Bedrock Managed Knowledge Base sľubuje agentické vyhľadávanie bez vlastnej RAG infraštruktúry

AWS predstavil Amazon Bedrock Managed Knowledge Base ako všeobecne dostupnú službu pre tímy, ktoré chcú uzemniť agentov a generatívne aplikácie nad firemnými dátami bez toho, aby si sami skladali celý RAG stack. RAG, teda vyhľadávanie a generovanie odpovede nad externými dokumentmi, je v podnikoch lákavé, ale náročné. Treba pripojiť zdroje dát, spracovať dokumenty, vybrať úložisko, riešiť vektory alebo grafy, aktualizácie, prístupové práva, monitoring a bezpečnosť. Managed Knowledge Base sa snaží túto infraštruktúru prevziať ako spravovanú vrstvu v Bedrocku.

Služba má podľa AWS začať fungovať rýchlejšie než ručne zostavená pipeline. Vývojár nakonfiguruje knowledge base, pripojí zdroje alebo použije web crawler a služba sa postará o ingest, správu úložiska a retrieval. AWS tvrdí, že konzolový štart nevyžaduje výber modelu a predvolené nastavenia majú dostať tím od nuly k prvému vyhľadaniu v priebehu minút. Dôležité je však, že pri pokročilejších nasadeniach zostáva možnosť upraviť embedding modely, rerankery, chunkovanie a ďalšie časti spracovania.

Najpraktickejšou časťou oznámenia sú natívne konektory. Managed Knowledge Base podporuje Amazon S3, Microsoft SharePoint, Atlassian Confluence, Google Drive, Microsoft OneDrive a webový crawler. Pre dokumenty mimo týchto zdrojov existuje priame ingest API. Pri ďalších synchronizáciách sa majú spracúvať len nové alebo zmenené dokumenty, čo je podstatné pre cenu aj aktuálnosť. Podniková znalostná báza nie je jednorazový import PDF súborov; je to živý systém, kde sa politika, dokumentácia aj klientsky obsah menia každý deň.

Veľký dôraz je na prístupové práva. AWS opisuje predbežné filtrovanie dokumentov podľa ACL a zároveň real-time kontrolu oprávnení pri zdrojových systémoch v čase dotazu. Cieľom je, aby agent nevrátil používateľovi dokument alebo pasáž, ku ktorej nemá mať prístup, a aby sa systém nespoliehal iba na neaktuálnu kópiu prístupových práv uloženú pri indexovaní. Pri podnikovom RAG je práve toto jedna z najčastejších bariér: technicky fungujúce vyhľadávanie môže byť nepoužiteľné, ak nevie rešpektovať interné hranice dôvernosti.

AWS v blogu spomína aj zákaznícke príklady. Syngenta Group má službu používať na vytváranie znalostných báz podľa potreby so synchronizáciou zo SharePointu a Confluence. MRH Trowe opisuje interného AI coplota nad tisíckami dokumentov v Confluence a SharePointe v angličtine aj nemčine. Tieto príklady nie sú dôležité preto, že by dokazovali univerzálnu kvalitu riešenia, ale preto, že ukazujú typ problému: veľa existujúceho obsahu, viac jazykov, rôzne zdroje a nutnosť rešpektovať prístupové práva.

Z pohľadu architektúry je zaujímavé, že AWS službu prezentuje ako „agentic retrieval“, nie iba ako vektorovú databázu. To naznačuje posun od jednoduchého vyhľadania najbližších embeddingov k vrstve, ktorá má riešiť komplexnejšie dotazy, kombinovať zdroje, používať reranking a poskytovať odpovede pripravené pre agentov. V praxi bude rozhodujúce, ako transparentne služba ukáže, ktoré dokumenty a pasáže vybrala, ako sa dali upraviť stratégie vyhľadávania a či bude možné spoľahlivo merať kvalitu odpovedí na interných benchmarkoch.

Pre vývojárov je dôležitý aj ukážkový kód, ktorý AWS odkazuje v repozitári amazon-bedrock-samples. Ten ukazuje end-to-end príklad s Managed Knowledge Base a AgentCore Gateway. Takéto príklady sú užitočné najmä preto, že RAG projekty často zlyhávajú nie na samotnom vyhľadávaní, ale na integrácii: kto volá službu, ako sa prenáša identita používateľa, kde sa logujú odpovede, ako sa spracujú chyby a ako agent kombinuje retrieval s nástrojmi.

Managed Knowledge Base môže znížiť vstupnú bariéru pre firmy, ktoré nechcú prevádzkovať vlastné konektory, parsovanie a retrieval infraštruktúru. Nie je to však dôvod vzdať sa hodnotenia kvality. Podniky budú musieť testovať pokrytie zdrojov, aktuálnosť synchronizácie, presnosť odpovedí, správanie pri konfliktných dokumentoch a najmä rešpektovanie oprávnení. Najväčší prísľub služby je v tom, že menej tímov bude musieť znovu vymýšľať rovnakú infraštruktúru; najväčšie riziko je, že spravovaná abstrakcia zakryje chyby, ktoré treba v agentickom vyhľadávaní vidieť.