AI-modeller og plattformer

AWS Quick får chatbaserte arbeidsflyter og orkestrering av flere agenter

Aiden Cross
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterChat-beskrevne flyter lar team standardisere tilbakevendende arbeid uten å være…
Vis mer
  • Chat-beskrevne flyter lar team standardisere tilbakevendende arbeid uten å være avhengige av én ansatts private sjekkliste.
  • Multi-agent-orkestrering samler spesialiserte agenter slik at domeneeksperter vedlikeholder sine egne instruksjoner og kunnskap.
  • Administratorer får gruppetillatelser og skrivegodkjenninger som definerer hva agenter kan gjøre på tvers av team.

Amazon Web Services lanserte en omfattende oppdatering av AWS Quick 20. november 2026, med arbeidsflyter for virksomheter som bygges i chat, og orkestrering som samler resultater fra flere spesialiserte agenter. En redesignet nettapp, nye koblinger og utvidede administratorkontroller skal bidra til at KI-assisterte prosesser kan gjentas på tvers av team.

Samtalebaserte arbeidsflyter standardiserer gjentakende arbeid

Brukerne kan beskrive en prosess i chatten og få Quick til å sette sammen en arbeidsflyt som de kan kjøre, teste og forbedre i den samme samtalen. Et diagram over trinnene ved siden av chatten gjør det enklere å gjennomgå arbeidsflyten, og arbeidsflyter kan koordinere agenter, ferdigheter, verktøy, strukturerte data, kunnskap og applikasjoner. De kan startes fra nettet, skrivebordsappen eller mobilen. Nye deterministiske trinn håndterer faste beregninger og kontroller ved siden av utforming og analyse utført av agenter. Ifølge AWS gjør disse trinnene gjentakende arbeidsflyter konsistente og etterprøvbare, samtidig som de støtter prosesser som går over lengre tid, og større datamengder.

AWS’ uttrykkelig fiktive finanseeksempel viser hvordan disse delene fungerer sammen. En månedlig rapporteringsarbeidsflyt analyserer regioner parallelt, sammenligner resultatene med planen ved hjelp av faste regnearkformler, bruker terskelverdier fastsatt av ledere til å flagge betydelige avvik og utarbeider kommentarer. Deretter lager den et Excel-sammendrag og en e-post til gjennomgang. En person undersøker hvorfor regioner ble flagget, ber om endringer i chatten og godkjenner rapporten før den distribueres. Kollegaer kan senere kjøre den samme arbeidsflyten, noe som reduserer avhengigheten av den opprinnelige medarbeiderens private sjekkliste.

Pomelo, en latinamerikansk fintech-leverandør, bidro med et kundecase. Datasjefen Rodrigo Marini sa at nesten fire ganger så mange personer nå jobber med data hver måned uten at datateamet er blitt større, at ett bruksområde sparer 80 arbeidstimer i måneden, og at ansatte på tvers av virksomheten kan bygge agenter og arbeidsflyter innenfor en felles styringsmodell. Resultatet illustrerer det sentrale forretningsargumentet for lanseringen: bredere deltakelse i dataarbeid uten en tilsvarende økning i antallet spesialister.

Nettapp, agenter og koblinger

Den oppdaterte startsiden i nettleseren samler en prioritert oversikt over e-post og meldinger med en daglig oppsummering. Brukerne kan spørre om et element eller få Quick til å utarbeide et svar som kan gjennomgås. Planlagte oppgaver og oppgaver som tar lengre tid, fortsetter etter at nettleseren lukkes, mens Mission Control viser ferdige resultater og agenter som venter på innspill når brukerne kommer tilbake.

Biblioteket samler nylig arbeid, favoritter, festede elementer og filer opprettet med Quick, mens samtaler, agenter og filer synkroniseres på tvers av nett, datamaskin og mobil. En «Tilpass»-seksjon samler agenter, arbeidsflyter, ferdigheter, kunnskap og koblinger, inkludert agenter og ferdigheter som er opprettet på datamaskinen eller delt med andre. Eksisterende dashbord, emner og arbeidsområder fortsetter å fungere uten at de må aktiveres.

Orkestrering av flere agenter gjør det mulig for agenten som mottar en forespørsel, å kalle inn flere spesialiserte agenter samtidig. Hver agent beholder sine egne instruksjoner, sin egen kunnskap og sin egen kontekst, slik at fageksperter kan vedlikeholde sine egne agenter. Quick presenterer deretter et samlet svar som viser hva hver agent har bidratt med. I AWS’ eksempel om fraktkostnader håndterer en prognoseagent som bruker planleggingsdata, og en innkjøpsagent som bruker leverandørkontrakter, ulike deler av det samme spørsmålet. Brukeren avgjør hva som skal gjøres videre.

Koblingen til Meta-annonser bruker Metas Model Context Protocol-server for annonsering til å opprette, administrere og analysere kampanjer med naturlig språk. Amplitudes MCP-server støtter spørsmål om produktbruk, kundeatferd og konvertering. På tvers av koblingene gjelder eksisterende tilgangstillatelser fortsatt, administratorer bestemmer hvilke integrasjoner teamene kan legge til, og Quick krever tillatelse til skrivehandlinger som å opprette en Meta-kampanje eller endre et budsjett.

Styringskontroller setter rammene for utrullingen

Gjenbrukbare ferdigheter, som tidligere ble administrert på datamaskinen, kan nå utforskes, installeres, opprettes og administreres i nettappen. Disse instruksjonene beskriver fremgangsmåter, for eksempel hvordan en kontrakt kontrolleres mot teamets sjekkliste, eller hvordan en prosjektoppdatering formateres.

Sikkerhetsregler for ledetekster er tilgjengelige som en forhåndsvisning. Administratorer kan filtrere innhold, blokkere forbudte emner og bestemte ord, oppdage angrep via ledetekster og beskytte utvalgte typer personopplysninger. De kan teste en policy i en modus som bare oppdager regelbrudd, før de håndhever den for enkeltbrukere, grupper hos identitetsleverandøren eller hele kontoen.

Sikkerhetsregler, profiler for gruppebaserte tillatelser og bruksgrenser samt kontroller for hvilke typer datakilder brukerne kan opprette, oppdatere eller dele, er tilgjengelige for Professional- og Enterprise-abonnenter. Administratorer kan for eksempel sette en øvre grense for agenttimer per gruppe eller tillate tilkoblinger til Amazon Redshift samtidig som filopplastinger blokkeres.

Quick får støtte for japansk, tysk, forenklet og tradisjonell kinesisk samt vietnamesisk. AWS sier at funksjonene er tilgjengelige umiddelbart i alle regioner der Quick tilbys, og at kundedata forblir i kundens miljø og ikke brukes til å trene andres modeller.

Bredere automatisering kommer dermed med tydelige rammer for bruk: gruppetillatelser, begrensninger for koblinger, godkjenning av skrivehandlinger og menneskelig gjennomgang definerer hva agenter og arbeidsflyter kan gjøre når organisasjoner tar Quick i bruk på tvers av team.

Aiden Cross er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-produktstrategi, gjennomføring og de praktiske utfordringene ved å omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbeid fokuserer på hvordan startups og bedrifter går fra prototyper og demonstrasjoner til pålitelige systemer som brukes av ekte kunder.
Med et pragmatisk og detaljorientert perspektiv, analyserer Aiden produktveikart, strategier for markedslansering, plattformbeslutninger og organisatoriske kompromisser som avgjør om AI-initiativer lykkes eller stopper. Han legger særlig vekt på deployeringsrealiteter, brukeradopsjon, infrastrukturbegrensninger og samsvaret mellom teknisk evne og forretningsverdi.
Artikler skrevet av Aiden Cross er AI-generert og gjennomgått av Unite.AIs redaksjonsteam for å sikre klarhet, nøyaktighet og ansvarlig dekning av hvordan AI-produkter bygges, gjøres tilgjengelige og skaleres i den virkelige verden.