📢 转载信息
原文作者：Laura Skylaki, Vaibhav Goswami, Ramdev Wudali, Sahar El Khoury, Mike Bezak, Vu San Ha Huynh, and Paul Wright
本文由汤森路透的Laura Skylaki、Vaibhav Goswami、Ramdev Wudali和Sahar El Khoury联合撰写。
汤森路透（TR）是一家领先的人工智能和技术公司，致力于提供值得信赖的内容和工作流程自动化解决方案。凭借超过150年的专业知识，TR在法律、税务、会计、风险、贸易和媒体等领域提供关键解决方案，以应对快速变化的世界。
TR很早就认识到AI的采用将从根本上改变专业工作。根据TR的2025年专业人士未来报告，80%的专业人士预计AI将在五年内对其工作产生重大影响，预计到2029年每周可提高多达12小时的生产力。为了释放这一巨大潜力，TR需要一个解决方案来跨组织普及AI的创建。
在这篇博文中，我们将探讨TR如何利用Open Arena解决关键业务用例。Open Arena是一个高度可扩展且灵活的无代码AI解决方案，由Amazon Bedrock以及Amazon OpenSearch Service、Amazon Simple Storage Service (Amazon S3)、Amazon DynamoDB和AWS Lambda等其他AWS服务提供支持。我们将解释TR如何使用AWS服务构建此解决方案，包括架构设计、它解决的用例以及使用它的业务画像。该系统展示了TR利用现有TR服务快速启动的成功方法，同时支持数千用户，展示了组织如何普及AI访问，并支持业务画像（例如AI探索者和中小企业）在没有编码专业知识的情况下创建应用程序。
介绍Open Arena：面向所有人的无代码AI
TR向非技术专业人员推出了Open Arena，以创建他们自己的定制AI解决方案。通过Open Arena，用户可以在无代码环境中利用由Amazon Bedrock驱动的前沿AI，体现了TR致力于普及AI访问的承诺。
如今，Open Arena支持：
- 高采纳率： 约70%的员工采纳率，拥有 19,000 名月活跃用户。
- 定制解决方案：创建了数千种定制的AI解决方案，无需编码，用于内部工作流程或集成到TR产品中供客户使用。
- 自助服务功能：100%的自助服务功能，使用户无论技术背景如何，都能够开发、评估和部署生成式AI解决方案。
Open Arena之旅：从原型到企业解决方案
Open Arena最初是作为一项快速原型项目，由TR Labs（TR专注于AI和新兴技术研究、开发和应用的专业部门）在2023年初生成式AI热潮爆发的初期，在六周内开发完成。目标是支持内部团队探索大型语言模型（LLM），并通过将LLM功能与TR公司数据相结合来发现独特的用例。
Open Arena的推出显著提高了人们对AI的认识，促进了开发人员与中小企业在开创性概念上的协作，并加速了TR产品的AI能力开发。快速的成功和对新功能的需求很快凸显了Open Arena在AI普及化方面的潜力，因此TR开发了企业版的Open Arena。企业版Open Arena构建在TR AI平台之上，提供安全、可扩展和标准化的服务，涵盖整个AI开发生命周期，显著加快了产品上市时间。
Open Arena企业版利用现有系统功能，增强了数据访问控制、标准化服务访问，并符合TR的治理和道德标准。该版本引入了自助服务功能，使每位用户，无论其技术能力如何，都可以在无代码环境中创建、评估和部署定制的AI解决方案。
“AI平台的基础始终是赋能；在早期，它是关于赋能数据科学家，但随着生成式AI的兴起，该平台适应并发展为赋能任何背景的用户来利用和创建AI解决方案。”
– Maria Apazoglou，CoCounsel AI工程主管
截至2025年7月，TR企业AI平台由涵盖整个AI开发生命周期和用户角色的15项服务组成。Open Arena仍然是最受欢迎的服务之一，每月为19,000名用户提供服务，且月使用量持续增加。
解决跨用户类型的关键企业AI挑战
通过使用TR企业AI平台，Open Arena帮助了数千名专业人员过渡到使用生成式AI。现在，AI驱动的创新触手可及，不再局限于AI科学家。
Open Arena成功解决了四个关键的企业AI挑战：
- 赋能： 为包括非技术人员在内的各种用户角色提供AI解决方案构建，确保一致的LLM和 服务提供商体验与支持。
- 安全与质量： 利用评估和监控服务简化AI解决方案的质量跟踪，同时遵守数据治理和道德政策。
- 速度与可重用性： 自动化工作流程，并利用现有的AI解决方案和提示。
- 资源与成本管理： 跟踪和显示生成式AI解决方案的资源消耗，支持透明度和效率。
该解决方案目前支持多种AI体验，包括技术支持、内容创建、编码辅助、数据提取和分析、校对、项目管理、内容摘要、个人发展、翻译和问题解决，以满足组织内不同用户的需求。
图 1. Open Arena用例示例。
AI探索者使用Open Arena来加速日常任务，例如总结文档、进行LLM聊天、构建自定义工作流程以及比较AI模型。AI创作者和主题专家（SME）使用Open Arena来构建自定义AI工作流程和体验，并在不需要编码知识的情况下评估解决方案。同时，开发人员可以快速开发和部署新的AI解决方案，训练模型，创建新的AI技能，并部署AI能力。
汤森路透选择AWS驱动Open Arena的原因
TR战略性地选择AWS作为Open Arena的主要云提供商，基于以下几个关键因素：
- 全面的AI/ML能力： Amazon Bedrock提供对来自AI21 Labs、Anthropic、Cohere、DeepSeek、Luma AI、Meta、Mistral AI、OpenAI、Qwen、Stability AI、TwelveLabs、Writer和Amazon等领先AI公司的多种高性能基础模型的便捷访问。它支持简单的聊天和复杂的RAG工作流程，并与TR现有的企业AI平台无缝集成。
- 企业级安全与治理： 先进的安全控制、使用RBAC的模型访问、具有增强安全功能的数据处理、启用的单点登录（SSO），以及跨AWS账户的清晰操作和用户数据分离。
- 可扩展的基础设施： 用于自动扩展的无服务器架构、用于成本优化的按使用付费定价，以及具有低延迟的全球可用性。
- 现有关系与专业知识： TR与AWS之间牢固、既有的合作关系、AWS上现有的企业AI平台，以及TR技术团队深厚的AWS专业知识。
“我们与AWS的长期合作关系以及他们强大、灵活和创新的服务，使他们成为支持Open Arena和加速我们AI战略的自然选择。”
– Maria Apazoglou，CoCounsel AI工程主管
Open Arena架构：可扩展性、可扩展性和安全性
Open Arena专为广泛的企业受众设计，在保持对非技术用户创建和部署AI解决方案的简化的同时，优先考虑可扩展性、可扩展性和安全性。下图说明了Open Arena的架构。
图 2. Open Arena的架构设计。
架构设计有助于实现企业级的性能，能力和使用之间有清晰的分离，符合TR的企业成本和使用跟踪要求。
以下是解决方案架构的关键组成部分：
- 无代码界面： 直观的用户界面、可视化工作流程构建器、预构建模板、拖放功能。
- 企业集成： 与TR的企业AI平台无缝集成、启用SSO、具有增强安全性的数据处理、清晰的数据分离。
- 解决方案管理： 可搜索的存储库、公共/私有共享、版本控制、使用情况分析。
TR使用Amazon Bedrock、Amazon OpenSearch、Amazon DynamoDB、Amazon API Gateway、AWS Lambda和AWS Step Functions等AWS服务开发了Open Arena。它使用Amazon Bedrock进行基础模型交互，支持简单的聊天和复杂的检索增强生成（RAG）任务。Open Arena使用Amazon Bedrock Flows作为自定义工作流程构建器，用户可以在其中拖放提示、代理、知识库和Lambda函数等组件，以创建复杂的AI工作流程，而无需编码。该系统还集成了AWS OpenSearch用于知识库和外部API，以实现高级代理功能。
对于数据分离，编排通过企业AI平台的AWS账户进行管理，捕获操作数据。Flow实例和用户特定数据驻留在用户的专用AWS账户中，并存储在数据库中。每个用户的数据和工作流程执行都隔离在其各自的AWS账户中，这是遵守汤森路透数据主权和企业安全策略（具有严格的区域控制）所必需的。该系统与汤森路透SSO解决方案集成，可自动识别用户并授予对基础模型的安全、私有访问权限。
编排层集中托管在企业AI平台的AWS账户中，管理AI工作流程活动，包括跨用户环境的调度、部署、资源分配和治理。
该系统具有在每个用户自己的AWS账户中完全自动化的Amazon Bedrock Flows预置功能，避免了手动设置并加速了价值实现时间。使用AWS Lambda进行无服务器计算和DynamoDB进行可扩展、低延迟存储，系统根据实时需求动态分配资源。这种架构确保了提示流和支持基础架构的部署和扩展能够匹配工作负载波动，从而优化性能、成本和用户体验。
“我们采用跨账户架构的决定是出于对企业安全和卓越运营的承诺。通过将编排与执行分离，我们确保每个用户的数据在其自己的AWS账户中保持私密和安全，同时提供无缝的集中管理体验。这种设计使组织能够在不影响合规性或控制的情况下快速创新。”
– 汤森路透架构团队
Open Arena的演变：从经典版到由Amazon Bedrock Flows驱动的链式构建器
Open Arena已经发展到能够满足不同程度的用户复杂性要求：
- Open Arena v1 (经典版)： 具有基于表单的界面，用于在单个AWS账户中进行简单的提示自定义和基本AI工作流程部署。其简洁性吸引了新手用户处理简单的用例，但高级功能有限。
- Open Arena v2 (链式构建器)： 引入了强大的可视化工作流程构建器界面，使用户能够使用拖放组件设计复杂的多步骤AI工作流程。通过支持高级节点类型、并行执行和无缝的跨账户部署，链式构建器极大地扩展了系统的功能和对非技术用户的可访问性。
汤森路透将Amazon Bedrock Flows用作链式构建器的核心功能。用户可以使用Amazon Bedrock模型定义、自定义和部署AI驱动的工作流程。Bedrock Flows支持先进的工作流程，结合了多个提示节点、整合AWS Lambda函数以及支持复杂的RAG管道。Bedrock Flows无缝地在用户AWS账户中运行，促进了安全、可扩展的个性化AI解决方案的执行，是链式构建器工作流程的基本引擎，推动了TR提供强大、企业级自动化和创新的能力。
后续计划？
TR通过与AWS的战略合作，继续扩展Open Arena的功能，重点关注：
- 推动Open Arena DIY功能的进一步采用。
- 通过自定义组件（如内联脚本）增强链式构建器中工作流程创建的灵活性。
- 开发新的模板来代表常见任务和工作流程。
- 增强Open Arena内部的协作功能。
- 扩展多模态能力和模型集成。
- 扩展到整个企业的新的用例。
“从创新新产品理念到重塑汤森路透员工的日常任务，我们不断通过Open Arena突破可能性的界限。”
– Maria Apazoglou，CoCounsel AI工程主管
结论
在这篇博文中，我们探讨了汤森路透的Open Arena如何通过使用AWS服务（特别是Amazon Bedrock和Bedrock Flows）成功展示了企业级AI的普及化。该系统拥有19,000名月活跃用户和70%的员工采纳率，证明了无代码AI解决方案可以在保持安全性和治理标准的同时，实现企业规模的影响。
通过结合AWS的强大基础设施和创新的架构设计，TR创建了一个AI普及化的蓝图，使所有技术水平的专业人员都能利用生成式AI来完成日常工作。
随着Open Arena的持续发展，它体现了战略性的云合作伙伴关系如何加速AI采用并改变组织利用生成式AI进行创新的方式。
关于作者
Laura Skylaki，博士，领导汤森路透的企业AI平台，推动GenAI服务的开发，以加速AI解决方案的创建、测试和部署，提升产品价值。作为一位公认的专家，拥有干细胞生物信息学博士学位，她在AI研究和法律、税务和生物技术领域的实际应用方面拥有丰富的经验。她的机器学习工作发表在顶级学术期刊上，她是AI和机器学习的常客发言人。
Vaibhav Goswami是汤森路透AI平台团队的首席软件工程师，负责领导赋能用户大规模构建和部署生成式AI解决方案的平台开发。他专注于构建生产级AI系统的专业知识，致力于创建工具和基础设施，以普及对整个企业前沿AI功能的访问。
Ramdev Wudali是一位杰出工程师，帮助构建和架构AI/ML平台，通过普及对工具和LLM的访问，使企业用户、数据科学家和研究人员能够开发生成式AI和机器学习解决方案。在业余时间，他喜欢折纸创作折纸镶嵌图案，并穿着不恭的T恤。
作为AI平台采用和培训总监，Sahar El Khoury利用她在机器人技术（博士）、金融市场和媒体领域的AI和数据分析经验，指导用户无缝入职并成功使用平台服务。
Vu San Ha Huynh是AWS的解决方案架构师，拥有计算机科学博士学位。他专注于AI/ML和生成式AI解决方案，帮助大型企业客户推动不同领域的创新。
Paul Wright是一位高级技术客户经理，在IT行业拥有超过20年的经验，其中专注于云技术超过7年。Paul曾帮助一些最大的企业客户发展业务并提高其运营卓越性。在业余时间，Paul是狂热的足球和NFL粉丝。
Mike Bezak是AWS企业支持的高级技术客户经理。他拥有超过20年的信息技术经验，主要集中在灾难恢复和系统管理方面。Mike目前专注于帮助客户简化和优化他们的AWS云之旅。在AWS之外，Mike喜欢与家人和朋友共度时光。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区