همکاران هوشمند: چگونگی اجرای عامل‌های هوش مصنوعی تولیدی monday.com بر بستر آمازون بدراک

AWS Machine Learning BlogUnited States1 دقیقه مطالعه۱۴۰۵/۰۶/۲۱ ساعت ۰۸:۳۰

تصویر مرتبط با خبر: AI Teammates: how monday.com runs production AI agents on Amazon Bedrock | Amazon Web Services
تصویر مرتبط با خبر: AI Teammates: how monday.com runs production AI agents on Amazon Bedrock | Amazon Web Services
خلاصه سریع

اصل خبر در چند خط

شرکت monday.com با استفاده از بستر آمازون بدراک، عامل‌های هوش مصنوعی را در مقیاس تولیدی اجرا می‌کند. آمار داخلی نشان می‌دهد که ۹۰ درصد سازندگان ماهانه از ابزارهای کدگذاری هوش مصنوعی استفاده می‌کنند، که رشد قابل توجهی نسبت به شش ماه پیش دارد. نرخ پردازش درخواست‌های ادغام (PR) نیز بیش از ۵۰ درصد افزایش یافته است. معماری این سیستم بر پایه یک پایگاه کد ده‌ساله با میلیون‌ها کاربر و صدها میکروسرویس استوار است. عامل‌ها در سیستم داخلی Sphera مدیریت می‌شوند و به عنوان اعضای واقعی تیم‌ها فعالیت می‌کنند. این عامل‌ها وظایفی مانند دریافت تیکت‌ها، نوشتن کد و ارسال ویژگی‌ها را بر عهده دارند. monday.com از هفت سرویس AWS برای اجرای این سیستم استفاده می‌کند.

متن خبر

شرح خبر

شرکت monday.com با بهره‌گیری از بستر آمازون بدراک (Amazon Bedrock) موفق به اجرای عامل‌های هوش مصنوعی در مقیاس تولیدی شده است. بر اساس آمار داخلی این شرکت، ۹۰ درصد از سازندگان (مهندسان، مدیران محصول و طراحان) هر ماه از ابزارهای کدگذاری هوش مصنوعی استفاده می‌کنند که این رقم شش ماه پیش حدود ۵۰ درصد بود. همچنین نرخ پردازش درخواست‌های ادغام (PR) به ازای هر مهندس بیش از ۵۰ درصد افزایش یافته است. معماری پشت این موفقیت، شامل ادغام عامل‌ها در یک پایگاه کد ده‌ساله با میلیون‌ها کاربر پرداختی و صدها میکروسرویس است. این عامل‌ها، که در سیستم داخلی Sphera مدیریت می‌شوند، به عنوان اعضای واقعی تیم‌ها فعالیت می‌کنند و وظایفی مانند دریافت تیکت‌ها، نوشتن کد و ارسال ویژگی‌ها را بر عهده دارند. monday.com از هفت سرویس AWS از جمله SNS، SQS، EKS و Bedrock برای اجرای این سیستم استفاده می‌کند.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.

تحلیل تحریریه

ابعاد مهم خبر

چرا مهم است؟

این خبر اهمیت زیادی دارد زیرا نشان می‌دهد که چگونه شرکت‌های بزرگ می‌توانند عامل‌های هوش مصنوعی را در مقیاس تولیدی و در محیط‌های واقعی اجرا کنند. این امر نه تنها کارایی تیم‌های مهندسی را افزایش می‌دهد، بلکه نشان‌دهنده گامی بزرگ به سمت خودکفایی کامل در توسعه نرم‌افزار است. علاوه بر این، استفاده از بستر ابری مانند آمازون بدراک نشان می‌دهد که چگونه زیرساخت‌های ابری می‌توانند از اجرای عامل‌های هوش مصنوعی پشتیبانی کنند.

اثر کسب‌وکاری

افزایش ۵۰ درصدی در نرخ پردازش درخواست‌های ادغام (PR) به ازای هر مهندس می‌تواند به معنای کاهش زمان توسعه و عرضه سریع‌تر ویژگی‌های جدید باشد. این امر می‌تواند به بهبود رقابت‌پذیری و افزایش رضایت مشتریان منجر شود. همچنین، استفاده از عامل‌های هوش مصنوعی می‌تواند هزینه‌های عملیاتی را کاهش دهد و کارایی تیم‌ها را افزایش دهد.

اثر احتمالی برای ایران

در ایران، شرکت‌ها و استارت‌آپ‌های فناوری می‌توانند از تجربیات monday.com برای اجرای عامل‌های هوش مصنوعی در مقیاس تولیدی الهام بگیرند. این امر می‌تواند به بهبود فرآیندهای توسعه نرم‌افزار و افزایش کارایی تیم‌های مهندسی در کشور کمک کند.

ارتباط با LegalTech

اجرای عامل‌های هوش مصنوعی در مقیاس تولیدی می‌تواند چالش‌های حقوقی و فنی جدیدی را ایجاد کند، از جمله مسائل مربوط به مالکیت فکری، مسئولیت‌پذیری و انطباق با مقررات. شرکت‌ها باید اطمینان حاصل کنند که عامل‌های هوش مصنوعی آنها با قوانین و مقررات محلی و بین‌المللی همسو هستند.

زاویه رسانه/کشور منبع

فنی و تخصصی

برچسب‌ها