AWS y OpenAI tratan al agente de IA como una carga de trabajo, no como un chatbot
Bedrock Managed Agents integra IAM, sesiones duraderas, aprobaciones y CloudTrail en el runtime. El preview es solo en EE. UU., pero el modelo ya importa en España y Latinoamérica.
Escuche este artículo · 6 min
Narración completa del artículo, generada con IA.
Muchos proyectos de agentes en empresas pasan sus primeros meses reconstruyendo la misma infraestructura: una forma de mantener el estado entre pasos, una identidad de servicio, un modelo de permisos para las herramientas, un paso de aprobación y registros que el equipo de seguridad acepte. El 29 de septiembre, AWS llevó buena parte de eso a un servicio gestionado.
Amazon Bedrock Managed Agents, powered by OpenAI, está en vista previa. Según AWS, se desarrolló junto con OpenAI y funciona sobre una versión personalizada de la Agents API de OpenAI, adaptada para ejecutarse dentro de AWS e integrarse con sus recursos.
Lo relevante no es que exista otro servicio de agentes. Es qué responsabilidades asume ahora el runtime.
Qué se anunció
Según AWS, el servicio gestiona cómo el modelo conserva el estado, elige y usa herramientas, ejecuta código y coordina trabajo de varios pasos. En concreto:
- Sesiones duraderas que guardan mensajes, llamadas a herramientas y resultados intermedios para retomar el trabajo más tarde.
- Skills reutilizables para procedimientos especializados, y conexión a herramientas, incluidos servidores MCP.
- Cada agente opera con su propio rol de IAM.
- Soporte para aprobación humana antes de acciones relevantes.
- La actividad de API compatible queda registrada en AWS CloudTrail.
Durante la vista previa no hay cargo adicional más allá de los recursos consumidos, y AWS advierte que el precio puede cambiar con la disponibilidad general.
Disponibilidad: solo tres regiones de EE. UU.
La vista previa funciona únicamente en US East (N. Virginia), US West (Oregon) y US East (Ohio). No incluye regiones europeas ni latinoamericanas.
Para organizaciones en España sujetas al RGPD, probar con datos personales reales en esas regiones implica una transferencia internacional de datos que conviene evaluar con el equipo de privacidad antes de empezar. En Latinoamérica, cada país tiene sus propias reglas sobre transferencias. En ambos casos, lo prudente es usar datos sintéticos durante la evaluación y reservar las decisiones sobre datos reales para cuando haya disponibilidad regional y condiciones de disponibilidad general.
El cambio: el agente como carga de trabajo gobernada
Durante los últimos dos años, la mayoría de los agentes empresariales se trató como una funcionalidad de aplicación: una interfaz de chat con algunas herramientas detrás, ejecutándose con las credenciales que tuviera la aplicación. Ese modelo no supera una revisión de seguridad seria.
Bedrock Managed Agents describe otro modelo. El agente tiene identidad propia, permisos propios, un estado persistente que le pertenece, un acceso controlado a herramientas y un registro de auditoría en el mismo lugar donde se audita el resto de AWS. Es como las empresas ya tratan un microservicio o un proceso programado.
El patrón no es exclusivo de AWS. Ese mismo mes, Microsoft describió a Autopilot como un agente que vive en el tenant con identidad propia, y Google incorporó permisos IAM por aplicación y por data store en Gemini Enterprise. Analizamos esa convergencia en nuestra guía del stack de 2026.
- Solicitud
- Agente con rol de IAM propio
- Sesión duradera
- Herramientas y servidores MCP
- Aprobación humana para acciones relevantes
- Registro en CloudTrail
Mecanismo que aporta el runtime gestionado (vista previa)
Lo que sigue siendo responsabilidad de su equipo
Un runtime gestionado aporta los mecanismos. No toma las decisiones:
El alcance de cada agente. Un rol de IAM dedicado solo sirve si es restrictivo. Alguien debe decidir qué puede leer y modificar cada agente, y revisarlo a medida que crece.
Qué es una acción “relevante”. La aprobación humana existe, pero el runtime no sabe cuáles de sus acciones la necesitan. ¿Reembolsos por encima de cierto importe? ¿Correos a clientes? ¿Cambios en datos maestros? Esa lista es una decisión de negocio y debe quedar por escrito.
Qué se guarda en la sesión. Las sesiones duraderas conservan mensajes, llamadas y resultados intermedios. Eso ayuda a la continuidad y convierte el almacén de sesiones en un lugar donde pueden acumularse datos sensibles. Clasificación, retención y acceso necesitan un responsable.
En qué herramientas confiar. MCP facilita conectar agentes a más sistemas. Cada servidor MCP también pasa a formar parte de su cadena de suministro, con sus propios permisos y fallos.
La evaluación. Nada en el anuncio dice si el agente hace bien su trabajo. Siguen haciendo falta casos de prueba, criterios de aceptación y una forma de repetirlos cuando cambian el modelo o el prompt.
Qué hacer ahora
- Si su organización trabaja sobre AWS, evalúe en una cuenta sandbox en las regiones de la vista previa, con datos sintéticos.
- Diseñe el modelo de identidad antes de conectar herramientas, en cualquier plataforma: un rol por agente, límites de permisos y revisión periódica.
- Defina por escrito la política de aprobación para las acciones relevantes.
- Siga la disponibilidad regional. Cuando el servicio llegue a regiones europeas o latinoamericanas, la conversación sobre datos cambia.
En resumen
Bedrock Managed Agents indica que el runtime de agentes se está convirtiendo en infraestructura, con identidad, estado y auditoría integrados. Eso elimina una cantidad real de ingeniería repetitiva. Y deja más claras las preguntas difíciles: qué permisos, qué aprobaciones, qué evidencias y quién responde por el agente una vez en producción.