Az üzleti döntéshozókban megfogalmazódott igényeknek hagyományosan sok szereplőn kell átmenniük, mire működő megoldás lesz belőlük. Ha egy cég szeretné, hogy webshopja egy új fizetési módot is elfogadjon, vagy egyszerűen csak azt, hogy a negyedik termék kosárba kerülése után figyelmeztesse rá a vásárlót, hogy öt termék rendelésénél már ingyenes a házhoz szállítás, akkor ezekről először dönteni kell, majd a precíz kidolgozásba bevonni a megfelelő részlegeket, utána rábízni a projektmenedzserekre, hogy fogalmazzák meg úgy a részfeladatokat, hogy abból a fejlesztők értsék, mit kell tenniük. Hetek, hónapok mehetnek el, a pénzről már nem is beszélve.
Itt jön képbe az AWS mesterséges intelligenciával segített programozást támogató fejlesztői környezete. A vállalat szerint a többféle AI-modellel dolgozó Kiro felhasználójának elég természetes (angol) nyelven körülírnia, milyen funkcióval szeretné frissíteni alkalmazását, ezután a Kiro AI-ügynökei elvégzik a fejlesztés beépítéséhez szükséges kódírást és a kapcsolódó feladatokat.
Hallucinálnak-e az AI-ügynökök?
Elég csak egy egyszerű chatbotra gondolni: az AI-eszközök annyira életszerűen, élethűen működnek, hogy hajlamosak vagyunk elfelejteni, mi is történik valójában a motorháztető alatt. A rendszer valószínűség alapján ad kimenetet, azaz választ, így természetes, hogy az AI időnként hallucinál – ahogy az emberekkel is megesik, hogy tévednek. Ezt Byron Cook, az AWS automatizált érvelési csoportjának igazgatója mondta egy Las Vegas-i háttérbeszélgetésen.
Az emberek viszont felelőssé tehetők tévedéseik után – vetettük fel neki. Az AI-ügynökök esetében ki vállalja a felelősséget? A szakember elismerte, hogy az iparágnak világosan kell kezelnie a felelősség kérdését, hiszen az új technológia iránti bizalmat csak így lehet felépíteni. Byron Cook, aki a jogi és üzleti szempontok helyett tudományosan közelítette a kérdést, azt mondta, hogy az AI tévedéseit vissza lehet vezetni az emberek tévedéseire, azaz vissza lehet fejteni, hogy melyik szabály vezetett oda, hogy egy AI-ügynök rosszul döntsön. Ezért is fontosak az AI-rendszerekbe épített visszajelző mechanizmusok, hogy egyre jobb és pontosabb eredmények születhessenek.
A szakértő szerint érthető, hogy kétely merül fel az emberekben azzal kapcsolatban, hogy rá merjék-e bízni AI-ügynökökre a pénzüket, vagy éppen a céges folyamatokat. A társadalom és az iparág is az elején jár a technológia bevezetésének. Byron Cook azt mondta, abban egészen biztos, hogy napról napra egyre inkább megbízhatunk az AI-ügynökök döntéseinek helyességében, és rövid időn belül jóval kevesebbszer tévesztenek majd, mint az emberek.
Az emberek viszont felelőssé tehetők tévedéseik után – vetettük fel neki. Az AI-ügynökök esetében ki vállalja a felelősséget? A szakember elismerte, hogy az iparágnak világosan kell kezelnie a felelősség kérdését, hiszen az új technológia iránti bizalmat csak így lehet felépíteni. Byron Cook, aki a jogi és üzleti szempontok helyett tudományosan közelítette a kérdést, azt mondta, hogy az AI tévedéseit vissza lehet vezetni az emberek tévedéseire, azaz vissza lehet fejteni, hogy melyik szabály vezetett oda, hogy egy AI-ügynök rosszul döntsön. Ezért is fontosak az AI-rendszerekbe épített visszajelző mechanizmusok, hogy egyre jobb és pontosabb eredmények születhessenek.
A szakértő szerint érthető, hogy kétely merül fel az emberekben azzal kapcsolatban, hogy rá merjék-e bízni AI-ügynökökre a pénzüket, vagy éppen a céges folyamatokat. A társadalom és az iparág is az elején jár a technológia bevezetésének. Byron Cook azt mondta, abban egészen biztos, hogy napról napra egyre inkább megbízhatunk az AI-ügynökök döntéseinek helyességében, és rövid időn belül jóval kevesebbszer tévesztenek majd, mint az emberek.
Byron Cook, az AWS automatizált érvelési csoportjának igazgatója a re:Invent 2025 konferencián
Balogh Csaba / HVG
Az ilyesmi egy ideje már nem a jövő. A Gartner piackutató becslése szerint az új vállalti alkalmazásoknak kétharmada low-code vagy no-code megoldásokkal készül. Azaz szinte vagy teljesen manuális programozás nélkül. Az ilyesmit segítő platformok grafikus felületén csak „össze kell legózni” a szoftvert, így laikusok, illetve az üzleti világban például menedzserek minimális programozási tudás mellett képesek lehetnek kisebb-nagyobb alkalmazásokat, funkciókat létrehozni. Az AWS Kiro az évek óta népszerű platformoknál annyival tud többet, hogy erre a bizonyos legózásra sincsen szükség, elég emberi nyelven beírni a részletes elképzelést arról, milyen irányba is szeretné továbbfejleszteni a szoftvert az ember.
A Kiro esetében a munkát már AI-ügynökök végzik el. Ezek a mindennapokban használt chatbotokkal szemben olyan digitális segítő, melyek nemcsak megválaszolnak egy kérdést, hanem akár komplex feladatokat is képesek végrehajtani. Előbb megértik a felhasználó célját, megtervezik az annak eléréséhez szükséges lépéseket, majd a rendelkezésére álló adatforrásokat figyelembe véve, akár többféle eszközt bevonva megcsinál mindent.
Egy üzleti környezetbe helyezett példán bemutatva érthető, miért okoz gondot, ha a webshopot kiszolgáló raktárból elfogynak a népszerű termékek. A Kirónak kiadható az utasítás arra, hogy előzze meg az ilyen helyzeteket. Ehhez értenie kell, hogy a gond a raktárkészlettel, annak beérkező és kimenő tételeivel, illetve leginkább ezek egyensúlyban tartásával kapcsolatos, majd egy olyan programkódot kell írnia, amely a készletnyilvántartástól kezdve a számlázás intézéséig képes lekezelni a folyamatokat.
Matt Garman AWS-vezérigazgató és egy ügyfélvélemény a Kiro nevű szolgáltatásról a re:Invent 2025 konferencián
AWS
Deepak Singh, az AWS fejlesztői élményéért és AI-ügynökökért felelős alelnöke a Las Vegasban zajló re:Invent 2025 fejlesztői konferencián hangsúlyozta, ahhoz, hogy egy AI-ügynök valóban jól működő megoldást kódoljon le néhány, természetes emberi nyelven megfogalmazott mondatból, elengedhetetlen, hogy a legapróbb részletekig tisztában legyen a jelenleg használatos vállalati rendszerekkel. Így aztán sosem volt még ennyire fontos a megfelelő fejlesztői dokumentáció megléte. Az AI-ügynök így tisztában lehet a céges szokásokkal és elvárásokkal, ahhoz igazíthatja az új szoftverfunkciót.
A Kiro három képessége (Kiro Powers) közül a Kiro Autonomous Agent végzi a programkód generálását, az AWS DevOps Agent felügyeli a működést, az AWS Security Agent pedig felel azért, hogy az alkalmazás biztonságos legyen – ismertette Matt Garman AWS-vezérigazgató Las Vegasban.
A Kiro ügynökeinek szuperképessége, hogy hosszú órákon, napokon át képesek ellátni feladataikat anélkül, hogy emberi munkaerővel felügyelni kellene működésüket. Így ezek az ügynökök már nem igazán digitális asszisztensnek, mint inkább önálló digitális munkaerőnek tekinthetők.
A konferenciára szervezett háttérbeszélgetésen azért nyilvánvalóvá vált, hogy jelenleg nem egészen arról van szó, hogy egy vezérigazgató kirúgja a komplett fejlesztői részleget, majd aztán hetente három mondatban összefoglalja újító elképzeléseit az AI-nak, az AWS rendszere pedig mindig gyorsan lefejleszt mindent. Jelenlegi formájában a Kiro inkább arra alkalmas, hogy megfelelő fejlesztői specifikáció megírását követően abból képes legyen kódot generálni minimális manuális fejlesztői munkával, de azért emberi fejlesztők felügyelete és emberi kódellenőrzés mellett. Deepak Singh elmondta, a Kiróval olyan eszközt szeretnének adni a vállalatok kezébe, hogy az AI erejével csökkenteni tudják az alkalmazásfejlesztési időt és költségeket.
Nyelvismeret
A Kiro jelenleg Java, JavaScript, TypeScript, Python, C#, C++, Go, Rust, PHP, Ruby, Kotlin programozási nyelveken tud, illetve a JSON mellett az SQL, YAML és HCL nyelvekkel is boldogul. Az AWS tervezi a kompatibilitás bővítése mellett azt is, hogy platformja ne csak az angol nyelvet értse.
Két hét helyett három nap alatt megvan
Ehhez kapcsolódik az AWS Transform szolgáltatás is, melyről Asa Kalavade modernizációért és migrációért felelős AWS-alelnök beszélt Las Vegasban. A szintén az ügynökalapú mesterséges intelligenciára (agentic AI) épülő szolgáltatással a régebbi, elavult vállalati alkalmazások (Windows .NET alkalmazások és VMware-rendszerek) kódját lehet modern, felhőalapú, könnyebben és olcsóbban üzemeltethető formára átírni. Az AI-ügynökök előbb átnézik a régi rendszer forráskódjait, megmutatják, hogy melyik részeket kellene modern formára átalakítani, majd ennek a modernizálásnak egy részét el is végzik.
Az idén májusban indult szolgáltatás májusi indulása óta 1,1 milliárd kódsor elemzésében segített, és Asa Kalavade szerint összesen 810 ezer órányi fejlesztői órát (no meg óradíjat) spórolt meg az ügyfeleknek. A sajtóbeszélgetésen elhangzottak szerint az Air Canada 80 százalékos idő- és költségcsökkenésről számolt be ahhoz képest, mintha kizárólag a hagyományos módon, humán fejlesztők által végezte volna el rendszerei modernizálását. A Teamfront szoftvercégnél 800 ezer sornyi elavult programkódot sikerült átnézni és korszerűre alakítani mindössze kettő hét alatt. (Tíz munkanappal számolva ez napi 16 ezer sor – belátható, hogy ilyen mennyiségnek nemhogy az átírása, már az átnézése sem kis feladat.) A vállalatirányítási rendszert fejlesztő QAD pedig 60–70 százalékkal nagyobbra becsüli fejlesztői termelékenységét az AI-szolgáltatás használatával – amihez eddig két hét kellett, az most három nap alatt megvan.
Asa Kalavade szerint az elavult rendszerek AI által segített modernizálása hosszabb távon is javíthat egy cég mindennapjain, a vállalati IT-költségeknek ugyanis jellemzően közel harmada megy el a régi rendszerek manuális fejlesztgetésére, illetve az üzemeltetési infrastruktúra költségeire.
Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.
