Як AWS навчила нетехнічних співробітників будувати AI-агентів

Чому AWS взялася за цю прогалину

За даними AWS, головна перешкода для впровадження ШІ в бізнесі — не брак обізнаності, а розрив між розмовами про ШІ та реальною практикою створення рішень. Співробітники в продажах, операціях, фінансах чи продукті вже проходять сертифікації й дивляться демо, але коли клієнт чи колега питає «а як це працює насправді», відповіді з власного досвіду немає.

Найчастішою перешкодою опитані учасники називали «відсутність прикладів із реального світу»: бракувало не бажання, а структурованої підтримки й дозволу помилятися. Програму AWS орієнтувала саме на людей без технічної освіти — менеджерів з акаунтів, консультантів з рішень, операційних аналітиків, менеджерів програм. Перед набором команда отримала підтримку керівників: їм пояснили, що чотири години на тиждень протягом шести тижнів — це інвестиція в якість розмов з клієнтами, а не відрив від основних обов'язків.

Як побудована шеститижнева програма

Програма має чотири фази. Спочатку команди з навмисно різним рівнем досвіду формулюють проблему, прив'язану до реального сценарію зі своєї роботи. Далі — практичне навчання: учасники одразу працюють у тих інструментах, якими будуватимуть прототип, а не слухають лекції.

Основна фаза розробки триває кілька тижнів і дає змогу зробити 2-3 цикли ітерацій: команди, що зібрали робочий прототип уже на третьому тижні, встигали переробити й покращити його до п'ятого. На цьому етапі з командою працює технічний ментор, який не виконує роботу за учасників, а знімає інфраструктурні блокери й підказує архітектурні рішення. Завершується все живими демо, які судді оцінюють за п'ятьма критеріями:

• бізнес-ефект;
• технічна якість;
• можливість масштабування й повторного використання;
• інноваційність;
• якість презентації.

Серед обраних інструментів — середовище розробки Kiro, що дозволяє описувати бажаний результат природною мовою й отримувати готову архітектуру, а також MCP-сервери AWS і агенти на AWS Lambda, щоб команди одразу будували архітектуру, придатну для продакшну, а не лише локальні прототипи.

Що саме зробила команда-переможець

WealthWise, крім п'яти спеціалізованих агентів і відповіді до 5 секунд, має архітектуру з двох серверів (Node.js і Python Flask) на моделях Amazon Nova, чотири таблиці Amazon DynamoDB для даних у реальному часі та інтеграцію з живими ринковими даними. Кожен агент самостійно вирішує, які інструменти викликати, і поєднує їх для багатоетапних розрахунків — від аналізу портфеля до оцінки ризиків.

Команда назвала п'ять принципів своєї перемоги: навчання важливіше за перемогу, щоденні короткі зустрічі, спочатку мінімальний робочий прототип і лише потім доопрацювання, активне звернення по допомогу до менторів і свідоме створення комфортної атмосфери в команді.

Результати для бізнесу загалом

За даними AWS, після програми:

• частка учасників із «сильним» чи «експертним» розумінням агентного ШІ зросла з 27% до 82%;
• частка тих, хто почувався добре підготовленим до пошуку застосувань ШІ, зросла з 41% до 85%;
• частка учасників із лише теоретичним досвідом впала з 34% до нуля;
• використання Strands Agents SDK зросло з 20% до 80%, Amazon Bedrock AgentCore — з 39% до 85%.

52% учасників після програми назвали конкретних клієнтів, яким могли б запропонувати побудоване рішення, а 87% планували застосувати отримані знання в роботі з клієнтами протягом 30 днів. Серед інших прототипів, доведених до демо, — координація допомоги для медичних постачальників ПЗ, модерація контенту, виявлення шахрайства, прогнозування відтоку клієнтів і системи автономного прийняття рішень. Програма, за словами AWS, вже розширилася з однієї команди до регіонального, а тепер і глобального масштабу, отримавши 100% рекомендацій і 95% оцінок «відповідає очікуванням або перевищує їх».