Aplicaciones de los modelos fundacionales
Qué aprenderá
En este dominio se aprenden los principales servicios de IA/ML que ofrece AWS. El tema central es saber cuándo usar Amazon Bedrock (API de modelos fundacionales), Amazon SageMaker (plataforma de aprendizaje automático), Amazon Q (asistente para empresas) y los servicios de IA de uso específico (Comprehend, Rekognition, Transcribe, etc.). Es el dominio de mayor tamaño, ya que representa el 28 % de las preguntas del AIF-C01.
Puntos clave
- Amazon Bedrock: servicio que permite invocar varios modelos fundacionales mediante una API unificada. Se pueden usar de forma sin servidor los modelos de proveedores como Anthropic o Meta, junto con Nova, el modelo propio de Amazon
- Bedrock Prompt Management: guarda prompts con variables, compara variantes y permite llamar desde la aplicación a una versión concreta
- Amazon SageMaker: plataforma de ML que da soporte de principio a fin, desde la preparación de los datos hasta el desarrollo, el entrenamiento y el despliegue del modelo
- Amazon Q: asistente de IA generativa para empresas. Existen Q Developer (asistencia al desarrollo) y Q Business (búsqueda de documentos internos)
- IA de uso específico: Comprehend (análisis de texto), Translate (traducción), Transcribe (voz→texto), Polly (texto→voz), Rekognition (análisis de imágenes y vídeo), Textract (extracción de texto de documentos)
- Búsqueda, conversación y revisión: Kendra (búsqueda semántica de documentos internos), Lex (bots conversacionales), Personalize (recomendaciones) y A2I (revisión humana de los resultados de la IA)
- Bedrock Knowledge Bases: función de Bedrock que permite implementar RAG fácilmente con datos propios
- Destilación de modelos: personalización que entrena un modelo pequeño (alumno) con las respuestas de un modelo grande (profesor) para reducir el coste y la latencia de la inferencia
- Bedrock Agents: función que permite construir, sobre Bedrock, agentes de IA que ejecutan varios pasos de forma autónoma
- Agentes de IA: dividen una petición en pasos, llaman a herramientas y llevan el trabajo hasta el final de forma autónoma. Un ejemplo de SDK para crearlos es Strands Agents, y la plataforma para ejecutarlos en producción es Bedrock AgentCore
- Evaluación de los modelos fundacionales: además de los bancos de pruebas (benchmarks), la evaluación en la que personas puntúan las respuestas (human-in-the-loop) y LLM-as-a-judge (evaluación de modelos de Bedrock), se comprueba la alineación con los objetivos de negocio mediante la tasa de tareas completadas, la satisfacción y el coste por interacción
- Bedrock Guardrails: función de barandillas para evitar comentarios inapropiados o la fuga de información personal
Términos y conceptos
Amazon Bedrock
Es un servicio totalmente gestionado que permite invocar mediante una única API los modelos fundacionales de varios proveedores (a agosto de 2026, los modelos de Anthropic, Meta y Mistral AI, junto con Nova, el modelo propio de Amazon, entre otros; el catálogo sigue ampliándose). Se usa de forma sin servidor y, como funciones adicionales, ofrece Knowledge Bases (RAG), Agents, Guardrails, entre otras.
→ Selección de modelos en Bedrock / → Amazon Bedrock Glosario
Bedrock Prompt Management
Amazon Bedrock Prompt Management es la función para crear, probar y guardar prompts reutilizables (a octubre de 2026). Se pueden incluir variables en el prompt y sustituir sus valores según el uso, y comparar la salida de varias propuestas (variantes) con distintos modelos o parámetros de inferencia para elegir la mejor. Durante la mejora se guardan versiones, y la aplicación llama al prompt indicando la versión, de modo que se pueden probar versiones nuevas mientras en producción se sigue usando la versión ya verificada.
Amazon SageMaker
Es una plataforma que da soporte a todas las fases del desarrollo de modelos de ML (preparación de datos, entrenamiento, evaluación, despliegue y operación). Ofrece desarrollo con SageMaker Studio, entrenamiento con SageMaker Training e inferencia en producción con SageMaker Endpoint. Es muy potente cuando se desea crear un modelo propio desde cero.
→ Desarrollo de ML con SageMaker / → Amazon SageMaker Glosario
Amazon Q (Q Developer / Q Business)
Amazon Q es el asistente de IA generativa para empresas que ofrece AWS. Q Developer asiste en la generación y revisión de código y en la operación de recursos de AWS; Q Business es un asistente de conocimiento interno que responde mediante RAG a partir de los documentos internos. Se puede empezar a usar de inmediato en modalidad SaaS.
→ IA empresarial con Q Business / → Asistencia a la programación con Q Developer
Cuándo usar cada servicio de IA de uso específico
Comprehend (análisis de sentimiento, extracción de entidades), Translate (traducción automática), Transcribe (voz→texto), Polly (texto→voz), Rekognition (detección facial, detección de objetos, moderación de contenido) y Textract (extracción de texto estructurado de PDF e imágenes) son API optimizadas para cada uso. Se pueden implementar de forma sencilla, rápida y a bajo coste.
→ Análisis de NLP con Comprehend / → Análisis de imágenes con Rekognition
Bedrock Guardrails y Knowledge Bases
Knowledge Bases es la función de Bedrock que construye RAG a partir de fuentes de datos como S3, automatizando la búsqueda y la integración con el prompt. Guardrails es un filtro que bloquea contenido inapropiado, información personal, temas concretos, etc., y garantiza la seguridad necesaria para el uso empresarial.
Destilación de modelos
La destilación de modelos es una personalización que usa las respuestas de un modelo grande y capaz (profesor) para entrenar, para un uso concreto, un modelo pequeño, rápido y barato (alumno). En la destilación de modelos de Amazon Bedrock, se hace que el profesor genere respuestas a partir de los prompts preparados o se usan las respuestas del profesor que quedan en los registros de invocaciones de producción, y con esas respuestas se aplica ajuste fino al alumno (a octubre de 2026). En coste de personalización, lo más barato es trabajar el prompt (aprendizaje en contexto), y la carga aumenta en el orden RAG, ajuste fino y preentrenamiento. La destilación requiere el esfuerzo del entrenamiento, pero, como el modelo resultante es pequeño, permite reducir el coste y la latencia de la inferencia durante la operación.
El papel de los agentes de IA y su uso en el negocio
Un agente de IA es un mecanismo que divide la petición del usuario en pasos, reúne la información necesaria, llama a API y herramientas y lleva el trabajo hasta el final. En el negocio se usa para responder consultas y ejecutar trámites, automatizar procesos que abarcan varios sistemas y elaborar informes a partir de la investigación de datos internos. También hay servicios, como AWS Transform, que encargan a agentes la migración de aplicaciones y servidores antiguos. Para las herramientas con las que se crean los agentes y la plataforma para ejecutarlos en producción, consulte "Herramientas de AWS para crear IA generativa" en "Aspectos básicos de la IA generativa". También existe Amazon Bedrock Agents, que se crea configurándolo dentro de Bedrock (a octubre de 2026).
→ Modernización de mainframes con AWS Transform / → Amazon Bedrock Glosario
Cómo realizar la evaluación y alinearla con los objetivos de negocio
El rendimiento de un modelo fundacional se mide combinando la evaluación automática con conjuntos de datos de referencia (benchmarks) ya preparados, la evaluación en la que personas puntúan las respuestas (human-in-the-loop) y LLM-as-a-judge, que hace que otro LLM puntúe. En la evaluación de modelos de Amazon Bedrock a octubre de 2026, además de estos tres métodos, también se puede evaluar la recuperación y las respuestas de RAG que usa Knowledge Bases. Que las métricas den buenos valores no garantiza que el modelo sea útil para el negocio. También se comprueban métricas vinculadas a los objetivos de negocio, como la tasa de tareas completadas (la proporción de peticiones resueltas hasta el final), la satisfacción de los usuarios y el coste por interacción.
Diferencia entre Kendra y Q Business
Kendra es un motor de búsqueda empresarial basado en aprendizaje automático que busca los documentos internos por su significado y devuelve "los documentos o pasajes pertinentes". Q Business, además de buscar, es un asistente terminado en el que la IA generativa construye y devuelve "la propia respuesta". Es decir, el contraste entre ambos es que Kendra es una pieza de búsqueda (utilizable también en el lado de recuperación de RAG), mientras que Q Business es una solución lista para usar que incluye búsqueda y generación.
→ Búsqueda empresarial con Kendra / → IA empresarial con Q Business
Personalize / Lex / A2I
Personalize es un servicio de recomendaciones basado en la tecnología de recomendación de Amazon.com que hace posible la personalización del tipo "quien vio este producto también vio estos". Lex es un servicio para construir chatbots de voz y texto que utiliza la misma tecnología conversacional que Alexa y se emplea, por ejemplo, en la respuesta automática de los centros de contacto. A2I (Augmented AI) es un servicio para construir flujos de trabajo que derivan a revisores humanos solo los resultados de inferencia de la IA con baja confianza, y se usa en combinación con Textract o Rekognition.
→ Motor de recomendaciones con Personalize / → Construcción de chatbots con Lex / → Textract y la revisión humana con A2I