Akamai lanza inferencia y sandbox para agentes de IA

Akamai suma inferencia y ejecución de agentes a su nube de IA

Akamai presentó dos piezas nuevas para su plataforma Akamai Cloud: Akamai Inference, un servicio gestionado para ejecutar modelos de IA, y Akamai Agent Sandbox, un entorno aislado donde corre el código que generan los agentes autónomos. Ambas llegan en versión beta y se apoyan en una infraestructura que, según la compañía, ya acumula contratos multianuales por más de US$14.000 millones.

El dato que importa para un founder no es el anuncio en sí, sino lo que revela: la pelea de la IA empresarial se movió de «qué modelo uso» a «dónde lo ejecuto y cómo contengo lo que ese agente hace por su cuenta».

¿Qué incluye Akamai Inference?

Akamai Inference da acceso gestionado a modelos de peso abierto y personalizados mediante API compatibles con OpenAI. Esa compatibilidad es la parte práctica: si ya tienes una integración funcionando contra la API de OpenAI, en teoría no necesitas reescribir tu código para apuntarla a otro proveedor.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

En su lanzamiento, el catálogo incluye 12 modelos de peso abierto, con tamaños que van desde los 8.000 millones hasta los 2,8 billones de parámetros. Entre ellos figuran NVIDIA Nemotron 3 Ultra, OpenAI gpt-oss-120b y Google Gemma 4, además de modelos de embeddings para pipelines de generación aumentada por recuperación (RAG, por sus siglas en inglés: la técnica que conecta el modelo con tus datos para que responda con información propia).

Los clientes pueden elegir entre despliegues dedicados o inferencia sin servidor con pago por uso. Akamai se encarga de la orquestación, la ejecución de los modelos y la autenticación, y las solicitudes se procesan a través de su red global para reducir latencia. La plataforma también conecta con bases de datos gestionadas y almacenamiento de objetos de Akamai Cloud, y con servicios de nube pública y privada, de modo que el modelo pueda trabajar sobre información corporativa.

¿Por qué Akamai Agent Sandbox importa más de lo que parece?

La segunda pieza responde a un problema que muchos equipos subestiman. Los agentes ya no se limitan a responder consultas: actúan en nombre del usuario y generan y ejecutan código para completar tareas. Ese código necesita un límite.

Akamai Agent Sandbox ofrece un entorno controlado donde los agentes corren sobre Akamai Functions y el código que producen se ejecuta de forma aislada. Se distribuye como componente de código abierto del framework Spin y usa aislamiento basado en WebAssembly para poner topes al cómputo, la memoria, las conexiones salientes y el acceso a capacidades del sistema. La propuesta contempla varias arquitecturas: micro máquinas virtuales con capacidad de crear instantáneas y bifurcaciones, contenedores sujetos a políticas de seguridad y funciones aisladas con WebAssembly.

El contexto competitivo es intenso. Según CryptoBriefing, Palo Alto Networks, Cisco, CrowdStrike, Okta y Zscaler ya adquirieron o lanzaron productos de seguridad para agentes de IA este año, y Akamai había presentado en junio de 2026 un marco de seguridad agéntica junto a Visa. El mismo medio señala que el lanzamiento mueve a Akamai desde la política hacia la infraestructura: un marco describe cómo deberían comportarse los agentes, un sandbox limita físicamente lo que pueden hacer.

El sandbox no es una garantía automática

Vale la pena mirar lo que pasó del otro lado del mercado. Help Net Security reportó que AWS detalló un enfoque en el que la autorización se aplica en los servicios de destino y no dentro del agente, con el argumento de que así se protege incluso si el agente es manipulado mediante inyección de prompts. Y InfoSecurity Magazine documentó dos vulnerabilidades en el SDK de Python de Amazon Bedrock AgentCore (CVE-2026-12530 y CVE-2026-16796) que permitían ejecutar comandos dentro del sandbox y alcanzar credenciales de AWS; AWS las puntuó en 7,3 bajo CVSS 3.1 y 8,4 bajo CVSS 4.0, y las corrigió en las versiones 1.6.1 y 1.18.1.

La lección es directa: el aislamiento reduce la superficie de ataque, pero no reemplaza el diseño de permisos. CryptoBriefing también reportó que AWS liberó como código abierto Strands Box el 7 de octubre de 2026, un sandbox con aislamiento a nivel de sistema operativo y controles de acción que consideran el historial del agente.

Más GPU: Blackwell Ultra y la espera por Vera Rubin

Akamai amplió su flota de GPU con clústeres NVIDIA Blackwell Ultra y trabaja para adaptar sus centros de datos a la futura plataforma NVIDIA Vera Rubin, cuya compatibilidad está prevista para 2027. La flota incluye ahora NVIDIA RTX PRO 6000 Blackwell Server Edition, orientadas a inferencia de baja latencia.

Cada nodo Blackwell Ultra integra ocho GPU, con 288 GB de memoria HBM3e por unidad, lo que suma 2,3 TB por nodo. Esa capacidad habilita cargas que exigen mucha memoria, como razonamiento avanzado y agentes que manejan contextos extensos. Los clústeres dedicados también dan a las empresas control sobre las versiones de los modelos y sus ciclos de actualización, sin las colas propias de los entornos multiusuario.

«Las empresas no deberían tener que elegir entre velocidad y control al llevar la IA a producción», señaló Jon Alexander, vicepresidente sénior de Tecnología de nube de Akamai. Su par Adam Karon, director de Operaciones y director general de Akamai Cloud, agregó que la tesis de la compañía es que la inferencia concentrará la mayor parte de la inversión empresarial.

¿Qué significa esto para tu startup?

1. Decide si tu inferencia va gestionada o dedicada, y con qué criterio. Si estás validando un producto y tu volumen es irregular, la modalidad sin servidor con pago por uso te evita comprometer capital en GPU. Si ya tienes demanda predecible y necesitas fijar la versión del modelo que usas en producción, el clúster dedicado resuelve algo que el entorno multiusuario no: que tu modelo no cambie bajo tus pies ni espere en una cola.

2. Trata el código de tus agentes como código no confiable. Antes de llevar un agente a producción, define dos límites explícitos: qué conexiones de red salientes puede abrir y cuánto cómputo y memoria puede consumir por tarea. El primero evita que un agente comprometido exfiltre datos; el segundo evita que un script descontrolado se coma el servidor donde vive.

3. No pongas la autorización dentro del agente. El enfoque que AWS describió públicamente es que el agente orquesta y los servicios de destino deciden qué se puede ver. Si tu agente consulta una base de datos o un CRM, configura esos sistemas para rechazar solicitudes no autorizadas en lugar de confiar en que el modelo filtre bien la información sensible.

4. Aprovecha la compatibilidad de API, pero no te enamores del catálogo. Las API compatibles con OpenAI reducen el costo de cambiar de proveedor, y eso es poder de negociación. Aun así, revisa qué modelos concretos necesitas y si están disponibles en más de una plataforma antes de casar tu arquitectura con un solo catálogo.

Conclusión

Akamai está apostando a que la inferencia se convierte en el centro del gasto empresarial en IA, y está armando la pila completa: modelos gestionados, ejecución aislada de agentes, GPU dedicadas y seguridad en cada capa. Para un founder, la señal más útil no es el catálogo de 12 modelos, sino el reconocimiento de que la contención de los agentes autónomos es un problema de infraestructura, no de instrucciones en el prompt. Quien diseñe sus permisos y sus límites de ejecución desde el primer día se ahorrará el incidente que otros tendrán que explicar después.