Los agentes son tan inteligentes como el contexto sobre el que pueden razonar. Hoy en día, ese contexto se encuentra disperso en lagos de datos, almacenes de datos, casas de lagos, bases de datos y flujos, y en conocimientos institucionales que nunca han sido escritos. Quiere confiar en las decisiones tomadas por sus agentes de IA, pero eso no puede suceder hasta que los agentes tengan contexto. Imagine lo que será posible cuando brindemos a los agentes una forma segura de acceder al contexto que necesitan para tomar decisiones confiables.
Es por eso que en la Cumbre de AWS en la ciudad de Nueva York anunciamos una serie de innovaciones que brindan inteligencia contextual para sus datos y agentes de IA a escala.
Contexto de AWS (próximamente)
En la conferencia magistral de hoy, presentamos AWS Context, un nuevo servicio que mapea automáticamente las relaciones entre sus datos existentes en un gráfico de conocimiento y proporciona búsqueda agente para que los agentes de IA de la organización puedan acceder a relaciones de datos gobernadas, reglas comerciales y conocimiento de dominio en tiempo de ejecución. Los administradores y curadores de datos administran el gráfico a través de una experiencia de consola intuitiva, revisan las relaciones inferidas, las promueven a producción y adjuntan conocimientos específicos del dominio, como definiciones comerciales y reglas de uso.
AWS Context amplía la misma tecnología de gráficos de conocimiento que impulsa Amazon Quick, donde cientos de miles de usuarios interactúan diariamente con un gráfico de conocimiento de producción que cataloga conjuntos de datos, paneles y metadatos, aprendiendo de los patrones de uso para hacer que cada interacción sea más inteligente. Ese gráfico ya procesa millones de solicitudes por día. Con AWS Context, estamos ampliando lo que era un gráfico de conocimiento personal a uno organizacional, una capa de contexto gobernada y compartida de la que los agentes y las aplicaciones de su organización pueden aprovechar. Los usuarios existentes de Amazon Quick se benefician de inmediato. Cuando AWS Context está habilitado, los agentes de Quick obtienen acceso al gráfico de conocimiento empresarial más amplio, incluidas las relaciones entre sistemas, reglas comerciales y contexto seleccionado que van más allá de lo que puede proporcionar el gráfico personal de cualquier usuario. AWS Glue Data Catalog, Amazon SageMaker Unified Studio y AWS Lake Formation se integran con el gráfico de conocimiento, por lo que los equipos pueden gobernarlo con reglas y permisos comerciales y agregar nuevo contexto automáticamente con asistencia de IA o explícitamente mediante curación manual.
Los elementos clave de la capa de contexto se publican en Amazon S3 en el formato Apache Iceberg, de modo que los clientes pueden utilizar las herramientas compatibles con Iceberg de su elección para consumir metadatos y construir en AWS Context según estándares abiertos. No hay infraestructura que aprovisionar ni canalización de recuperación que construir, y los clientes pueden comenzar a recopilar y seleccionar el contexto para sus agentes con solo unos pocos clics en la Consola de administración de AWS.
Echemos un vistazo más de cerca a las capacidades detrás de esto.
Contexto que aprende de cómo trabajan sus agentes
AWS Context se vuelve más inteligente cuanto más lo utilizan sus agentes. A medida que los agentes consultan el gráfico, éste observa qué fuentes producen resultados correctos, en qué rutas de unión confían los agentes y qué reglas seleccionadas se aplican. Clasifica las fuentes por uso real y comparte lo que aprende en toda su organización, de modo que cuando un agente descubre una ruta de unión correcta o resuelve una ambigüedad en el esquema, otros agentes la recogen, sin necesidad de que un humano vuelva a curar el gráfico.
Abierto y portátil por diseño
AWS Context publica todos los metadatos clave de fuentes estructuradas y no estructuradas en formato Apache Iceberg en Amazon S3 Tables, para que pueda consultar su contexto con Amazon Athena, Amazon Redshift, Apache Spark o cualquier motor compatible con Iceberg y crear sistemas posteriores en él, auditarlo o migrarlo.
AWS Context también está diseñado para conectarse a catálogos de terceros, de modo que pueda incorporar contexto de sistemas fuera de AWS en el mismo gráfico. Los agentes lo consultan a través de API de búsqueda de agentes y herramientas MCP, ya sea que estén creadas en Amazon Bedrock AgentCore, implementadas en Amazon EKS o ejecutándose en marcos compatibles con MCP. Su contexto sigue siendo consultable, portátil a través del formato Apache Iceberg y totalmente suyo.
Consciente de la identidad y gobernado por defecto
Cualquier agente que ponga en producción plantea una pregunta de gobernanza: ¿a qué datos puede acceder? ¿Puede mostrar exactamente a qué accedió y bajo la autoridad de quién? AWS Context responde a ambos haciendo que cada consulta tenga en cuenta la identidad. Cada llamada está diseñada para heredar los permisos de IAM y Lake Formation del usuario que llama, por lo que un agente solo puede ver y atravesar las relaciones a las que su identidad está autorizada a acceder. Como el acceso se realiza a través de la identidad, cada interacción es auditable. Sus equipos de seguridad y cumplimiento pueden verificar a qué accedió un agente y bajo qué autoridad, utilizando los mismos controles en los que usted ya confía.
Búsqueda semántica y contexto empresarial del catálogo de datos de AWS Glue (versión preliminar)
Hoy también anunciamos la vista previa del contexto empresarial y la búsqueda semántica para AWS Glue Data Catalog, que proporciona contexto y herramientas que facilitan que los humanos y los agentes de IA descubran y comprendan los datos. Los clientes ahora pueden enriquecer sus tablas, vistas y columnas de Glue, incluidas aquellas respaldadas por S3 Tables, con descripciones comerciales, términos de glosario, metadatos personalizados y asociarlos con activos de habilidades que brindan contexto de datos adicional almacenado fuera del catálogo. Con el contexto empresarial indexado junto con los metadatos técnicos en Glue Data Catalog, los clientes pueden utilizar la nueva API Glue Search para encontrar datos más rápidamente por significado empresarial y los agentes de IA pueden basar su razonamiento en definiciones confiables en lugar de inferir el contexto.
También nos complace ofrecer una vista previa de los activos de habilidades en Glue Data Catalog. Ahora, los productores de datos pueden crear activos de habilidades, un nuevo tipo de activo que hace referencia a URI a archivos (como habilidades de IA, archivos de rebajas de guías y runbooks de equipo) alojados en cualquier ubicación, incluidos S3, repositorios de git y wikis. La asociación de activos de habilidades a activos de datos brinda a los agentes contexto e instrucciones adicionales que pueden recuperar progresivamente para trabajar con datos específicos sin volver a enseñarlos a cada agente, un mensaje a la vez. Por ejemplo, las ubicaciones de URI de habilidades pueden apuntar a los repositorios de su equipo con documentación o procesos específicos del dominio que incluyen detalles de uso de datos, como el grano y el alcance, patrones de consulta comunes y mejores prácticas, y reglas de uso (cuándo usar los datos, qué son las claves de unión y los filtros requeridos).
Los activos de habilidades facilitan que los agentes de IA encuentren los datos correctos para usar en un conjunto de datos, pero eso es solo la mitad del problema. Un agente también debe saber cómo usarlo: los filtros que aplicar antes de agregar datos, las rutas de unión a seguir, las advertencias que no son visibles en el esquema técnico. Hoy en día, AWS Agent Toolkit contiene habilidades predeterminadas para ayudar a los agentes de IA a trabajar con Glue Data Catalog, así como otras capacidades como Amazon Athena y S3 Tables. Muchas empresas tienen sus propias habilidades que han desarrollado sus equipos de datos. Para comenzar, los desarrolladores pueden conectar cualquier agente compatible con MCP utilizando AWS MCP remoto y completamente administrado para acceder a las habilidades de servicio de AWS o instalando el complemento aws-data-analytics para Claude Code, Cursor y Amazon Kiro, para pedirle a un agente que busque datos, realice análisis o cree aplicaciones sobre esos datos usando AWS u otras habilidades personalizadas. Los agentes creados con el arnés AgentCore pueden acceder a todas las habilidades de AWS en AWS Agent Toolkit con una línea de código. Esto permite a sus agentes aprovechar rápidamente la experiencia y las mejores prácticas del servicio de AWS.
Anotaciones de Amazon S3 (disponibles de forma general)
Para facilitar a los clientes agregar su propio contexto personalizado a su lago de datos, anunciamos la disponibilidad general de las anotaciones de Amazon S3, una nueva forma de adjuntar contexto empresarial rico y consultable directamente a sus objetos S3 y almacenar ese contexto en una tabla Iceberg de S3. Los clientes han descrito durante mucho tiempo sus objetos en S3 con etiquetas de objeto y metadatos definidos por el usuario, y siguen siendo las herramientas adecuadas para tareas operativas como el control de acceso y para pequeños fragmentos de información establecidos en la carga. Pero a medida que los clientes crean agentes sobre sus datos, quieren adjuntar muchos más metadatos. Quieren crear y desarrollar un contexto rico que un agente pueda leer y actuar a escala. Las anotaciones S3 brindan esa capacidad en un formato de datos abiertos. Cada objeto almacenado en S3 puede tener hasta 1 GB de contexto. Las anotaciones son mutables, por lo que puede evolucionar el contexto a medida que cambian sus datos. Las anotaciones de S3 viven con el objeto de S3 en el almacenamiento de S3. Eso significa que las anotaciones de S3 se mueven con su objeto S3 asociado a través de operaciones de copia y replicación, y se eliminan cuando se elimina el objeto. Con las anotaciones, no hay una base de datos de metadatos separada para crear, sincronizar o evitar que quede obsoleta.
Las anotaciones se pueden consultar a través de los metadatos de S3. Cuando habilita las tablas de anotaciones en un depósito, cada anotación fluye automáticamente a una tabla Iceberg completamente administrada. Puede realizar consultas en todos sus objetos con Amazon Athena, Amazon Redshift o cualquier motor compatible con Iceberg, y los agentes pueden descubrir anotaciones en lenguaje natural a través del servidor MCP de S3 Tables.
Con las anotaciones de Amazon S3, puede adjuntar un rico contexto empresarial directamente a los objetos de S3 y consultarlo a escala, para que los agentes encuentren lo que necesitan sin crear sistemas de metadatos separados.
El contexto es el lago de datos para los agentes de IA y, con estas innovaciones, estamos construyendo las bases de conocimiento e inteligencia para que los agentes de IA interactúen con datos en organizaciones y empresas de cualquier escala.
Sobre el autor
Mai Lan Tomsen Bukovec
Mai-Lan Tomsen Bukovec, vicepresidenta de tecnología de AWS, lidera los servicios de datos en la nube de Amazon en los que confían millones de clientes de AWS para transformaciones digitales, análisis de negocios, aprendizaje automático, inteligencia artificial generativa y experiencias de clientes de próxima generación. Con más de 25 años de experiencia en la industria de la tecnología, Mai-Lan es pionera en ayudar a los clientes a aprovechar las tecnologías basadas en la nube para transformar sus negocios.