Case study: Získanie a operacionalizácia AWS Generative AI Competency
3. marec 2025 ┃ 8 minút čítania
Kontext AWS Generative AI Competency
AWS Generative AI Competency je špecializácia v rámci partnerského programu AWS, ktorá identifikuje a nezávisle overuje partnerov schopných dodávať generatívne AI riešenia v produkčnej kvalite. Vznikla preto, aby zákazníkom uľahčila výber dodávateľa v oblasti, kde je veľa prototypov, ale málo overených nasadení. Získanie kompetencie znamená preukázať reálne projekty, opakovateľný spôsob dodávky, zvládnutú architektúru, bezpečnosť, prevádzku aj merateľný biznisový prínos podľa jednotných kritérií AWS.
Motiváciou vybudovať a formalizovať AWS Generative AI kompetenciu bola kombinácia rastúceho dopytu po produkčných generatívnych AI riešeniach a rastúcej citlivosti zákazníkov na riziká (bezpečnosť dát, halucinácie, compliance, auditovateľnosť). V takom prostredí nestačí deklarovať „vieme GenAI“. AWS kompetencie sú postavené na princípe rigoróznej validácie technických praktík a customer success, aby zákazníci vedeli rýchlejšie identifikovať partnerov s overenými schopnosťami.
Problém, ciele a rozsah iniciatívy
Generatívna AI sa dá dnes postaviť rýchlo, no dodať ju opakovateľne v produkčnej kvalite je výrazne náročnejšie. Kľúčová výzva pre Aspectu bola nastaviť taký spôsob dodávky GenAI riešení na AWS, ktorý je preukázateľný pri audite a zároveň znižuje riziká pre zákazníka aj dodávateľa. Cieľom teda nebolo „získať certifikát“, ale spevniť internú delivery prax do podoby, ktorá obstojí pri due diligence: jasná metodika a governance, bezpečnostné a etické zásady, a schopnosť doložiť rozhodnutia, architektúru, prevádzku aj dopady na reálnych projektoch.
S tým súviseli tri konkrétne skupiny výziev:
- Dôkazová: pripraviť a udržať evidence pack, ktorý jasne ukazuje opakovateľnú prax od onboardingu cez implementáciu až po adopciu a meranie úspechu, vrátane artefaktov, ktoré sa dajú overiť počas remote technickej validácie.
- Technická: konzistentne pokryť kľúčové GenAI schopnosti podľa potreby use-case, najmä prompting, agentné workflow a tool-calling, RAG a tam, kde dávalo zmysel aj adaptáciu modelov, vrátane toho, ako sa tieto riešenia testujú, monitorujú a prevádzkujú.
- Enterprise readiness: zabezpečiť, aby bezpečnosť, privacy, compliance a Responsible AI neboli „doplnok“, ale štandardná súčasť návrhu a dodávky, s jasne definovanými guardrails a riadením rizík.
Do rozsahu iniciatívy preto patrila nielen formálna príprava a podanie žiadosti vrátane sebahodnotenia a validačných zoznamov, ale aj spracovanie produkčných príkladov od zákazníkov so zdokumentovanou architektúrou, prevádzkou a merateľným dopadom. Kľúčovou časťou bolo technické overenie formou vzdialeného auditu s dôkazmi cez zdieľanie obrazovky a súčasne aj interné spevnenie praxe: šablóny, procesy, definovanie bezpečnostných zábran, monitorovanie, testovanie a regresné overovanie zadávaní a postupov tak, aby boli udržateľné aj po získaní kompetencie.
Realizácia, timeline, tím a governance
Technické overenie prebehlo formou auditu s externým audítorom, spoločnosťou Information Security Systems International (ISSI) (nezávislá americká konzultačno-audítorská organizácia poverená AWS na technickú validáciu kompetencie). Ťažiskom bol detailný prechod architektúry, dátových tokov, bezpečnostného modelu, prevádzky a merateľných výsledkov priamo na projektových artefaktoch. Validácia bola postavená na konkrétnych dôkazoch a schopnosti ísť do hĺbky v jednotlivých oblastiach riešenia.
Projekt prebiehal v troch nadväzujúcich etapách. V prípravnej fáze sa definoval rozsah iniciatívy, skonsolidovali sa architektonické a prevádzkové podklady, zjednotili sa šablóny pre bezpečnosť, Responsible AI a hodnotenie kvality a pripravili sa produkčné príklady s kvantifikovaným dopadom. Nasledovala samotná validačná fáza, ktorá zahŕňala sebahodnotenie, predbežné posúdenie zo strany AWS a technickú validáciu s audítorom. Po jej ukončení prebehlo finálne vyhodnotenie a pridelenie kompetencie.
Iniciatíva zároveň preukázala, že Aspecta má pre generatívne AI projekty na AWS k dispozícii kompletný tím s jasne definovanými zodpovednosťami, od strategického riadenia a delivery metodiky cez architektúru riešení, prácu s modelmi a dátami až po bezpečnosť, prevádzku a vyhodnocovanie biznisového prínosu. Nejde o teoretický organizačný model, ale o reálne dostupné roly s praktickými skúsenosťami z produkčných nasadení. Práve táto schopnosť pokryť celý životný cyklus riešenia vlastnými odborníkmi bola jedným z kľúčových faktorov, ktoré umožnili preukázať opakovateľný a audítovateľný spôsob dodávky pre zákazníkov.
| Rola | Primárna zodpovednosť | Typické výstupy a dôkazy |
|---|---|---|
| Executive sponsor | priorita, rozpočet, rozhodnutia o rozsahu a komunikácii | business case, interné pravidlá komunikácie, rozhodnutia k rizikám |
| Program alebo delivery lead | opakovateľná metodika od onboarding po adopciu | delivery playbook, rámec adopcie, meranie úspechu |
| Solution architect (GenAI/AWS) | architektúra RAG a agentov, integrácie, škálovanie | architektonické diagramy, scenáre zlyhaní, integračné detaily |
| ML alebo GenAI engineer | prompting, hodnotenie kvality, regresné testy | verzie promptov, test scenáre, metriky hodnotenia |
| Data alebo knowledge engineer | ingest, chunking, embeddings, indexy, update a delete | ingest mechanizmy, chunking stratégia, práca s citlivými dátami |
| Security a compliance lead | IAM, šifrovanie, audit logy, kontrolné mechanizmy | bezpečnostný model, log retention, incident postupy |
| MLOps alebo SRE | monitoring, alerting, prevádzkový model, SLO | observabilita, runbooky, kapacitné plánovanie |
| Business analyst alebo value owner | definícia KPI, pred/po meranie dopadu | KPI rámec, ROI model, časť case study o dopade |
Kľúčovým faktorom je, že Aspecta dokázala tieto postupy a výstupy reálne preukázať na konkrétnych projektoch. Každá fáza riešenia mala oporu v existujúcich projektových artefaktoch, od zmluvných a plánovacích dokumentov cez architektonické návrhy a bezpečnostné nastavenia až po prevádzkové postupy a vyhodnotenie merateľného dopadu. Nešlo teda o jednorazovo pripravené podklady pre audit, ale o štandardný spôsob práce, ktorý vieme dlhodobo aplikovať pri zákazníckych projektoch a ktorý potvrdzuje opakovateľnosť a audítovateľnosť dodávky.
Technológie, modely, dáta a prevádzka
Získaná kompetencia potvrdzuje schopnosť navrhovať generatívne AI riešenia na AWS ako ucelený systém, nie ako izolovaný model. Architektúra pokrýva celý tok od používateľského dopytu cez autorizáciu a bezpečnostné kontroly, získanie kontextu z interných zdrojov až po generovanie odpovede, jej štruktúrovanie, citácie a auditovateľné záznamy. V praxi ide najmä o scenáre s RAG, agentným riadením viackrokových úloh a riadeným promptovaním s testovaním kvality.
Platformy a práca s modelmi
Pri riešeniach, kde je prioritou rýchlosť nasadenia, bezpečnostný model a jednoduchá správa, sa využívajú plne spravované služby, najčastejšie Amazon Bedrock. V prípadoch, kde je potrebná hlbšia kontrola nad správaním modelu alebo jeho prispôsobenie na doménové dáta, je pripravený postup pre tréning a prevádzku prostredníctvom Amazon SageMaker. Výber prístupu vždy vychádza z konkrétneho use-casu, požiadaviek na presnosť, náklady a mieru customizácie.
Bezpečnosť a Responsible AI
Konzistentné uplatnenie bezpečnostných a obsahových zábran je riešené aj na úrovni platformy, napríklad prostredníctvom Amazon Bedrock Guardrails. Tento prístup umožňuje jednotne riadiť ochranu naprieč modelmi, agentmi aj znalosťnou bázou a zároveň podporuje požiadavky na privacy, compliance a auditovateľnosť. Bezpečnostný model je doplnený riadením prístupov, logovaním a jasnými prevádzkovými postupmi.
Dáta a znalostná báza
Produkčné riešenia stoja na kontrolovanom spracovaní dátových zdrojov, riadení prístupových práv a ochrane citlivých údajov. Dôležitou súčasťou je mechanizmus aktualizácie obsahu, práca s metadátami a hodnotenie kvality odpovedí, čo umožňuje dlhodobo udržať presnosť a relevanciu výstupov. Tento model umožňuje bezpečne pracovať s rôznymi typmi podnikového obsahu, od interných dokumentov až po prevádzkové postupy.
Prevádzka a meranie kvality
Riešenia sú navrhnuté s dôrazom na dlhodobú prevádzku. Zahŕňajú meranie kvality, výkonnosti a nákladov, monitorovanie správania v čase a jasné postupy pre incidenty a zmeny. Vďaka tomu je možné riešenia nielen rýchlo nasadiť, ale aj systematicky rozvíjať bez poklesu kvality.
Kompetencie, merateľné výsledky a prínos pre zákazníka
Kompetencie, merateľné výsledky a prínos pre zákazníka
Overené kompetencie
Kompetencia potvrdzuje, že generatívne AI riešenia na AWS dodávame ako štandardizovanú službu s jasnými postupmi, meraním kvality a bezpečnostnými kontrolami.
- riadená práca s promptami: verzionovanie, testovanie, regresné scenáre
- RAG end-to-end: príprava dát, vyhľadávanie kontextu, hodnotenie kvality odpovedí
- agentné scenáre a integrácie na interné systémy s auditovateľnými operáciami
- rozhodovací rámec pre prispôsobenie modelov podľa prínosu a nákladov
- bezpečnostný model: riadenie prístupov, práca s citlivými dátami, audit logy
- Responsible AI: znižovanie halucinácií, transparentná práca so zdrojmi
Meranie prínosu
Produkčné nasadenia hodnotíme cez jednotný KPI rámec:
- čas spracovania požiadavky (pred / po nasadení)
- kvalita a správnosť odpovedí voči zdrojom
- zníženie prevádzkového alebo reputačného rizika
- adopcia používateľmi a reálne využívanie riešenia
- návratnosť investície (úspora času vs. celkové náklady)
- latencia a stabilita v prevádzke
Aj bez publikovania konkrétnych čísel tento prístup dokazuje, že prínos riešení je meraný systematicky a na produkčných dátach.
Prevádzka a bezpečnosť
- priebežné monitorovanie kvality, výkonu a nákladov
- riadenie incidentov a kontrolované nasadzovanie zmien
- kapacitné plánovanie
- princíp minimálnych oprávnení a auditovanie prístupov
- jednotné bezpečnostné zábrany naprieč riešením (napr. Amazon Bedrock Guardrails)
Hlavné poučenie
Rozhodujúca nie je prezentácia, ale schopnosť preukázať architektúru, bezpečnosť, prevádzku a merateľný dopad na reálnych projektoch. Kompetencia preto stojí na opakovateľných procesoch a dôkazoch, ktoré znižujú riziko pri nasadzovaní ďalších riešení.
„Získanie AWS AI (Generative AI) Competency potvrdzuje, že generatívne AI riešenia na AWS dodávame produkčne, bezpečne a opakovateľne. Nejde o deklaráciu, ale o výsledok nezávislej technickej validácie a reálnych nasadení s merateľným prínosom. Pre našich zákazníkov to znamená nižšie riziko a rýchlejší prechod od návrhu k produkcii.“
– Peter Stročka, Konateľ spoločnosti Aspecta
Záver
Záver
Získanie AWS AI (Generative AI) Competency pre nás nepredstavuje jednorazový míľnik, ale potvrdenie spôsobu, akým dlhodobo navrhujeme a dodávame riešenia pre zákazníkov. Nezávislá technická validácia overila, že generatívnu AI na AWS vieme nasadzovať produkčne, bezpečne a s merateľným prínosom. Rovnako dôležité je, že výsledkom nie sú len nové referencie, ale štandardizovaný delivery model, ktorý skracuje cestu od prvého use-casu k škálovateľnému nasadeniu.
Pre zákazníkov to znamená nižšie riziko, jasný spôsob merania návratnosti a partnera, ktorý vie pokryť celý životný cyklus riešenia – od návrhu architektúry cez prácu s dátami a modelmi až po dlhodobú prevádzku a rozvoj. Kompetencia tak nie je cieľom, ale základom pre ďalšie produkčné projekty, v ktorých sa generatívna AI stáva riadenou a auditovateľnou súčasťou podnikových procesov.
Prihláste sa na odber a neunikne vám žiadny článok
Ak sa vám článok páčil, zdieľajte ho
