraz, wideo i dźwięk, a dodatkowo generuje tekst i obrazy
• Nova 2 Sonic wspiera naturalną komunikację głosową

Co istotne, wszystkie modele obsługują kontekst do miliona tokenów. Dzięki temu są zdolne analizować wielostronicowe dokumenty, duże repozytoria kodu lub nagrania wideo. Zespół Amazon AGI wskazuje, że modele Nova 2 są „narzędziami do pracy operacyjnej, a nie jedynie do zadań kreatywnych”, co ma być odpowiedzią na zmianę priorytetów wśród klientów korporacyjnych.

Sposób na nieudane wdrożenia?

W wielu organizacjach największa trudność polega na tym, że dostępne modele nie są dostatecznie dopasowane do firmowych danych i procesów. Budowanie modelu od zera jest kosztowne, a dostrajanie modelu ogólnego może prowadzić do utraty jego podstawowych umiejętności.

Nova Forge ma ułatwić rozwiązanie tego dylematu. Amazon udostępnia punkt startowy w postaci częściowo trenowanych modeli oraz pozwala firmom dostosować je do własnych danych w środowisku odizolowanym. Garman podkreśla, że podejście określane jako „open training” ma „umożliwiać łączenie specyfiki firmy z kompetencjami modelu podstawowego”.

Z tej ścieżki korzystają już takie podmioty jak Sony, Booking.com czy Reddit, gdzie modele wspomagają moderację treści lub obsługę procesów wewnętrznych.

Ma być taniej

Amazon ma też odpowiedź na to, że koszty trenowania modeli pozostają jednym z najistotniejszych ograniczeń dla firm. Układy Trainium3 mają ten problem częściowo rozwiązać. To najnowsza generacja specjalizowanych procesorów Amazona zaprojektowanych wyłącznie do trenowania i uruchamiania dużych modeli AI. Oferują znacznie wyższą wydajność i energooszczędność niż poprzednia generacja, co pozwala skrócić czas trenowania dużych modeli z kilku miesięcy do kilku tygodni.

AWS informuje, że w niektórych przypadkach koszty mogą spaść nawet o połowę. Z układów korzystają już Anthropic, Karakuri czy Metagenomi. Istotne jest, że wysoka wydajność ma dotyczyć zarówno trenowania, jak i wdrażania modeli produkcyjnych.

Fabryki AI dla biznesu

Kolejnym elementem ogłoszeń są AI Factories, czyli instalacje, które Amazon wdraża bezpośrednio u klientów. Takie rozwiązanie adresuje potrzeby organizacji operujących w warunkach regulacyjnych oraz wymogi dotyczące suwerenności danych.

W ramach AI Factories klienci otrzymują zintegrowaną infrastrukturę obejmującą układy NVIDIA, Trainium, sieć AWS i usługi Bedrock. Pierwsze wdrożenia obejmują m.in. projekt budowy strefy AI w Arabii Saudyjskiej. Amazon podkreśla, że taka architektura ma przyspieszyć proces adaptacji dużych systemów AI w sektorach, które dotąd funkcjonowały głównie w oparciu o lokalne zasoby.

Agenci pod kontrolą

Amazon przedstawił również rozszerzenia Amazon Bedrock AgentCore, które pozwalają monitorować i kontrolować działanie agentów. Narzędzia obejmują polityki definiowane w języku naturalnym, zestaw metryk oceny oraz funkcjonalność pamięci epizodycznej.

Przedstawiciele AWS wskazują, że „przejrzystość decyzji agentów jest warunkiem ich bezpiecznego wdrożenia na dużą skalę”. Dzięki temu firmy mogą testować agentów, analizować ich sposób działania i reagować na spadki jakości.

Wdrożenia, które działają

AWS podkreśla, że zaprezentowane technologie już sprawdzają się w praktyce. Lyft korzysta z agentów do obsługi kierowców, skracając czas rozwiązywania zgłoszeń o 87 procent. Nissan wykorzystuje AWS do tworzenia oprogramowania dla samochodów definiowanych programowo. Visa pracuje nad agentowymi płatnościami, natomiast Adobe opiera część rozwiązań kreatywnych – w tym Firefly – na infrastrukturze AWS.

Każdy z tych przykładów wskazuje jeden kierunek rozwoju: sztuczna inteligencja ma wspierać zadania operacyjne, analityczne i techniczne, a nie tylko generować treści. Kluczem staje się zdolność wykonywania przez systemy długich, wieloetapowych zadań. Amazon wyraźnie przesuwa więc akcenty: od efektownych możliwości modeli do ich praktycznego wykorzystania w procesach biznesowych, które – wreszcie – mają przynieść realne korzyści ekonomiczne.