Nuevas capacidades de Amazon Bedrock AgentCore impulsan la próxima ola de desarrollo de IA agéntica

Puntos clave

• Policy en Amazon Bedrock AgentCore bloquea activamente acciones de agentes no autorizadas mediante controles determinísticos en tiempo real que operan fuera del código del agente.
• AgentCore Evaluations ayuda a los desarrolladores a inspeccionar continuamente la calidad de un agente según su comportamiento.
• AgentCore Memory introduce funcionalidad episódica que ayuda a los agentes a aprender de las experiencias, mejorando la toma de decisiones.
• Organizaciones de todos los tamaños y requisitos regulatorios, incluyendo Amazon Devices Operations C Supply Chain, Archera.ai, Cohere Health, Cox Automotive, Druva, Heroku, Natera, NTT Data, MongoDB, PGA TOUR, Pulumi, Thomson Reuters, Workday, Snorkel.ai, Swisscom y SCP Global Market Intelligence, confían en AgentCore para acelerar sus agentes de IA hacia la producción.

Hoy anunciamos nuevas innovaciones en Amazon Bedrock AgentCore, la plataforma más avanzada para crear e implementar agentes de forma segura a escala. Policy en AgentCore permite a los equipos establecer límites sobre lo que los agentes pueden hacer con las herramientas, y AgentCore Evaluations ayudan a los equipos a comprender cómo se desempeñarán sus agentes en el mundo real. Además, AWS lanzó una capacidad de memoria mejorada que permite a los agentes aprender de la experiencia y mejorar con el tiempo, proporcionando información más personalizada a los clientes.

Desarrolle agentes de IA empresariales que conozcan su poder y sus límites

Si bien la capacidad de los agentes para razonar y actuar de forma autónoma los hace poderosos, las organizaciones deben establecer controles robustos para prevenir el acceso no autorizado a datos, interacciones inapropiadas y errores a nivel del sistema que podrían impactar las operaciones comerciales. Incluso con instrucciones cuidadosas, los agentes cometen errores en el mundo real que pueden tener consecuencias graves.

Hoy lanzamos Policy en Amazon Bedrock AgentCore, que ayuda a las organizaciones a establecer límites claros para las acciones de los agentes. Usando lenguaje natural, los equipos ahora pueden dar límites a los agentes definiendo a qué herramientas y datos pueden acceder, qué acciones pueden realizar y bajo qué condiciones. Estas herramientas podrían ser API, funciones Lambda, servidores MCP o servicios populares de terceros como Salesforce y Slack. Para garantizar que los agentes se mantengan rápidos y receptivos, Policy está integrado en AgentCore Gateway para verificar instantáneamente las acciones de los agentes contra las políticas en milisegundos. Esto garantiza que los agentes se mantengan dentro de los límites definidos mientras operan de forma autónoma. La creación de políticas basada en lenguaje natural proporciona una forma más accesible y fácil de usar para que los clientes creen políticas detalladas al permitirles describir reglas en lenguaje natural en lugar de escribir código de política formal. Por ejemplo, una política simple como «Bloquear todos los reembolsos de clientes cuando el monto del reembolso sea mayor a $1,000» puede implementarse y aplicarse de manera consistente, siguiendo el principio de Amazon de «confía, pero verifica». Esto permitirá que los agentes operen de forma autónoma mientras mantienen la supervisión apropiada.

Druva es un proveedor líder de soluciones de seguridad de datos. «Típicamente, los clientes pueden pasar horas revisando manualmente registros en docenas de sistemas cuando fallan las copias de seguridad de datos», dijo David Gildea, vicepresidente de Product AI en Druva. «Sin embargo, con nuestros agentes de IA, pueden obtener análisis instantáneos y remediación paso a paso para la recuperación de datos. Estamos entusiasmados de comenzar con Policy en AgentCore, ya que ayudará a nuestros clientes a establecer límites claros para el acceso de los agentes a herramientas y datos internos como sistemas de respaldo, registros de seguridad y paneles de monitoreo. Con las políticas apropiadas implementadas, nuestros desarrolladores pueden innovar con confianza, sabiendo que los agentes se mantendrán dentro de los límites de cumplimiento definidos. Esto nos permite expandir nuestra plataforma de agentes mientras mantenemos los estrictos estándares de seguridad que nuestros clientes empresariales esperan».

Obtenga visibilidad completa del comportamiento y los resultados de los agentes de IA

A diferencia de las métricas de software tradicionales, evaluar la calidad de los agentes de IA requiere pipelines complejos de ciencia de datos, evaluaciones subjetivas y monitoreo continuo en tiempo real, un desafío que se agrava con cada actualización del agente o cambio de modelo.

AgentCore Evaluations simplifica procesos complicados y elimina la gestión de infraestructura compleja con 13 evaluadores prediseñados para dimensiones de calidad comunes como corrección, utilidad, precisión de selección de herramientas, seguridad, tasa de éxito de objetivos y relevancia del contexto.

Además, los desarrolladores tienen la flexibilidad de escribir sus propios evaluadores personalizados usando sus LLM y prompts preferidos. Anteriormente, esto requería meses de trabajo de ciencia de datos solo para construir los sistemas de evaluación. El nuevo servicio muestrea continuamente las interacciones en vivo de los agentes para analizar el comportamiento del agente según criterios preidentificados como corrección, utilidad y seguridad. Los equipos de desarrollo pueden configurar alertas para monitoreo proactivo de calidad, usando evaluaciones tanto durante las pruebas como en producción. Por ejemplo, si las puntuaciones de satisfacción de un agente de servicio al cliente caen un 10% en ocho horas, el sistema activa alertas inmediatas, permitiendo una respuesta rápida antes de que se impacte la experiencia del cliente.

Natera es líder en pruebas genéticas y diagnósticos. «En Natera, estamos transformando la atención al paciente de oncología a través de agentes de IA», dijo Mirko Buholzer, líder de ingeniería de software en Natera. «Nuestros equipos están realizando actualmente un esfuerzo sustancial para mantener la calidad y el rendimiento consistentes en nuestros agentes de IA mientras cumplimos con estrictos estándares de cumplimiento en atención médica. AgentCore Evaluations desempeñará un papel clave en este trabajo al monitorear continuamente el rendimiento de nuestros agentes usando métricas esenciales como precisión, utilidad y satisfacción del paciente. Esperamos que esta inteligencia de calidad en tiempo real nos ayude a identificar y abordar problemas de forma preventiva rápidamente. Con AgentCore Evaluations, nuestro objetivo es implementar con confianza agentes confiables que mantengan nuestros altos estándares y apoyen la entrega de atención transformadora al paciente a escala».

Cree agentes que se vuelvan más inteligentes con cada interacción

La mayoría de los agentes de IA actuales carecen de capacidades críticas de memoria porque la «memoria» a menudo se limita a una ventana de contexto a corto plazo que se reinicia con cada nueva interacción, impidiendo que aprendan de éxitos o fracasos pasados en entornos de producción.

AgentCore Memory proporciona esta característica crítica, permitiendo que un agente construya una comprensión coherente de los usuarios a lo largo del tiempo. Hoy, AgentCore Memory está haciendo disponible de forma general una nueva funcionalidad episódica que permite a los agentes aprender de experiencias pasadas y aplicar esas ideas a interacciones futuras. A través de episodios estructurados que capturan contexto, razonamiento, acciones y resultados, otro agente analiza automáticamente patrones para mejorar la toma de decisiones. Cuando los agentes encuentran tareas similares, pueden acceder rápidamente a datos históricos relevantes, reduciendo el tiempo de procesamiento y eliminando la necesidad de instrucciones personalizadas extensas. Por ejemplo, un agente reserva transporte al aeropuerto 45 minutos antes del vuelo cuando viaja solo. Tres meses después, cuando viaja al mismo destino, esta vez con niños, programa automáticamente la recogida dos horas antes, recordando los desafíos de viajes familiares anteriores. Este enfoque de aprendizaje dirigido ayuda a los agentes a tomar decisiones más consistentes basadas en datos reales de rendimiento en lugar de depender de pautas predeterminadas.

SCP Global Market Intelligence proporciona información y soluciones de datos y tecnología líderes a inversionistas institucionales, bancos y corporaciones. «Recientemente desarrollamos Astra, una plataforma interna de flujo de trabajo agéntico de propósito general, pero enfrentamos desafíos al orquestar flujos de trabajo complejos de múltiples agentes en nuestra organización distribuida», dijo Astier Helen, jefa de Tecnología, MI Enterprise Technology and Sustainability, en SCP Global Market Intelligence. «A medida que surgieron cientos de agentes especializados, gestionar el estado y mantener un contexto consistente se volvió cada vez más difícil, destacando la necesidad de una capa de memoria unificada. Amazon Bedrock AgentCore Memory proporcionó la solución a través de puntos de control de estado centralizados y sin problemas en nuestra pila de orquestación de múltiples agentes. Con la nueva funcionalidad de memoria episódica, nuestros agentes aprenderán de análisis previos para generar información más inteligente. Anteriormente, implementar agentes en la plataforma Astra tomaba semanas. Ahora, con AgentCore podemos crear e implementar un agente o servidor MCP en minutos».

Las innovaciones de hoy le brindan infraestructura de agentes diseñada específicamente que le permite centrarse en la innovación en lugar de construir fundamentos de IA.

Para más detalles sobre las nuevas innovaciones de Amazon Bedrock AgentCore, visite: Página web de AgentCore