Esta publicación fue coescrita con Naveen Pollamreddi y Seth Krause de Thomson Reuters.
Thomson Reuters (TR) es una empresa líder en tecnología e inteligencia artificial dedicada a ofrecer contenido confiable y soluciones de automatización del flujo de trabajo. Con más de 150 años de experiencia, TR ofrece soluciones esenciales en los sectores legal, fiscal, contable, de riesgos, comercial y de medios en un mundo en rápida evolución. La IA desempeña un papel fundamental en TR. Está integrado en la forma en que ayuda a crear, mejorar, conectar y entregar información confiable a los clientes. Impulsa los productos utilizados por profesionales de todo el mundo. La IA en TR brinda a los profesionales una IA de nivel profesional que aclara desafíos complejos.
Esta publicación de blog explica cómo el equipo de ingeniería de plataforma de TR, una unidad distribuida geográficamente que supervisa la disponibilidad del servicio de TR, impulsó su productividad operativa al realizar la transición de un sistema de agente manual a uno automatizado utilizando Amazon Bedrock AgentCore.
Reto empresarial
Los equipos de ingeniería de plataformas enfrentan desafíos importantes al brindar experiencias de autoservicio fluidas a sus clientes internos a escala para actividades operativas como la gestión de bases de datos, operaciones de gestión de riesgos y seguridad de la información (ISRM), mantenimiento de la zona de aterrizaje, aprovisionamiento de infraestructura, gestión de secretos, orquestación de canalización de integración e implementación continua (CI/CD) y automatización del cumplimiento. En TR, el equipo de Ingeniería de Plataforma respalda múltiples líneas de negocios al proporcionar infraestructura de nube esencial y servicios de habilitación, incluido el aprovisionamiento de cuentas en la nube y la gestión de bases de datos. Sin embargo, los procesos manuales y la necesidad de coordinación repetida entre equipos para tareas operativas crearon retrasos que ralentizaron la innovación.
"Nuestros ingenieros dedicaban un tiempo considerable a responder las mismas preguntas y ejecutar procesos idénticos en diferentes equipos", dice Naveen Polalmreddi, ingeniero distinguido de TR. "Necesitábamos una forma de automatizar estas interacciones manteniendo al mismo tiempo nuestros estándares de seguridad y cumplimiento".
Estado actual
El equipo de Ingeniería de plataforma ofrece servicios a múltiples equipos de productos dentro de TR, incluida la ingeniería de productos y la gestión de servicios. Estos equipos consumen sus soluciones internas como un servicio para crear y ejecutar aplicaciones a escala en los servicios de AWS. Durante un período, estos servicios se ofrecen no sólo como herramientas sino también a través de procesos internos de TR, siguiendo los estándares de la Biblioteca de Infraestructura de Tecnología de la Información (ITIL) y utilizando sistemas de software como servicio (SaaS) de terceros.
Algunos de estos servicios dependen de humanos para ejecutar una lista predefinida de pasos y se repiten muchas veces, lo que crea una dependencia significativa de los ingenieros para ejecutar las mismas tareas repetidamente para múltiples aplicaciones. Los procesos actuales son semiautomáticos y son: –
Repetitivos y laboriosos: debido a la naturaleza de los flujos de trabajo y el modelo de participación de varios equipos, estos procesos operativos tienden a ser laboriosos y repetitivos. El equipo de Ingeniería de Plataforma dedicó mucho tiempo a realizar trabajos de levantamiento pesado indiferenciados. Mayor tiempo para generar valor: debido a las interdependencias de los procesos, estos flujos de trabajo operativos no son completamente autónomos y tardan mucho en obtener el valor en comparación con los procesos totalmente automatizados. Intenso en recursos y costos: la ejecución manual requiere recursos de ingeniería dedicados cuyo tiempo podría dedicarse mejor a la innovación que a tareas repetitivas. Cada solicitud operativa consume horas de ingeniería en varios equipos para coordinación, ejecución y validación.
El equipo de Ingeniería de Plataforma está resolviendo este problema mediante la creación de soluciones de agentes autónomos que utilizan agentes especializados en múltiples dominios y grupos de servicios. El agente de aprovisionamiento de cuentas en la nube automatiza la creación y configuración de nuevas cuentas en la nube de acuerdo con estándares internos, manejando tareas como configurar unidades organizativas, aplicar políticas de seguridad y configurar redes de referencia. El agente de parches de la base de datos administra el ciclo de vida de los parches de la base de datos de un extremo a otro y las actualizaciones de versión. Los agentes de servicios de red manejan solicitudes de configuración de red, como la configuración de VPC, la asignación de subred y el establecimiento de conectividad entre entornos. Los agentes de revisión de arquitectura ayudan a evaluar las arquitecturas propuestas en comparación con las mejores prácticas, los requisitos de seguridad y los estándares de cumplimiento, proporcionando comentarios y recomendaciones automatizados. AgentCore sirve como capa de orquestación fundamental para estos agentes, proporcionando las capacidades de agencia centrales que permiten la toma de decisiones inteligente, la comprensión del lenguaje natural, la llamada de herramientas y la comunicación de agente a agente (A2A).
Descripción general de la solución
El equipo de ingeniería de plataformas de TR creó esta solución con escalabilidad, extensibilidad y seguridad como principios básicos y la diseñó para que los usuarios no técnicos puedan crear e implementar rápidamente automatización impulsada por IA. Diseñada para una amplia audiencia empresarial, la arquitectura está diseñada para que los usuarios empresariales puedan interactuar con agentes especializados a través de solicitudes básicas en lenguaje natural sin necesidad de comprender la complejidad técnica subyacente. TR eligió Amazon Bedrock AgentCore porque proporciona la infraestructura fundamental completa necesaria para crear, implementar y operar agentes de IA de nivel empresarial a escala sin tener que construir esa infraestructura desde cero. El equipo de Ingeniería de plataforma obtuvo la flexibilidad para innovar con sus marcos preferidos mientras diseñaba que sus agentes autónomos operaran con seguridad, confiabilidad y escalabilidad a nivel empresarial, requisitos críticos para administrar los flujos de trabajo operativos de producción a escala.
El siguiente diagrama ilustra la arquitectura de la solución:
TR construyó un centro de ingeniería de plataformas impulsado por IA utilizando AgentCore. La solución consiste en:
Un portal web personalizado para interacciones de agentes más seguras Un agente orquestador central que enruta solicitudes y administra interacciones Múltiples agentes de servicios específicos que manejan tareas especializadas como el aprovisionamiento de cuentas de AWS y la aplicación de parches de bases de datos Un servicio de validación humana en el circuito para operaciones confidenciales
TR decidió utilizar AgentCore porque ayudó a sus desarrolladores a acelerar desde el prototipo hasta la producción con servicios totalmente administrados que minimizan la complejidad de la infraestructura y crean agentes de IA utilizando diferentes marcos, modelos y herramientas, manteniendo al mismo tiempo un control total sobre cómo los agentes operan y se integran con sus sistemas existentes.
Flujo de trabajo de la solución
El equipo utilizó el siguiente flujo de trabajo para desarrollar e implementar el sistema de IA agente.
Planificación de descubrimiento y arquitectura: evaluó los recursos y el código base de AWS existentes para diseñar una solución integral que incorpora AgentCore, enfocándose en los objetivos del servicio y los requisitos de integración. Migración y desarrollo central: Desarrollé un enfoque de doble vía al migrar las soluciones existentes a AgentCore mientras se crea TRACK (motor de implementación), lo que permite la creación rápida de agentes. Implementé un sistema de registro como puente modular entre el agente y el orquestador. Mejora e implementación del sistema: se perfeccionó la funcionalidad del orquestador, se desarrolló una experiencia de usuario intuitiva y se ejecutó un proceso de incorporación del equipo para la implementación del nuevo sistema agente.
Construyendo el agente orquestador
El equipo de Ingeniería de Plataforma de TR diseñó su servicio de orquestador, llamado Aether, como un sistema modular utilizando LangGraph Framework. El orquestador recupera el contexto de su registro de agentes para determinar el agente apropiado para cada situación. Cuando se requieren las acciones de un agente, el orquestador realiza una llamada a una herramienta que completa mediante programación los datos del registro, lo que ayuda a prevenir posibles ataques de inyección rápida y facilita una comunicación más segura entre los puntos finales.
Para mantener el contexto de la conversación y al mismo tiempo mantener el sistema sin estado, el orquestador se integra con las capacidades del servicio AgentCore Memory tanto a nivel de conversación como de usuario. La memoria a corto plazo mantiene el contexto dentro de las conversaciones individuales, mientras que la memoria a largo plazo rastrea las preferencias del usuario y los patrones de interacción a lo largo del tiempo. Este enfoque de memoria dual permite que el sistema aprenda de interacciones pasadas y evite repetir errores anteriores.
Marco de desarrollo de agentes de servicio
El equipo de Ingeniería de Plataforma desarrolló su propio marco, TR-AgentCore-Kit (TRACK), para simplificar la implementación de agentes en toda la organización. TRACK, que es una solución propia, utiliza una versión personalizada del Bedrock AgentCore Starter Toolkit. El equipo personalizó este conjunto de herramientas para cumplir con los requisitos de alineación de cumplimiento específicos de TR, que incluyen estándares de identificación de activos y estándares de etiquetado de recursos. El marco maneja la conexión a AgentCore Runtime, la administración de herramientas, la conectividad de AgentCore Gateway y la configuración básica del agente, para que los desarrolladores puedan concentrarse en implementar la lógica empresarial en lugar de lidiar con problemas de infraestructura. AgentCore Gateway proporcionó una forma sencilla y más segura para que los desarrolladores crearan, implementaran, descubrieran y se conectaran a herramientas a escala. TRACK también maneja el registro de agentes de servicio en el entorno de Aether mediante la implementación de tarjetas de agente en el registro A2A personalizado. TRACK mantiene un flujo fluido para los desarrolladores al ofrecer capacidades de implementación en AWS y registro en servicios personalizados en un solo paquete. Al implementar las tarjetas de agente en el registro, el proceso para incorporar completamente a un agente creado por un equipo de servicio puede continuar para que el agente esté disponible desde el orquestador general.
Sistema de registro y descubrimiento de agentes.
Para permitir el descubrimiento y la comunicación de agentes sin problemas, TR implementó una solución A2A personalizada utilizando Amazon DynamoDB y Amazon API Gateway. Este sistema admite llamadas de agentes entre cuentas, lo cual era esencial para su arquitectura modular. El proceso de registro se realiza a través del proyecto TRACK, de modo que los equipos pueden registrar a sus agentes directamente con el servicio de orquestador. El registro A2A mantiene un historial completo de las versiones de los agentes con fines de auditoría y requiere validación humana antes de permitir la entrada de nuevos agentes al entorno de producción. Este modelo de gobernanza facilita el cumplimiento de los estándares ISRM de TR al tiempo que proporciona flexibilidad para una futura expansión.
Integración del portal web Aether
El equipo desarrolló un portal web utilizando React, alojado en Amazon Simple Storage Service (Amazon S3), para proporcionar una interfaz más segura e intuitiva para las interacciones de los agentes. El portal autentica a los usuarios con el inicio de sesión único (SSO) empresarial de TR y proporciona acceso a los flujos de agentes según los permisos del usuario. Este enfoque ayuda a garantizar que las operaciones confidenciales, como el aprovisionamiento de cuentas de AWS o la aplicación de parches a bases de datos, solo sean accesibles para el personal autorizado.
Servicio de validación humano-in-the-loop
El sistema incluye Aether Greenlight, un servicio de validación que garantiza que las operaciones críticas reciban la supervisión humana adecuada. Este servicio va más allá de la aprobación básica del solicitante, de modo que los miembros del equipo ajenos a la conversación inicial puedan participar en el proceso de validación. El sistema mantiene un seguimiento de auditoría completo de aprobaciones y acciones, respaldando los requisitos de cumplimiento de TR.
Resultado
Al crear un sistema de agentes de autoservicio en AgentCore, TR implementó agentes autónomos que utilizan la orquestación de IA para manejar flujos de trabajo operativos complejos de un extremo a otro.
Productividad y eficiencia
Aumento de productividad 15 veces mayor a través de la automatización inteligente de tareas rutinarias. Se logró una tasa de automatización del 70 % en el primer lanzamiento, lo que reduce drásticamente la carga de trabajo manual. Fiabilidad continua con runbooks repetibles ejecutados por agentes las 24 horas del día.
Velocidad y agilidad
Tiempo de obtención de valor más rápido: entrega de productos acelerada mediante la automatización de la configuración del entorno, la aplicación de políticas y las operaciones diarias Flujos de trabajo de autoservicio: equipos capacitados con estándares claros y herramientas pavimentadas
Seguridad y cumplimiento
Postura de seguridad más sólida: barreras de seguridad aplicadas y parches de bases de datos de forma predeterminada. Aprobaciones humanas en el circuito: supervisión mantenida mientras se automatiza la verificación de los cambios.
Optimización de costes y recursos
Mejor rentabilidad: optimización automatizada del uso de la infraestructura Asignación estratégica de talentos: equipos de ingeniería liberados para centrarse en el trabajo de mayor prioridad y valor Reducción del trabajo operativo: eliminación de tareas repetitivas y variaciones a través de la estandarización
Experiencia de desarrollador
Satisfacción mejorada: flujos de trabajo optimizados con capacidades de autoservicio intuitivas Estándares consistentes: patrones repetibles establecidos para que otros equipos los adopten y escalen
Conclusión
Este sistema de agencia descrito en esta publicación establece un patrón replicable que los equipos de toda la organización pueden utilizar para adoptar capacidades de automatización similares, creando un efecto multiplicador para la excelencia operativa. El proyecto Aether tiene como objetivo ayudar a mejorar la experiencia de los ingenieros eliminando la necesidad de ejecutar manualmente tareas que podrían automatizarse para respaldar una mayor innovación y pensamiento creativo. A medida que Aether continúa mejorando, el equipo espera que el patrón se adopte de manera más amplia para comenzar a ayudar a los equipos más allá de Ingeniería de plataforma a superar los estándares de productividad en toda la organización, solidificando a TR como líder en la era de la inteligencia artificial.
Al utilizar Amazon Bedrock AgentCore, TR transformó las operaciones de ingeniería de su plataforma de procesos manuales a un centro de autoservicio impulsado por IA. Este enfoque no sólo mejoró la eficiencia sino que también fortaleció los controles de seguridad y cumplimiento.
Listo para transformar las operaciones de ingeniería de su plataforma:
Explore AgentCore Explore la documentación de AgentCore Para casos de uso adicionales, explore tutoriales basados en cuadernos
Acerca de los autores
Naveen Pollamreddi es un ingeniero distinguido en Thomson Reuters como parte del equipo de ingeniería de plataforma e impulsa la estrategia de IA agente para servicios de infraestructura en la nube.
Seth Krause es ingeniero de nube en el equipo de informática de ingeniería de plataformas de Thomson Reuters. Desde que se unió a la empresa, ha contribuido a diseñar e implementar soluciones de IA generativa que mejoran la productividad en toda la organización. Seth se especializa en la creación de microservicios basados en la nube y actualmente se centra en la integración de capacidades de IA en los flujos de trabajo empresariales.
Pratip Bagchi es arquitecto de soluciones empresariales en Amazon Web Services. Le apasiona ayudar a los clientes a impulsar la adopción y la innovación de la IA para desbloquear el valor empresarial y la transformación empresarial.
Sandeep Singh es científico senior de datos de IA generativa en Amazon Web Services y ayuda a las empresas a innovar con IA generativa. Se especializa en IA generativa, aprendizaje automático y diseño de sistemas. Ha brindado con éxito soluciones de última generación impulsadas por IA/ML para resolver problemas comerciales complejos para diversas industrias, optimizando la eficiencia y la escalabilidad.