AWS · Software · ficha YoctoIT

AI

La IA de AWS: los foundation models como servicio con Bedrock y la plataforma ML end-to-end con SageMaker — la inteligencia sin gestionar GPU.

FOCUS · IA GOBERNADAModelos, guardarraíles y datos de empresa: la IA generativa dentro del perímetro enterprise
Material YoctoIT para clientes y partners · AWS e i nomi dei servizi sono marchi di Amazon.com, Inc.
01 · Qué es

Amazon Bedrock & SageMaker, en claro.

Bedrock expone los mejores foundation models (Anthropic Claude, Meta Llama, Amazon Nova y otros) vía API, con guardarraíles, knowledge bases para el RAG y agentes. SageMaker cubre el ciclo ML completo: de los notebooks al modelo en producción con MLOps.

1 API
muchos modelos: se cambia de motor sin rehacer la aplicación
RAG gestionado
Knowledge Bases: los documentos de la empresa en el prompt, con citas
MLOps
SageMaker: training, registry y deploy con gobernanza
Icona ufficiale AWS — Amazon Bedrock & SageMaker
ICONO OFICIAL AWS · AI
Console Amazon Bedrock — Chat playground
CONSOLA AWS REAL · BEDROCK CHAT PLAYGROUND · FONTE: AWS NEWS BLOG
02 · Cómo usarlo bien

Las cosas que marcan la diferencia.

El stack de IA

Aplicaciones & copilotosdonde la IA se encuentra con el usuario
Bedrock · GenAI
Agents & Guardrails
SageMaker · ML
generativa · control · predictiva
Knowledge Bases (RAG)el contexto de empresa, gobernado
Datos en S3el combustible: el tuyo, no el ajeno
Del dato al copiloto, con los frenos correctos

Elección del modelo

Claude para el razonamiento, modelos ligeros para el volumen: el motor correcto por caso de uso y presupuesto.

Guardrails

Filtros en entrada y salida, temas prohibidos, PII enmascarados: la IA que respeta las políticas de empresa.

Agentes

Las acciones más allá del texto: la IA que consulta sistemas y completa flujos, con supervisión.

Fine-tuning & destilación

El modelo adaptado al dominio cuando hace falta: más calidad, menos tokens.

03 · En profundidad

Modelos, RAG gestionado y guardarraíles

Bedrock expone vía API los modelos de Anthropic (Claude), Amazon (Nova), Meta, Mistral y otros: se eligen por tarea y coste, se versionan, se evalúan. Knowledge Bases gestiona el RAG end-to-end (ingestión, embeddings, vector store, citas); Agents orquesta herramientas y API de la empresa; Guardrails filtra entrada/salida por políticas; los datos NO entrenan los modelos y se quedan en el perímetro AWS (PrivateLink incluido).

  • Multi-modello — Claude, Nova, Llama, Mistral detrás de una API: el modelo correcto por tarea
  • Knowledge Bases — RAG gestionado con citas: de los documentos S3 a las respuestas fundadas
  • Agents — function calling orquestado: la IA que ejecuta sobre TUS API
  • Guardrails — filtros de contenido y PII configurables: la política aplicada en runtime
  • PrivateLink — la inferencia dentro de la VPC: los prompts nunca en internet
  • Provisioned throughput — capacidad reservada para las cargas de producción estables
04 · Números y ciclo de vida

Los números que cuentan.

0
uso de tus datos para el entrenamiento: contractual
6+
las familias de modelos en catálogo
Token
el contador de costes: presupuestos y alertas como cualquier servicio
VPC
la inferencia vía PrivateLink: perímetro de red cerrado
La GenAI en producción es gobernanza más evaluación: elegimos los modelos sobre TUS casos, medimos calidad y tokens, y los guardarraíles siguen encendidos.
05 · Casos de uso

Dónde rinde de verdad.

Asistentes sobre el knowledge de empresa

Manuales, contratos y procedimientos consultables en lenguaje natural: el RAG bien hecho.

Automatización documental

Pedidos, albaranes y facturas leídos y estructurados: la IA que quita el data entry.

Previsiones & anomalías

SageMaker sobre el dato de fábrica y ventas: la predicción al servicio de las operaciones.

La IA útil parte de los datos en orden y acaba en producción: con gobernanza, costes medidos y casos de uso reales — el resto es demo.