AWS OpenSearch: memoria, retrieval y costos para agentes IA

La nueva economía del contexto: por qué AWS reordena OpenSearch

El 68% de los equipos enterprise que desplegaron agentes de IA reportó errores relacionados con el contexto que esos agentes recuperan, frente a un 32% que ya tiene una capa de contexto gobernada en producción (encuesta de VentureBeat a 101 responsables de datos, julio de 2026). El dato importa porque desnuda una idea incómoda: el cuello de botella de los agentes ya no es el modelo, sino qué información le entregas, cómo la gobiernas y cuánto te cuesta cada respuesta útil.

Días antes de OpenSearchCon North America 2026 (San José, 22-24 de septiembre), AWS está reposicionando OpenSearch como la columna vertebral de esa capa de contexto. Lo hace con tres movimientos simultáneos: extender las opciones de retrieval, controlar los costos de los picos de demanda de los agentes y darle a la memoria persistente un lugar dentro de la plataforma. La pregunta para un founder ya no es si debe añadir un vector store, sino qué plataforma de retrieval aguanta el costo por tarea completada sin que la factura explote.

Qué dijo AWS (y qué no) sobre OpenSearch antes de la conferencia

Tia White, general manager de OpenSearch en AWS, es una de las keynote speakers del evento junto con Atri Sharma y Abhishek Singh (Apple), Pushkala Pattabhiraman (IBM), Sokratis Papadopoulos (CERN), Mingmin Chen (Uber) y la directora ejecutiva de la OpenSearch Software Foundation, Bianca Lewis. La agenda oficial, anunciada por la fundación en julio, recoge además casos de Booking.com, Groupon, LinkedIn e Intel, y más de 60 sesiones entre keynotes, lightning talks y workshops sobre construcción de aplicaciones agentic de búsqueda.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

En su conversación con VentureBeat, White resumió la tesis: un agente que busca, inspecciona, reformula la pregunta y vuelve a buscar dentro de un mismo workflow convierte la planificación de capacidad en un problema nuevo. La respuesta de AWS llega por tres carriles.

Retrieval unificado. Amazon OpenSearch Service combina full-text search, vector retrieval, búsqueda híbrida y analítica operacional en una sola plataforma. La búsqueda híbrida es la pieza clave: la coincidencia semántica entiende la intención, la léxica preserva la precisión sobre identificadores de producto, números de cuenta y terminología técnica. La promesa es que un cliente con OpenSearch desplegado pueda extenderlo a cargas de IA sin añadir otra base de datos, otra configuración de seguridad ni otro workflow operacional.

Costos serverless predecibles. Amazon OpenSearch Serverless de nueva generación, disponible de forma general desde mayo, separa cómputo y almacenamiento. AWS afirma que escala hasta 20 veces más rápido que su predecesor y reporta ahorros de hasta 60% frente a aprovisionar clústeres para picos. La función scale-to-zero aplica a colecciones elegibles dentro de collection groups, según la documentación oficial, así que cada equipo debe verificar su configuración y medir tiempos de respuesta antes de confiar ciegamente en ella.

Observabilidad sin multiplicar la factura. El motor optimizado de log analytics combina procesamiento columnar con búsqueda full-text. AWS asegura hasta 4 veces mejor relación precio-rendimiento y el doble de velocidad analítica frente al motor generalista. La advertencia: AWS recomienda ese motor específicamente para log analytics; para cargas con búsqueda vectorial o semántica hay que quedarse con el motor general. Confundir los dos es la receta típica para que el rendimiento se desplome.

Memoria persistente, pero no es lo que crees

OpenSearch 3.5 introdujo memoria persistente de conversación para agentes, y AWS anunció el soporte de esa versión en Amazon OpenSearch Service en marzo de 2026. La función captura contexto de conversación y razonamiento de herramientas a lo largo de interacciones. El anuncio es importante, pero conviene separar dos cosas que el marketing suele mezclar.

Memoria de agente registra lo que el usuario o el propio agente dijo. Memoria institucional guarda políticas autorizadas, permisos, definiciones de negocio y decisiones aprobadas: el patrimonio intelectual serio. Almacenar ambas no establece automáticamente cuál debe prevalecer. El próximo examen para cualquier plataforma de retrieval es si ayuda a la aplicación a gestionar esa distinción: preservar la procedencia, aplicar correcciones, expirar información obsoleta y evitar que una respuesta equivocada del agente reaparezca más tarde como evidencia confiable.

El tablero completo: con qué compite OpenSearch

El movimiento de AWS no ocurre en el vacío. Según la edición 2026 del Magic Quadrant de Gartner para plataformas cloud-native, los agentes de IA se convirtieron en criterio explícito de evaluación de plataforma, y AWS figura entre los Leaders junto a Google, Microsoft, Red Hat y Alibaba Cloud. La consecuencia práctica: la conversación enterprise ya no se trata de "qué modelo uso", sino de qué plataforma ejecuta y gobierna agentes a escala con costos visibles.

En paralelo, IDC estima que 77% de las empresas ya tiene agentes en producción (recogido por CRN) y Gartner proyecta que el mercado de servicios de IA alcanzará US$515.000 millones en 2029, con foco en enfoques agentic. En esa misma lista, AWS Bedrock AgentCore aparece como plataforma agentic con su propio AgentCore Web Search y Bedrock Managed Knowledge Base. Databricks Genie One apuesta por una "capa de contexto viva" (Genie Ontology) que extrae y actualiza contexto desde datos estructurados y no estructurados. Dell Deskside Agentic AI asegura 87% de ahorro frente a nube pública para correr agentes en local. Y Microsoft Copilot Cowork, en colaboración con Anthropic, ejecuta flujos completos con los datos del usuario sin moverlos del tenant.

Un dato que cambia el cálculo de infraestructura: AWS y NVIDIA anunciaron en agosto de 2026 un plan para desplegar 2 millones de GPUs adicionales en infraestructura global de AWS entre 2027 y 2028, con integración específica de NVIDIA cuDF y cuVS sobre Amazon EMR y Amazon OpenSearch para acelerar el procesamiento de datos y el indexado vectorial. La capa de contexto se va a volver más barata por unidad, pero la demanda va a crecer más rápido.

Qué significa esto para tu startup

Si estás construyendo un agente o un producto SaaS con recuperación de información, el mensaje de AWS es claro: el costo por tarea completada es la nueva métrica, no el costo por token ni el costo por consulta. Un retrieval pobre que obliga al agente a repetir búsquedas, inflar prompts o fallar la tarea consume más que cualquier ahorro de tarifa unitaria.

Acciones concretas para esta semana:

Mide el costo por tarea, no el costo por query. Construye un panel que registre cuántas recuperaciones hace tu agente antes de entregar una respuesta válida y cuánto cuesta cada ciclo. Es la única forma de saber si un RAG vectorial "barato" te está saliendo caro.
Separa memoria de conversación de memoria institucional desde el diseño. Si guardas políticas y definiciones de negocio en el mismo lugar donde guardas el historial del chat, vas a tener problemas de procedencia. Reserva una fuente autorizada, versionada, con permisos explícitos, y mantén la conversación aparte.
Prueba con un workflow representativo antes de elegir plataforma. Define qué es una tarea exitosa, junta preguntas reales con identificadores exactos, casos ambiguos e información restringida, y mide latencia, costo y tasa de fallo en horas pico y valle. Esa prueba vale más que cualquier demo.
No asumas que scale-to-zero es gratis. En OpenSearch Serverless aplica solo a collection groups elegibles, según la documentación oficial. Verifica tu configuración y mide la respuesta en frío antes de comprometerte en un SLA.

Lo que se viene en OpenSearchCon NA 2026 promete casos reales de producción: CERN opera OpenSearch a escala de 1,4 petabytes (según testimonio de Sokratis Papadopoulos recogido en el anuncio oficial de la fundación), y los workshops van a mostrar cómo construir aplicaciones agentic completas sobre OpenSearch. Vale la pena seguir las sesiones de Apple, Uber e IBM: las empresas que ya pagan la factura a escala suelen ser las mejores maestras de arquitectura.