AWS Bedrock AgentCore: cómo llevar agentes IA a producción

Por qué la mayoría de los agentes IA no sale del piloto

El 40% de las empresas retirará o desactivará agentes de IA autónomos antes de 2027 por fallos de gobernanza descubiertos tras incidentes en producción, según una predicción de Gartner publicada en mayo de 2026 y recogida por HPCwire. IDC, en colaboración con Lenovo, eleva el dato aún más: el 88% de las empresas con iniciativas de agentes no llega a producción, según reporta Yahoo Finance.

La brecha entre la demo y el sistema confiable es exactamente el problema que Amazon Bedrock AgentCore aborda. AWS lanzó la página de producto el 9 de septiembre de 2026, con la tesis de que la infraestructura operativa (runtime, memoria, identidad, observabilidad) puede venir dada, no reconstruida por cada equipo.

Qué ofrece exactamente AgentCore

Según la página oficial de AWS, AgentCore es una plataforma gestionada que entrega cinco piezas clave para agentes en producción:

• Runtime gestionado: despliega la lógica del agente sin redefinir la arquitectura cada vez.
• Memoria persistente entre sesiones.
• Identidad propia para cada agente.
• Observabilidad de su comportamiento real en producción.
• Gateway de herramientas con credenciales centralizadas, que nunca entran al loop del agente.

El componente de seguridad se apoya en políticas Cedar — la misma tecnología detrás de Amazon S3 y AWS IAM — evaluadas en cada llamada de herramienta y verificadas con razonamiento automatizado. AWS describe el patrón como "el agente orquesta, no hace de portero: la autorización la aplican los servicios downstream", una arquitectura detallada por Help Net Security el 20 de agosto de 2026. La consecuencia práctica: aunque un atacante manipule al agente por prompt injection, los servicios siguientes (DynamoDB, Bedrock Knowledge Bases, Salesforce, etc.) rechazan cualquier request que exceda los permisos del usuario humano detrás de la llamada.

AgentCore es neutro en modelos y agnóstico de frameworks: soporta modelos de Anthropic, OpenAI, Amazon Nova y opciones de código abierto, e integra LangGraph, CrewAI, Strands, OpenAI Agents SDK y frameworks personalizados. Cambiar de modelo no obliga a refactorizar el agente.

Los cinco problemas que AWS promete resolver

La página oficial enumera los cuellos de botella típicos que viven las organizaciones que escalan agentes:

1. La brecha de producción: meses construyendo identidad, memoria y observabilidad antes de que cada nuevo agente ejecute una sola acción. AgentCore ofrece esa base desde el día uno.
2. Puntos ciegos de gobernanza: la demo funciona, pero en producción se descubren brechas. AgentCore permite limitar qué puede acceder y hacer cada agente, y auditar después el comportamiento real.
3. Proliferación sin control: los agentes se multiplican más rápido de lo que se monitorean. Aquí entra AWS Agent Registry.
4. Costo imprevisible: el gasto por agente, equipo y proyecto se atribuye por principal IAM, visible en la factura habitual de AWS. Se complementa con caching de prompts, prompt routing, destilación de modelos e inferencia por lotes para optimizar costo de forma automática.
5. Miedo al lock-in y agentes de código aislados: se ejecuta la lógica del agente en la nube con memoria compartida, para que los coding agents (como Kiro o Claude Code) compartan contexto entre desarrolladores.

AWS Agent Registry: el catálogo central que faltaba

El 31 de agosto de 2026, según Unite.ai, AWS hizo Generally Available AWS Agent Registry, el catálogo centralizado donde registrar MCP servers, agentes (con su tarjeta Agent2Agent), skills y recursos personalizados, con flujo de aprobación de borrador → pendiente → aprobado/rechazado.

El servicio introduce el concepto de "shadow AI": cuando un admin habilita endpoint detection a nivel de AWS Organizations, el registro autodetecta agentes y MCP servers corriendo en AgentCore Runtime y Gateway a través de cuentas y los incorpora como borradores al flujo de revisión.

Empresas citadas como usuarias o early adopters incluyen Southwest Airlines, Syngenta, Sony, Mitsubishi Electric, PepsiCo y Amdocs. En el lado de partners, Informatica, Check Point, PwC Australia, Caylent y Slalom.

Modelo de precios

El registro se cobra por consumo, con free tier mensual: 5.000 registros, 1.000.000 de Search API calls y 2.000.000 de Get/List API calls. Por encima:

• Registros: USD 0,40 por cada 1.000 registros al mes.
• Search API calls: USD 0,020 por cada 1.000 invocaciones.
• Get/List API calls: USD 0,004 por cada 1.000 invocaciones.

Disponible en US East (N. Virginia), US West (Oregon), Europe (Ireland), Asia Pacific (Tokyo) y Asia Pacific (Sydney), según Unite.ai.

El dinero confirma el problema: USD 435M en 5 meses para seguridad de agentes

Yahoo Finance reportó que entre abril y septiembre de 2026 los inversores de venture capital pusieron USD 435 millones en 12 rondas de empresas de seguridad y gobernanza de agentes IA. El reporte cita tres ejemplos concretos:

• AIR: USD 50M en seed (USD 10M de Sequoia + USD 40M de Greenoaks) para actuar como firewall inline de skills, plugins y MCP servers; según su CEO, filtra ya el 27% de los add-ons que encuentra como potencialmente riesgosos.
• Zenity: USD 125M Serie C en agosto (liderada por Norwest, con SoftBank Vision Fund 2, Hitachi Ventures y LG Technology Ventures). Monitorea acciones de agentes en tiempo real y puede bloquear o alterar desviaciones. Sus ingresos se han triplicado anualmente durante los últimos dos años.
• Arga Labs: USD 10M liderada por General Catalyst para construir gemelos digitales de software empresarial (Salesforce, Workday, clientes de correo) donde probar agentes antes de llevarlos a producción.
• Alice: USD 140M liderada por Apax Digital Funds. Cerca de USD 100M de ARR, con 500% de crecimiento en su negocio de IA en dos años; ocho de los diez principales AI model labs usan su plataforma.

Solo Zenity y Alice suman USD 265M, el 61% del capital total del sector en cinco meses, según el mismo reporte. La señal es clara: el cuello de botella para escalar agentes no es el modelo, es la infraestructura operativa que lo gobierna.

Caso ADP: agentes en producción a escala 1,1M de clientes

El 8 de septiembre de 2026, AWS y ADP anunciaron una expansión de su alianza estratégica. ADP sirve a más de 1,1 millones de clientes en 140 países y procesa nóminas para unos 42 millones de asalariados.

ADP Assist, construido sobre Amazon Bedrock AgentCore, funciona como conjunto de agentes propósito-built para empleados, managers, profesionales de HR y nómina, que piensan, planifican y actúan bajo supervisión humana, según el comunicado recogido por Yahoo Finance. La plataforma Lyric HCM integra ADP Assist y, según el reporte, redujo más del 50% ciertos pasos críticos del onboarding de clientes al implementar un proceso generativo con IA.

¿Qué significa esto para tu startup?

Si ya tienes un agente en producción o estás a punto de tenerlo, esta conversación te toca. Los datos confirman lo que muchos founders intuyen: la pregunta no es si tu agente puede hacer la tarea, sino si lo puedes defender en una revisión de incidente seis meses después.

El error más caro, según el análisis publicado por HPCwire, es tratar el acceso y la autonomía del agente como una sola cosa. No lo son. La autonomía (qué decisiones toma el agente) se gobierna con prompts y revisión humana; el acceso (a qué puede llegar) se gobierna con políticas de identidad que el agente no puede saltarse. Mezclar ambos deja al descubierto los tres patrones que aparecen en casi todos los incidentes:

1. Acceso heredado, no diseñado: el agente usó las credenciales del ingeniero que lo desplegó o una API key compartida. La encuesta de Gravitee de 2026 sobre 900 ejecutivos cifra que el 46% de los equipos aún depende de API keys compartidas y solo el 22% trata a los agentes como entidades con identidad propia.
2. Sin dueño claro en el organigrama: el equipo de plataforma dio el acceso, el de negocio escribió el prompt, el vendor provee el framework. Nadie es dueño formal.
3. Evidencia que nunca se captura: un agente deja 400 queries ejecutadas y una factura grande, pero no qué sabía cuando actuó ni por qué eligió ese camino. Sin trazas, el incidente se cierra rebajando autonomía.

Acciones concretas que puedes tomar esta semana

• Asigna una identidad propia a cada agente en producción. No uses credenciales de desarrollador ni API keys compartidas. Esto ya es un estándar en IAM maduros y la mayoría de los stacks Cloud lo soportan sin coste adicional.
• Separa el prompt de la política. Cualquier instrucción tipo "no toques la tabla de producción" debe traducirse a una política que elimine la opción, no a una sugerencia que el modelo puede ignorar bajo presión de contexto. Si tu plataforma actual no soporta esto, evalúa mover la pieza crítica a un runtime gestionado.
• Instrumenta la trazabilidad hoy. Sin logs del razonamiento, contexto y validaciones previas a cada acción, no podrás responder en el post-mortem qué decidió el agente ni por qué. La trazabilidad se diseña antes, no se improvisa después.

Fuentes

• AWS — Crie e entregue agentes de IA: do piloto à produção (fuente original)
• Help Net Security — AWS limits AI agents' data access, even when manipulated
• Unite.ai — AWS Agent Registry Reaches General Availability
• Yahoo Finance — ADP Partners with AWS to Accelerate AI-Powered Innovation
• HPCwire — Autopsy of an Agent Incident: Three Patterns Behind Gartner's 40% Failure Rate
• Yahoo Finance — Enterprise AI Agent Funding Surges to $435M in Five Months