AWS ukázalo referenčnú architektúru pre AI automatizáciu starších webových aplikácií

Agent obsluhuje rozhranie určené pre človeka

AWS zverejnilo referenčnú architektúru digitálneho pracovníka, ktorý vykonáva úlohy v starších webových aplikáciách cez Amazon Bedrock AgentCore Browser a agentický framework Strands Agents. Cieľom sú podnikové systémy bez použiteľného REST API, pri ktorých pracovníci stále prechádzajú viacerými obrazovkami, vypĺňajú formuláre a kontrolujú výsledok ručne. Agent namiesto priameho prístupu k backendu ovláda webové rozhranie: načíta stránku, vyhodnotí jej stav, kliká na prvky a zadáva údaje. Takéto riešenie môže poslúžiť ako prechodná integračná vrstva, ale nemení samotnú staršiu aplikáciu ani neodstraňuje jej technický dlh.

Podľa technického opisu AWS beží spravovaná inštancia Chromia mimo lokálneho systému a agent sa k nej pripája cez WebSocket a Chrome DevTools Protocol. Na interakcie možno použiť Playwright, zatiaľ čo Strands Agents zabezpečuje agentickú slučku, volanie nástrojov a prácu s modelom. Cieľová aplikácia musí byť dostupná cez HTTP alebo HTTPS; jej pôvodný technologický stack pritom nemusí poznať moderné integračné rozhrania. AgentCore Browser podporuje izolované, dočasné relácie, ktorých predvolený čas je podľa dokumentácie 15 minút a maximálny osem hodín. Izolácia však chráni prostredie relácie, nie automaticky dáta a oprávnenia v cieľovom podnikovom systéme.

Čo obsahuje zverejnený návrh

Oproti základnému opisu služby prináša blog AWS konkrétnejší nasadzovací vzor. Referenčná implementácia počíta s používateľským rozhraním za Amazon CloudFront, autentifikáciou cez Amazon Cognito, kontajnerovými službami, agentom v AgentCore Runtime a ukladaním záznamov relácií do Amazon S3. Infraštruktúra je opísaná v Terraforme a AWS uvádza, že prvé nasadenie môže trvať približne 20 až 30 minút. To je odhad pre pripravenú ukážku, nie čas potrebný na produkčné zavedenie vo firme. Integrácia s reálnym systémom navyše vyžaduje mapovanie procesov, správu identít, testovacie dáta, bezpečnostné kontroly a dohodnutý postup pri zlyhaní.

Ukážkový pracovný tok zobrazuje priebeh uvažovania a snímky jednotlivých krokov, pričom pred konečným odoslaním formulára žiada potvrdenie človeka. Dokumentácia AgentCore Browser dopĺňa živé sledovanie relácie, metriky v CloudWatch a pri vlastných konfiguráciách prehliadača aj záznam relácie. Ten môže zachytiť zmeny DOM, používateľské akcie, konzolové záznamy a sieťové udalosti a uložiť ich do zákazníckeho S3 bucketu na neskoršie prehratie. Tieto funkcie zlepšujú pozorovateľnosť a vyšetrovanie incidentov, samy osebe však nevytvárajú úplný audit obchodného rozhodnutia. Firma musí prepojiť technický záznam s identitou zadávateľa, schválením, verziou agenta a výsledkom zapísaným v cieľovej aplikácii.

Praktická hodnota a bezpečnostná hranica

Pre slovenské podniky môže byť tento prístup zaujímavý pri poisťovacích, výrobných, logistických alebo verejných systémoch, ktorých úplná modernizácia by bola drahá a riziková. Najrozumnejším prvým cieľom nie je autonómne rozhodovanie, ale úzko vymedzený proces s veľkým objemom opakovaných úkonov a jasným výsledkom. Prevádzkovateľ by mal merať podiel úspešne dokončených prípadov, počet zásahov človeka, chybovosť, čas spracovania a náklady na jednu úlohu. Porovnanie má zahŕňať nielen ručnú prácu, ale aj klasickú RPA a vytvorenie API. Ak je možné stabilné API doplniť za prijateľnú cenu, bude spravidla predvídateľnejšie než ovládanie obrazovky.

Browser agent rozširuje bezpečnostný problém, pretože model spracúva obsah stránky a zároveň môže konať s pridelenými oprávneniami. OWASP označuje inštrukcie vložené do webov alebo súborov za nepriamu prompt injection: externý obsah môže zmeniť správanie modelu a priviesť ho k neoprávnenej akcii či úniku údajov. Obrana preto nemá stáť iba na systémovom prompte. Potrebné sú povolené domény, minimálne oprávnenia, oddelené účty, obmedzenie typov akcií, deterministická validácia vstupov a výstupov a schválenie človekom pred nevratným krokom. Pri práci s citlivými údajmi treba zároveň rozhodnúť, čo sa smie objaviť na snímkach, v sieťových záznamoch a v uloženom prehrávaní relácie.

Ďalším rizikom je zamenenie pružnosti modelu za spoľahlivosť. Agent môže správne reagovať na menšiu zmenu rozloženia, no môže tiež prehliadnuť chybové hlásenie, vybrať podobne pomenované tlačidlo alebo zopakovať už vykonanú operáciu. Produkčný návrh preto potrebuje idempotentnosť, kontrolné súčty obchodných údajov, limity počtu krokov, bezpečné ukončenie relácie a jednoznačné podmienky eskalácie. Testovacia sada by mala obsahovať vypršanie prihlásenia, pomalé odpovede, prázdne polia, zmenené poradie obrazoviek, duplicitné odoslanie aj úmyselne škodlivý obsah. Záznam úspešnej demonštrácie nestačí na určenie chybovosti v dlhodobej prevádzke.

Európsky kontext a otvorené otázky

V Európskej únii závisia právne povinnosti od účelu konkrétneho nasadenia, nie od samotného použitia prehliadačového agenta. Systém automatizujúci bežný interný formulár nemusí byť vysokorizikový, zatiaľ čo použitie pri zamestnávaní, úverovaní, základných službách alebo kritickej infraštruktúre môže patriť do prísnejšieho režimu AI Actu. Európska komisia pri vysokorizikových systémoch uvádza požiadavky na riadenie rizík, záznamy na zabezpečenie vysledovateľnosti, dokumentáciu, ľudský dohľad, robustnosť, kybernetickú bezpečnosť a presnosť. Klasifikáciu treba posúdiť pre konkrétny proces; technické funkcie AWS nemožno automaticky považovať za splnenie právnych povinností.

Pri spracúvaní osobných údajov zostávajú relevantné aj pravidlá ochrany údajov. Organizácia musí určiť právny základ, minimalizovať údaje, nastaviť dobu uchovávania a preveriť, kam sa prenášajú snímky, logy a záznamy relácií. Živé sledovanie a prehrávanie sú užitočné pri kontrole, zároveň však môžu vytvoriť nový citlivý dátový súbor. Osobitnú pozornosť si zaslúžia prihlasovacie údaje, zdravotné informácie, finančné záznamy a údaje tretích osôb zobrazené na jednej stránke spolu s údajmi spracúvaného prípadu. Praktický návrh by mal oddeliť prevádzkové logy od obsahu formulárov a obmedziť prístup k záznamom podľa pracovnej roly.

Najväčšou neistotou zostáva ekonomika a spoľahlivosť v reálnej prevádzke. AWS predstavuje architektúru a funkčnú ukážku, ale nezverejňuje nezávislé porovnanie úspešnosti, latencie alebo nákladov s ľudskou obsluhou a tradičnou RPA. Nie je preto možné tvrdiť, že modelom riadený prehliadač je všeobecne odolnejší alebo lacnejší. Hodnota riešenia sa musí potvrdiť pilotom na reprezentatívnych prípadoch vrátane výnimiek. AgentCore Browser môže byť užitočným mostom k systémom bez API, no mal by zostať kontrolovanou automatizačnou vrstvou s obmedzenými právomocami, nie náhradou modernizácie, kvalitného integračného rozhrania alebo zodpovednosti človeka.