Bir şirket, müşteri kayıtlarını OpenSearch'te depoluyor ve sorguları veri isteklerine dönüştüren, sonuçları CSV dosyaları olarak dışa aktaran ve bu dosyaları Amazon S3'e yükleyen yapay zeka tabanlı bir çözüme ihtiyaç duyuyor. Bu iş akışını uygulamanın operasyonel olarak en verimli yolu hangi seçenektir?

Verilen senaryo, müşteri kayıtlarını OpenSearch'ten alıp işleyerek S3'e yükleme gibi çok adımlı ve dinamik bir görevi içerir. Bir yapay zeka aracısı (AI agent), bu tür karmaşık iş akışlarını yönetmek için tasarlanmıştır. Araçlar (tools) kullanarak OpenSearch'ten veri çekebilir, sorguları işleyebilir, CSV oluşturabilir ve S3'e yükleyebilir. Bu, operasyonel verimlilik sağlar çünkü aracı, adımlar arasındaki mantığı ve hata yönetimini otomatik olarak ele alabilir. Few-shot prompting ile tek bir temel model (FM) kullanmak, modelin belirli bir çıktı formatı üretmesine yardımcı olabilir ancak birden fazla aracı entegrasyonu ve adımlı iş akışı yönetimi için uygun değildir. Geleneksel bir yazılım uygulaması geliştirmek, her bir adımı manuel olarak kodlamayı gerektirir ve yapay zeka yeteneklerinden faydalanmaz, bu da daha az esnek ve daha maliyetli olabilir. Karar ağacı modeli eğitmek, belirli bir çıktıyı sınıflandırmak veya tahmin etmek için kullanılır, ancak bu senaryodaki gibi çok adımlı bir veri işleme ve entegrasyon görevini yerine getiremez.