AWS: 80 prosent av AI-agenter kan lages med enkel konfigurasjon

Å bygge AI-agenter som fungerer i stor skala for mange brukere krever mer enn selve AI-modellen, ifølge Mike Chambers fra AWS. Han introduserer konseptet «harness engineering», som handler om å designe alt rundt modellen for å håndtere oppgaver som minne, skalering, betaling, identitet og overvåking. Chambers trekker et skarpt skille mellom agenter utviklere bruker lokalt og agenter som distribueres til sluttbrukere i skyen. For sistnevnte må hver komponent i løsningen skaleres uavhengig, i motsetning til en monolitisk tilnærming som ikke tåler tusenvis av brukere. Han demonstrerer dette med open source-rammeverket Strands og AWS sitt eget Bedrock AgentCore. Demonstrasjonen viser hvordan en enkel agent kan utvikles fra en lokal versjon med verktøy og hukommelse, til en skybasert løsning med flerbrukertilgang og uavhengig skalering. En provoserende påstand er at 80 prosent av typiske brukstilfeller for AI-agenter kan løses med en enkel JSON-konfigurasjon, altså helt uten agentkode, der plattformen gir ferdig «harness»-funksjonalitet. Dette gjør utviklingen enklere og sikrer kontroll gjennom «infrastructure as code», hvor agenter ikke direkte endrer sky-infrastruktur. Konsekvensen for norske arbeidsplasser er at det blir enklere å sette ut spesialiserte AI-agenter som kan håndtere bedriftsspesifikke oppgaver, uten at utviklingsteamene må skrive all koden for å håndtere infrastruktur og drift. Bedrifter kan dermed fokusere mer på agentens funksjonalitet og mindre på den underliggende komplekse infrastrukturen, for eksempel ved å la plattformen håndtere minne for en agent som allerede er i produksjon.