View a markdown version of this page

Mengadopsi pendekatan berlapis untuk pengembangan AI generatif - AWS Panduan Preskriptif

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Mengadopsi pendekatan berlapis untuk pengembangan AI generatif

Untuk membangun platform AI generatif yang kuat dan dapat diskalakan, organisasi membutuhkan lingkungan yang komprehensif yang memungkinkan inovasi sambil mempertahankan kontrol dan keamanan. Dokumen strategi ini merekomendasikan lingkungan siap perusahaan yang terdiri dari empat lapisan penting, yang ditunjukkan pada gambar berikut.

Empat lapisan lingkungan AI generatif yang siap perusahaan.

Masing-masing lapisan berikut memainkan peran penting dalam keberhasilan adopsi dan penskalaan AI generatif di seluruh perusahaan:

  1. Infrastruktur data dan komputasi - Infrastruktur yang andal memberikan dasar untuk mengembangkan, melatih, dan menerapkan aplikasi AI generatif. Lapisan ini memastikan bahwa organisasi memiliki sumber daya komputasi dan kemampuan manajemen data yang diperlukan untuk mendukung berbagai kasus penggunaan, dari eksperimen kecil hingga penyebaran produksi skala besar. Untuk Amazon Elastic Compute Cloud (Amazon EC2), pertimbangkan untuk AWS Trainiummenggunakan,,, Adaptor Kain Elastis AWS InferentiaUltraClusters,Blok Kapasitas untuk ML, Sistem Nitro, dan AWS Neuron.AWS

  2. Model dan alat pondasi yang disetujui — Lapisan ini memungkinkan organisasi Anda mengakses model yang disetujui dan dilatih sebelumnya sambil menjaga keamanan dan kepatuhan. Tim dapat bereksperimen dengan model yang berbeda, mengevaluasi efektivitasnya, dan memilih yang paling tepat untuk kasus penggunaan tertentu. Anda dapat menggunakan Amazon Bedrock untuk membuat pagar pembatas, membangun agen, menyesuaikan model, atau mengimpor model kustom Anda sendiri.

  3. Keamanan dan tata kelola — Lapisan ini membantu Anda memastikan bahwa aplikasi AI generatif mematuhi kebijakan organisasi, persyaratan kepatuhan, persyaratan hukum dan privasi, dan pedoman etika. Di lapisan ini, Anda menerapkan kontrol keamanan dan mekanisme tata kelola yang konsisten di semua inisiatif AI generatif.

  4. Pola aplikasi berulang — Lapisan ini mempercepat pengembangan dan mempromosikan konsistensi dengan menyediakan templat standar dan praktik terbaik untuk kasus penggunaan AI generatif umum. Menyediakan pola berulang membantu mencegah duplikasi upaya dan memungkinkan penskalaan cepat dari solusi yang berhasil. Contoh pola berulang termasuk pemrosesan dokumen cerdas, Retrieval Augmented Generation (RAG), asisten berbasis obrolan, dan alur kerja agen.

Pendekatan berlapis ini memberikan manfaat utama berikut:

  • Ini jelas memisahkan berbagai aspek implementasi AI generatif.

  • Ini mempromosikan keamanan dan tata kelola yang konsisten di semua inisiatif AI generatif.

  • Ini membantu Anda membangun infrastruktur terukur yang tumbuh dengan kebutuhan organisasi.

  • Ini menstandarisasi pendekatan yang mempercepat pembangunan.

  • Ini mengurangi risiko melalui pola dan praktik yang terbukti.

Dengan menerapkan keempat lapisan ini, organisasi dapat menciptakan dasar yang kuat untuk inisiatif AI generatif mereka sambil mempertahankan fleksibilitas untuk beradaptasi dengan persyaratan dan peluang baru.