AWS tham chiến 'lớp ngữ cảnh' AI: Biểu đồ tri thức tự học là chìa khóa! 🔑
Việc xây dựng một 'lớp ngữ cảnh' (context layer) hiệu quả giữa kho dữ liệu doanh nghiệp và các AI agent từ lâu đã là một công việc phức tạp, đòi hỏi sự tùy chỉnh cao và thiếu vắng các dịch vụ tiêu chuẩn để tự động hóa hoặc duy trì. Amazon đang đặt cược lớn để thay đổi cục diện này.
Vào thứ Tư vừa qua, Amazon chính thức bước chân vào cuộc chơi với việc công bố ba sản phẩm mới, định vị chúng như một 'ngăn xếp thông minh ngữ cảnh' (context intelligence stack) cho AI agent. Tâm điểm của bộ ba này là AWS Context, một dịch vụ biểu đồ tri thức (knowledge graph) hoàn toàn mới, được thiết kế để trở nên thông minh hơn theo thời gian nhờ chính cách các agent sử dụng nó. Bên cạnh đó, AWS cũng thông báo về việc phát hành rộng rãi Amazon S3 Annotations và bản xem trước của skill assets trong AWS Glue Data Catalog.
Điểm khác biệt lớn nhất mà AWS mang đến thị trường 'lớp ngữ cảnh' đầy cạnh tranh này là kiến trúc độc đáo: biểu đồ tri thức nên tự động học hỏi từ cách các agent tương tác và sử dụng dữ liệu, thay vì yêu cầu con người phải liên tục 'dọn dẹp' hay tái cấu trúc thủ công.
Ông Swami Sivasubramanian, Phó Chủ tịch phụ trách Agentic AI tại AWS, nhấn mạnh trong bài phát biểu tại AWS Summit NYC: "Giờ đây, các agent của bạn sẽ thông minh hơn mà bạn không cần phải xây dựng lại bất cứ thứ gì từ đầu." Ông cũng cho biết thêm: "Dịch vụ này tự động xây dựng biểu đồ tri thức từ tất cả dữ liệu hiện có của bạn, suy luận các mối quan hệ trên các tập dữ liệu, quy tắc kinh doanh và tri thức chuyên môn, sau đó cung cấp tất cả cho các agent và tổ chức của bạn trong thời gian chạy (runtime)."
AWS Context: Biểu đồ tri thức tự học từ dữ liệu hiện có
AWS khẳng định đây là một vấn đề mà họ đã chứng kiến nhiều lần trong các triển khai của khách hàng. AWS Context được thiết kế để giải quyết điều đó bằng cách tự động ánh xạ các mối quan hệ trong dữ liệu hiện có: từ việc bảng nào tồn tại, ý nghĩa của các cột, cách các nguồn liên quan đến nhau và nguồn nào là đáng tin cậy. Dịch vụ này kết hợp tìm kiếm ngữ nghĩa (semantic search) với suy luận cấp độ biểu đồ (graph-level reasoning), suy luận các mối quan hệ trên các tập dữ liệu, quy tắc kinh doanh và tri thức chuyên môn, sau đó cung cấp tất cả cho các agent trong thời gian chạy.
Sivasubramanian chia sẻ: "Biểu đồ tri thức tự cải thiện theo thời gian khi nó học được nguồn nào tạo ra kết quả chính xác và phần nào được sử dụng thường xuyên." Điều này ngụ ý một cơ chế phản hồi vòng lặp kín, nơi agent không chỉ tiêu thụ mà còn gián tiếp 'huấn luyện' biểu đồ.
Các quản trị viên dữ liệu (data stewards) có thể quản lý biểu đồ thông qua AWS Management Console, xem xét các mối quan hệ được suy luận, đưa chúng vào sản xuất và đính kèm các định nghĩa kinh doanh cùng quy tắc sử dụng. Mọi truy vấn đều thừa hưởng quyền IAM và Lake Formation của người dùng gọi, giúp việc truy cập dữ liệu của agent có thể kiểm toán được theo danh tính, sử dụng các cơ chế kiểm soát mà doanh nghiệp đã tin cậy.
Đáng chú ý, tất cả siêu dữ liệu đều được công bố ở định dạng Apache Iceberg trên Amazon S3 Tables, có thể truy vấn thông qua Athena, Redshift, Spark hoặc bất kỳ công cụ tương thích Iceberg nào, loại bỏ nhu cầu về các API độc quyền. AWS cũng hỗ trợ kết nối với danh mục của bên thứ ba, cho phép kéo ngữ cảnh từ các hệ thống bên ngoài AWS vào cùng một biểu đồ. Các agent có thể truy vấn thông qua các API tìm kiếm agentic và công cụ MCP trên Bedrock AgentCore, EKS hoặc bất kỳ framework tương thích MCP nào.
Ngữ cảnh không chỉ là một dịch vụ đơn lẻ: Hệ sinh thái đa tầng của AWS 🛠️
Ngữ cảnh là một không gian phức tạp và AWS đang 'xếp chồng' nhiều dịch vụ để giúp doanh nghiệp xây dựng ngữ cảnh trên toàn bộ ngăn xếp dữ liệu.
* Amazon S3 Annotations: Dịch vụ này cho phép người dùng gắn ngữ cảnh kinh doanh phong phú trực tiếp vào từng đối tượng S3 ở lớp lưu trữ. Điều này giúp bổ sung thông tin nghiệp vụ ngay tại nguồn dữ liệu thô. * AWS Glue Data Catalog skill assets: Tài sản kỹ năng của Glue gắn tri thức chuyên môn ở lớp danh mục, liên kết các runbook (sổ tay vận hành), mẫu truy vấn và quy tắc sử dụng với tài sản dữ liệu trên toàn bộ hệ thống. * AWS Context: Sau đó tổng hợp cả hai lớp trên thành biểu đồ tri thức mà các agent truy vấn trong thời gian chạy, kết hợp tìm kiếm ngữ nghĩa với suy luận cấp độ biểu đồ trên cả nguồn dữ liệu có cấu trúc và phi cấu trúc. Mỗi lớp cung cấp thông tin cho lớp tiếp theo, tạo nên một chuỗi giá trị ngữ cảnh chặt chẽ.
Cuộc đua 'lớp ngữ cảnh' ngày càng gay gắt và vị thế của AWS
AWS đang bước vào một thị trường cạnh tranh khốc liệt. Trước đó, nhiều ông lớn khác cũng đã công bố các giải pháp 'lớp ngữ cảnh' của riêng mình:
* Snowflake đã giới thiệu cách tiếp cận ngữ cảnh của họ với dịch vụ Horizon Context và Cortex Sense. * Microsoft cung cấp ngữ cảnh thông qua nền tảng Fabric IQ, cung cấp một hệ thống phân loại ngữ nghĩa cho dữ liệu. * Redis đã phát triển một nền tảng ngữ cảnh tối ưu hóa dữ liệu để truy xuất. * Nhà cung cấp cơ sở dữ liệu vector Pinecone có dịch vụ Nexus, biên dịch dữ liệu doanh nghiệp thành các tạo phẩm cụ thể cho từng tác vụ trước khi agent truy vấn.
Lập luận cấu trúc của AWS khá thẳng thắn: đối với các doanh nghiệp đã và đang sử dụng S3, Glue và Lake Formation, AWS Context mở rộng mô hình danh tính hiện có mà không yêu cầu di chuyển dữ liệu. Mục tiêu không chỉ là hợp nhất chi phí, mà còn là 'ma sát tích hợp bằng không' – một lời hứa rất hấp dẫn.
Ông Holger Mueller, Phó Chủ tịch và Nhà phân tích chính tại Constellation Research, nhận định với VentureBeat: "Ngữ cảnh giúp các agent mạnh mẽ hơn, và khi cả thế giới đang xây dựng agent, mọi nhà cung cấp nền tảng agentic đều cần một khả năng ngữ cảnh." Ông cũng lưu ý rằng AWS không phải là ngoại lệ. "Mối lo ngại – cũng như với tất cả các dịch vụ ngữ cảnh khác – sẽ là hiệu suất, đặc biệt đối với dữ liệu giao dịch. Chúng ta sẽ cùng chờ xem," Mueller kết luận, thể hiện một cái nhìn thận trọng và thực tế.