{"id":6229,"date":"2026-09-24T08:23:26","date_gmt":"2026-09-24T13:23:26","guid":{"rendered":"https:\/\/strata-analytics.us\/?p=6229"},"modified":"2026-09-24T08:26:13","modified_gmt":"2026-09-24T13:26:13","slug":"from-dispersed-data-to-governed-context-where-the-aws-agentic-ecosystem-is-going","status":"publish","type":"post","link":"https:\/\/strata-analytics.us\/es\/from-dispersed-data-to-governed-context-where-the-aws-agentic-ecosystem-is-going\/","title":{"rendered":"De datos dispersos a contexto gobernado: hacia d\u00f3nde se dirige el ecosistema de agentes de AWS"},"content":{"rendered":"

Por Sary Libreros | Consultora de Arquitectura en la Nube en Strata Analytics Group<\/em><\/p>\n\n\n\n

Un equipo de Amazon puso en pr\u00e1ctica un modelo de lenguaje en una tarea aparentemente sencilla: relacionar los registros de autores con los listados de productos. La factura final ascendi\u00f3 a 1,8 millones de d\u00f3lares, superando el presupuesto en 8601 millones de d\u00f3lares, seg\u00fan los informes. El Financial Times<\/a>. Y lo m\u00e1s preocupante no es la cifra: el sobrecoste pas\u00f3 desapercibido durante cinco meses.<\/p>\n\n\n\n

El caso se present\u00f3 inicialmente como una cuesti\u00f3n de costes, pero revela algo m\u00e1s profundo: una organizaci\u00f3n con todos los recursos disponibles implementa inteligencia artificial m\u00e1s r\u00e1pido de lo que puede detectarla, atribuir su uso y limitar sus capacidades. Y este no es un caso aislado. As\u00ed es como el ecosistema de agentes est\u00e1 creciendo pr\u00e1cticamente en todas partes.<\/p>\n\n\n\n

Detr\u00e1s de este crecimiento subyace un problema mucho m\u00e1s antiguo. La informaci\u00f3n de una organizaci\u00f3n est\u00e1 dispersa en decenas de sistemas con nombres distintos que, en ocasiones, se contradicen entre s\u00ed. Un agente puede tener acceso a todo este universo y aun as\u00ed responder incorrectamente porque nadie ha explicado el significado de cada t\u00e9rmino ni su relaci\u00f3n con los dem\u00e1s. Durante dos a\u00f1os, buscamos la soluci\u00f3n dentro del propio modelo: cu\u00e1l razonaba mejor y cu\u00e1l ten\u00eda el menor coste por token. El cuello de botella estaba en otro lugar.<\/p>\n\n\n\n

En la pr\u00e1ctica, la gesti\u00f3n de agentes comienza por gestionar ese contexto. Esta es la brecha que AWS ha estado cerrando sistem\u00e1ticamente, y vale la pena analizar c\u00f3mo lo est\u00e1n haciendo.<\/p>\n\n\n\n

Amazon Quick fue el ensayo general.<\/strong><\/p>\n\n\n\n

Cuando AWS lanz\u00f3 Amazon Quick al p\u00fablico general a finales de 2025, muchos lo consideraron simplemente otro asistente. En retrospectiva, demostr\u00f3 que un grafo de conocimiento pod\u00eda mejorar la experiencia del usuario formulando preguntas en lenguaje natural sobre sus propios datos.<\/p>\n\n\n\n

Este gr\u00e1fico cataloga conjuntos de datos, paneles y metadatos, y aprende de los h\u00e1bitos del usuario. Funciona, y funciona en producci\u00f3n. La inversi\u00f3n que AWS ha realizado en Quick durante el \u00faltimo a\u00f1o no fue una iniciativa de producto aislada. Fue la base para construir algo m\u00e1s grande.<\/p>\n\n\n\n

De la escala personal a la organizacional.<\/strong><\/p>\n\n\n\n

En la cumbre de AWS de este a\u00f1o se anunci\u00f3 Contexto de AWS<\/a>. Context es un servicio que toma ese mismo grafo de conocimiento y lo escala. Mientras que Quick aprende datos de una sola persona, Context mantiene un grafo compartido y gobernado que toda la organizaci\u00f3n puede consultar, con relaciones entre sistemas y reglas de negocio que ninguna vista individual podr\u00eda abarcar.<\/p>\n\n\n\n

El servicio deduce c\u00f3mo est\u00e1n conectados los datos de una empresa: qu\u00e9 tablas se conectan entre s\u00ed, qu\u00e9 significan las columnas y c\u00f3mo se relacionan las diferentes fuentes. A continuaci\u00f3n, representa todo esto como un grafo que los agentes pueden recorrer en tiempo de ejecuci\u00f3n, combinando la coincidencia sem\u00e1ntica con el razonamiento relacional, en lugar de buscar palabras clave en un repositorio.<\/p>\n\n\n\n

Y aqu\u00ed es donde entra en juego la gobernanza de la IA.<\/strong><\/p>\n\n\n\n

Este es el punto que m\u00e1s nos interesa destacar, porque es el que suele quedar fuera de la conversaci\u00f3n.<\/p>\n\n\n\n

El ecosistema de agentes crece a un ritmo que ninguna organizaci\u00f3n estaba preparada para gestionar. Los agentes se multiplican, consumen datos de distintos sistemas, utilizan herramientas, toman decisiones y generan costes. Sin una capa de contexto controlada, cada agente construye su propia versi\u00f3n de la verdad, y esta fragmentaci\u00f3n pasa desapercibida hasta que su soluci\u00f3n resulta costosa.<\/p>\n\n\n\n

Lo que AWS est\u00e1 creando no es solo una capacidad de IA, sino un plano de control. AWS Context no lleg\u00f3 solo: en la capa de almacenamiento, las anotaciones de Amazon S3 permiten adjuntar contexto directamente a cada objeto de forma mutable y consultable, y ya est\u00e1n disponibles para el p\u00fablico general. En la capa de cat\u00e1logo, el contexto empresarial y la b\u00fasqueda sem\u00e1ntica para Glue Data Catalog est\u00e1n en vista previa, lo que permite enriquecer tablas y columnas con descripciones empresariales, t\u00e9rminos de glosario y recursos que gu\u00edan a los agentes hacia patrones de consulta y reglas de uso. AWS Context sintetiza estas se\u00f1ales en el gr\u00e1fico que consultan los agentes.<\/p>\n\n\n\n

AWS Context todav\u00eda aparece como "pr\u00f3ximamente", sin precios ni regiones anunciadas. Sin embargo, ya puede realizar pruebas piloto de anotaciones S3 y enriquecimiento de cat\u00e1logos en las regiones donde la vista previa est\u00e1 disponible. Mientras tanto, aquellos que quieran comenzar a trabajar en el modelado ontol\u00f3gico sin esperar tienen la opci\u00f3n de Acelerador de ontolog\u00eda de contexto<\/a>, el proyecto de c\u00f3digo abierto de AWS que permite construir la ontolog\u00eda empresarial y ponerla a disposici\u00f3n de los agentes a trav\u00e9s de MCP.<\/p>\n\n\n\n

El modelo ya no es el l\u00edmite.<\/strong> Hoy en d\u00eda, el l\u00edmite lo pone el contexto que somos capaces de darle, y la diferencia entre una impresionante prueba de concepto y un agente que llega a la producci\u00f3n casi siempre radica en ese nivel.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

\u00bfEn qu\u00e9 podemos ayudarle?<\/strong><\/p>\n\n\n\n

En Strata Analytics, llevamos a\u00f1os apoyando a organizaciones de la regi\u00f3n en este mismo proceso. Si est\u00e1 explorando esta tecnolog\u00eda por primera vez y desea escalar sus iniciativas de IA, podemos ayudarle a evaluar la preparaci\u00f3n de su ecosistema de datos para soportar agentes en producci\u00f3n, identificar deficiencias antes de que se conviertan en costosas y dise\u00f1ar una hoja de ruta que priorice el caso de uso adecuado en lugar de intentar abarcarlo todo a la vez.<\/p>\n\n\n\n

Si lo que busca es una gobernanza de IA centralizada y automatizada<\/strong>, Dise\u00f1amos la capa sem\u00e1ntica y ontol\u00f3gica, el modelo de aprobaci\u00f3n y curaci\u00f3n, la trazabilidad de las decisiones de los agentes y la observabilidad del consumo y el coste, sobre la infraestructura que ya tienes.<\/p>\n\n\n\n

\u00bfQui\u00e9n en su organizaci\u00f3n puede decir hoy cu\u00e1nto se est\u00e1 invirtiendo en IA, en qu\u00e9 casos de uso y con qu\u00e9 retorno?<\/strong><\/p>\n\n\n\n

Si dos agentes proporcionaran a su comit\u00e9 directivo cifras diferentes sobre el mismo cliente, \u00bfsabr\u00eda usted cu\u00e1l es la correcta y por qu\u00e9?<\/strong><\/p>\n\n\n\n

\u00bfCu\u00e1ntas de sus iniciativas de IA han ido m\u00e1s all\u00e1 de la prueba de concepto y ahora est\u00e1n generando resultados que la empresa puede medir?<\/strong><\/p>\n\n\n\n

Si alguna de estas preguntas no tiene una respuesta clara hoy, le invitamos a que hablemos para que podamos ayudarle.<\/p>\n\n\n\n

Sobre el autor<\/strong><\/p>\n\n\n\n

Sary Libreros es consultora de AWS Community Builder y Cloud Architect en Strata Analytics Group, una empresa de an\u00e1lisis de datos e inteligencia artificial que ayuda a organizaciones latinoamericanas a desarrollar sistemas de IA accesibles, sensibles al contexto y culturalmente adaptables en los sectores de telecomunicaciones, finanzas, comercio minorista y atenci\u00f3n m\u00e9dica.<\/em><\/p>\n\n\n\n

<\/p>","protected":false},"excerpt":{"rendered":"

By Sary Libreros | Cloud Architect Consultant at Strata Analytics Group An Amazon team put a language model to work on a seemingly simple task: matching author records with product listings. The final bill reached to $1.8 million, 860% over budget, according to reports the Financial Times. And the most disturbing fact is not the […]<\/p>\n","protected":false},"author":276891389,"featured_media":6239,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"advanced_seo_description":"","jetpack_seo_html_title":"","jetpack_seo_noindex":false,"jetpack_seo_schema_type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[1],"tags":[],"class_list":["post-6229","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"acf":[],"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/ph50Nc-1Ct","jetpack_featured_media_url":"https:\/\/i0.wp.com\/strata-analytics.us\/wp-content\/uploads\/2026\/09\/Imagen2-1.png?fit=640%2C427&ssl=1","_links":{"self":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/posts\/6229","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/users\/276891389"}],"replies":[{"embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/comments?post=6229"}],"version-history":[{"count":8,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/posts\/6229\/revisions"}],"predecessor-version":[{"id":6240,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/posts\/6229\/revisions\/6240"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/media\/6239"}],"wp:attachment":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/media?parent=6229"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/categories?post=6229"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/tags?post=6229"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}