Sportsbet تنشر بوابة ذكاء اصطناعي لتعزيز ضوابط الأمان وإدارة التكاليف

Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
تبدأ بالوكلاء الحاليين وحركة مرور مساعد البرمجة.
نشرت Sportsbet لوحة تحكم مركزية لإدارة تبنيها المتزايد للذكاء الاصطناعي والتحكم في استخدام التكنولوجيا وتكاليفها.
نشرت الشركة بوابة TrueFoundry للذكاء الاصطناعي على بنيتها التحتية في AWS، وبدأت بالفعل في تشغيل بعض حالات الاستخدام "الفورية" من خلال البوابة.
صُممت البوابة لتعمل كـ "لوحة تحكم مركزية لجميع حركات مرور النماذج اللغوية الكبيرة (LLM)، واستدعاءات أدوات الوكلاء المتصلة بـ MCP، وأعباء عمل الذكاء الاصطناعي عبر فرق الهندسة في Sportsbet"، وفقاً لما ذكرته الشركة الموردة في بيان لها.
كما أنها تُشغل "ضوابط أمان للتحقق بالتوازي مع استدعاءات نماذج [الذكاء الاصطناعي]، بحيث لا يضيف تطبيق السياسات أي تأخير ملموس في المسار الحرج."
حتى الآن، قامت Sportsbet بإعادة تهيئة وكيل ذكاء اصطناعي موجود ليعمل عبر TrueFoundry "للحصول على مقاييس الاستخدام، وضوابط الأمان، ورؤية أدوات التوجيه عبر MCP"، حسبما ذكرت الشركتان.
يُستخدم الوكيل "من قبل محللي الأعمال ومديري المنتجات لصياغة وثائق متطلبات المنتج وقصص المستخدم عبر تكامل Jira."
يتم الآن أيضاً توجيه حركة مرور مساعد البرمجة عبر البوابة.
من خلال الحوكمة المركزية، تتطلع Sportsbet بشكل أساسي إلى فرض ضوابط الأمان وإدارة التكاليف عبر "رؤية كاملة لاستخدام النماذج، واستهلاك الرموز (tokens)، وتخصيص التكاليف لكل تطبيق وفريق."
قال نيال كيتينغ، المدير العام للبيانات والذكاء الاصطناعي في Sportsbet: "يعيد الذكاء الاصطناعي تشكيل كيفية بناء منتجاتنا وتجربة عملائنا، وتعتزم Sportsbet أن تكون في الطليعة، لا أن تتبع الآخرين".
"لم يكن الجزء الصعب يوماً هو المرحلة التجريبية؛ بل تحويل الذكاء الاصطناعي إلى قدرة أساسية تدير الأعمال على نطاق واسع."
اقرأ المقال كاملاً هنا: https://www.itnews.com.au/news/sportsbet-deploys-ai-gateway-to-enforce-guardrails-manage-costs-627995
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.
The fastest way to build, govern and scale your AI












.jpeg)

.jpeg)

.jpeg)
.webp)












