Curso de Arquitectura de IA generativa en AWS con Amazon Bedrock

Activación de Amazon Bedrock dentro de una cuenta AWS.

Acceso actual a Foundation Models desde el Model Catalog.

Acceso a modelos habilitado por defecto en el flujo actual de Bedrock.

Selección de Región.

Disponibilidad regional de modelos.

Disponibilidad regional de funcionalidades Bedrock.

IAM Users frente a IAM Roles.

IAM Identity Center.

Credenciales temporales.

AWS STS.

Principio de mínimo privilegio.

Separación entre permisos de desarrollo y producción.

Permisos para invocar modelos.

Permisos para consultar Knowledge Bases.

Permisos para utilizar Guardrails.

Permisos para AgentCore.

`iam:PassRole`.

Service Roles.

Resource-based policies cuando estén disponibles.

AWS CLI.

Boto3.

AWS SDK for JavaScript.

AWS SDK para otros lenguajes.

SigV4.

API keys de Bedrock para determinados flujos actuales.

Diferencia entre credenciales AWS y API keys específicas del servicio.

`bedrock-runtime` como endpoint recomendado para nuevas aplicaciones.

`bedrock-mantle` para funcionalidades que actualmente requieren su superficie específica.

InvokeModel.

Converse.

Responses API.

Chat Completions API.

Anthropic Messages API.

Compatibilidad OpenAI dentro de Bedrock.

Compatibilidad Anthropic dentro de Bedrock.

Diferencia entre APIs AWS-native y APIs compatibles con proveedores.

Migración de una aplicación OpenAI-compatible cambiando endpoint y autenticación cuando el modelo lo permite.

Selección de endpoint según herramientas, background inference y otras capacidades.

Cuotas del servicio.

Service Quotas.

Request throttling.

Errores de permisos.

Errores de modelo no disponible en la Región.

Configuración de entornos development, staging y production.

Separación de cuentas mediante AWS Organizations.

Etiquetado de recursos desde el primer despliegue.

Comparación técnica de Foundation Models.

Tamaño y capacidad frente a coste.

Modelos rápidos frente a modelos de razonamiento.

Modelos multimodales.

Modelos de embeddings.

Modelos especializados.

Context window.

Input tokens.

Output tokens.

Tokens de razonamiento cuando el modelo los utiliza.

Temperature.

Top P.

Max tokens.

Stop sequences.

System instructions.

Mensajes de usuario.

Mensajes de asistente.

Streaming.

Converse API como interfaz uniforme entre modelos compatibles.

Escritura de una integración que permita sustituir el modelo mediante configuración.

ConverseStream.

InvokeModel.

InvokeModelWithResponseStream.

Diferencias entre Converse e InvokeModel.

Responses API compatible con OpenAI.

Chat Completions compatible con OpenAI.

Messages API compatible con Anthropic.

El endpoint `bedrock-runtime` admite actualmente InvokeModel, Converse, Chat Completions, Responses y Messages.

Selección de API según portabilidad.

Selección según acceso a capacidades específicas del modelo.

Stateful conversations.

Stateless conversations.

Gestión manual del historial.

Gestión del contexto.

Context window overflow.

Truncado.

Resumen de conversaciones.

Streaming hacia frontend.

Server-Sent Events.

Cancelación de requests.

Timeouts.

Retries.

Exponential backoff.

Throttling.

Gestión de errores 4xx.

Gestión de errores 5xx.

Medición de latencia.

Medición de tokens.

Coste por petición.

A/B testing entre modelos.

Fallback entre modelos.

Separación del modelo de la lógica de negocio.

Bedrock como parte de una plataforma definida mediante Infrastructure as Code.

HashiCorp AWS Provider.

AWS Provider 6.62.0 como versión publicada más reciente a finales de agosto de 2026.

Organización del código Terraform por módulos.

Módulo de seguridad.

Módulo de almacenamiento.

Módulo de aplicación.

Módulo de Bedrock.

Variables por entorno.

Outputs.

Remote State.

State locking.

Separación de cuentas.

Provider aliases.

Multi-region.

IAM Roles mediante Terraform.

IAM Policies.

Service Roles.

KMS Keys.

Key policies.

S3 buckets.

Versioning.

Lifecycle.

Bucket policies.

Lambda.

API Gateway.

CloudWatch.

Log Groups.

VPC.

Interface VPC Endpoints.

AWS PrivateLink.

Secrets Manager.

Security Groups.

Tags.

Cost allocation tags.

`aws_bedrock_inference_profile`.

Application Inference Profiles soportados por el provider actual.

`aws_bedrockagent_knowledge_base`.

`aws_bedrockagent_data_source`.

Recursos de Bedrock Flows.

Recursos actuales de AgentCore soportados por el AWS Provider.

Gestión de dependencias entre Knowledge Base, IAM, S3 y almacenamiento vectorial.

Terraform import para recursos existentes.

Drift.

`terraform plan`.

Revisión de cambios sensibles.

Política de no incluir prompts, secretos o credenciales directamente en el state cuando pueda evitarse.

Cifrado del backend de Terraform.

Separación entre IaC estable y recursos creados dinámicamente por la aplicación.

Gestión de versiones del AWS Provider.

Diseño de módulos reutilizables para varias soluciones de IA.

Infraestructura efímera para entornos de desarrollo.

Promoción de configuraciones entre entornos.

GitOps aplicado a configuraciones de IA.

Diferencia entre prompt de usuario y system prompt.

Objetivo.

Contexto.

Instrucciones.

Restricciones.

Formato de salida.

Ejemplos.

Few-shot prompting.

Zero-shot prompting.

Prompt chaining.

Separación entre instrucciones y datos.

Delimitadores.

XML tags cuando el modelo los aprovecha.

Reducción de ambigüedad.

Solicitud de aclaraciones.

Control de longitud.

Prompts orientados a clasificación.

Extracción.

Resumen.

Transformación.

Generación.

Análisis.

Razonamiento.

Tool use.

Variables.

Prompt templates.

Amazon Bedrock Prompt Management.

Creación de prompts reutilizables.

Versiones.

Variants.

Comparación de variantes.

Variables `{{variable}}`.

Asociación de un modelo o inference profile.

Prompts utilizados desde aplicaciones y Flows.

Prompt Management permite versionar, probar y comparar variantes reutilizables.

Structured Outputs.

JSON Schema.

Outputs válidos y parseables.

`outputConfig.textFormat`.

Strict Tool Use.

`strict: true`.

Validación del esquema antes de invocar.

Reducción de parsers personalizados.

Structured Outputs disponibles actualmente en Converse, InvokeModel, batch y cross-region para modelos compatibles.

Tool schemas.

Validación del resultado antes de usarlo en lógica downstream.

Prompt caching.

Checkpoints.

Caching explícito.

Caching automático según modelo.

Reutilización de system prompts extensos.

Reducción de latencia.

Reducción de coste.

Prompt caching con Converse.

Prompt caching con InvokeModel.

Prompt caching con Responses API.

Compatibilidad de caching con cross-region inference.

Versionado de prompts mediante Terraform y CI/CD cuando sea apropiado.

Evaluación antes de promocionar una nueva versión.

¿Qué es Retrieval-Augmented Generation?

Limitaciones del conocimiento interno del modelo.

Separación entre conocimiento general y conocimiento corporativo.

Retrieval.

Augmented context.

Generation.

Embeddings.

Similitud semántica.

Chunking.

Overlap.

Metadata.

Vector stores.

Reranking.

Hybrid Search.

Semantic Search.

Citations.

Retrieval quality.

Generation quality.

Bedrock Managed Knowledge Base.

Customer-managed Knowledge Base.

AWS recomienda actualmente Managed Knowledge Base para nuevos escenarios que prioricen experiencia administrada, precisión y coste.

Ingesta administrada.

Storage administrado.

Indexación administrada.

Embedding model administrado.

Reranking administrado.

Agentic retrieval.

Multi-hop retrieval.

Autoscaling del almacenamiento.

Amazon S3 como fuente.

Microsoft SharePoint.

Microsoft OneDrive.

Google Drive.

Confluence.

Web Crawler.

Custom connectors.

ACL-aware retrieval.

Permisos a nivel de documento.

Recuperación respetando permisos de origen.

Managed Knowledge Bases dispone actualmente de siete tipos de conectores nativos y soporta filtrado ACL en fuentes compatibles.

Customer-managed vector stores.

Amazon OpenSearch Serverless.

Amazon OpenSearch Service.

Amazon Aurora PostgreSQL.

Amazon Neptune.

Pinecone.

Otros almacenes compatibles según configuración actual.

Amazon Neptune Analytics para escenarios GraphRAG.

Titan Embeddings y otros modelos de embeddings compatibles.

Dimensiones del vector.

Float vectors.

Binary vectors cuando sean compatibles.

Parsing.

Chunking fijo.

Chunking jerárquico.

Metadata filtering.

Reranking.

`Retrieve`.

`RetrieveAndGenerate`.

Agentic retrieval en Managed Knowledge Bases.

Direct ingestion.

Actualización de documentos.

Eliminación de documentos.

Sincronización incremental.

Evaluación de calidad antes de ampliar el corpus.

Prevención de conocimiento obsoleto.

Diseño de una estrategia de actualización del índice.

Diferencia entre RAG y memoria conversacional.

Aplicaciones que reciben documentos complejos.

PDF.

Imágenes.

Audio.

Vídeo.

Tablas.

Formularios.

Documentación escaneada.

Diferencia entre OCR y comprensión multimodal.

Bedrock Data Automation.

BDA.

Standard Output.

Custom Output.

Blueprints.

Projects.

Estado DEVELOPMENT.

Estado LIVE.

Procesamiento asíncrono.

`InvokeDataAutomationAsync`.

Extracción estructurada.

Resúmenes documentales.

Clasificación de información.

Extracción de campos.

Procesamiento de imágenes.

Transcripción y comprensión de audio.

Segmentación y resumen de vídeo.

Standard Outputs configurables según modalidad.

Custom Outputs para documentos.

Custom Outputs para imágenes.

Custom Outputs para audio.

BDA permite configurar procesamiento de documentos, imágenes, vídeo y audio y producir salida estándar o personalizada.

Diseño de blueprints.

Esquemas de salida.

Campos obligatorios.

Normalización de información.

Incorporación de resultados a un pipeline RAG.

BDA como parser de Knowledge Bases customer-managed.

Procesamiento multimodal en Managed Knowledge Bases.

Embeddings multimodales.

Indexación de contenido visual.

Recuperación de imágenes.

Metadata derivada.

S3 como landing zone.

S3 Event Notifications.

EventBridge.

Step Functions.

Lambda.

Procesamiento por lotes.

Reintentos.

Idempotencia.

Control del tamaño de archivos.

Cifrado.

Retención de originales.

Almacenamiento de resultados estructurados.

Separación entre raw, processed e indexed data.

Aplicación a contratos, informes, facturas, documentación técnica y bases documentales.

Threat model de una aplicación de IA generativa.

Datos de usuario.

Prompts.

Respuestas.

System prompts.

Datos RAG.

Tools.

Credenciales.

APIs internas.

Identidades.

Prompt Injection.

Indirect Prompt Injection.

Jailbreaks.

Prompt Leakage.

Sensitive Information Disclosure.

Excessive Agency.

Tool misuse.

Confused Deputy.

IAM como primera frontera de autorización.

Mínimo privilegio.

Roles específicos por servicio.

Separación entre identidad humana e identidad de aplicación.

AWS KMS.

Customer Managed Keys.

TLS.

Amazon Bedrock cifra datos en tránsito y proporciona mecanismos de cifrado en reposo para recursos compatibles.

Amazon VPC.

Interface VPC Endpoints.

AWS PrivateLink.

Reducción del tráfico por Internet.

VPC Flow Logs.

AWS recomienda VPC y PrivateLink para escenarios donde se necesita restringir la conectividad de datos.

Model providers y aislamiento de datos dentro del servicio.

Los proveedores de modelos no tienen acceso a los logs, prompts o completions procesados en las cuentas de despliegue de modelos de Bedrock.

Data Retention.

Configuración de retención a nivel de cuenta o proyecto en las APIs compatibles.

Zero Data Retention cuando la configuración y el modelo lo permiten.

Amazon Bedrock Guardrails.

Content Filters.

Hate.

Insults.

Sexual.

Violence.

Misconduct.

Prompt Attack.

Denied Topics.

Word Filters.

Sensitive Information Filters.

PII masking.

PII blocking.

Custom regex.

Contextual Grounding.

Automated Reasoning Checks.

Standard Tier.

Classic Tier.

Prompt Leakage detection disponible en Standard Tier.

Detección específica de jailbreak, prompt injection y prompt leakage.

Guardrails sobre entrada.

Guardrails sobre salida.

Guardrails asociados a Knowledge Bases.

Guardrails asociados a Flows.

Guardrails dentro de arquitecturas agénticas.

`ApplyGuardrail`.

`InvokeGuardrailChecks`.

Evaluación detect-only con puntuaciones para desarrollar lógica adaptativa.

Necesidad de mantener autorización y validaciones críticas fuera del LLM.

Logging de contenido bloqueado y consideraciones de privacidad.

Test periódico de Guardrails ante nuevas técnicas de ataque.

Diferencia entre chatbot y agente.

LLM con tools.

Planning.

Reasoning.

Action.

Observation.

Agent loop.

Tool calling.

Memoria.

Identidad.

Policy enforcement.

Observabilidad de agentes.

Amazon Bedrock AgentCore.

AgentCore como plataforma actual para construir, ejecutar y gobernar agentes.

Compatibilidad con distintos modelos.

Compatibilidad con frameworks abiertos.

Strands Agents.

LangGraph.

CrewAI.

LlamaIndex.

OpenAI Agents SDK.

Google ADK.

Runtime.

Runtime serverless.

Session isolation.

Async agents.

Agentes multimodales.

AgentCore Harness.

Managed agent loop.

System prompt.

Tools.

Memory.

Orchestration.

Sesiones en microVM aisladas.

AgentCore Memory.

Short-term Memory.

Long-term Memory.

Separación entre memoria conversacional y conocimiento RAG.

AgentCore Gateway.

AgentCore Policy.

AgentCore Registry.

Observability.

Browser.

Code execution cuando la arquitectura lo permita.

Identidad para agentes.

Autorización de tools.

AgentCore Gateway como entrada segura a APIs, herramientas, otros agentes y modelos.

MCP.

Transformación de APIs y Lambda en herramientas compatibles con MCP.

Políticas deterministas antes de ejecutar acciones.

Cedar.

Tool allowlisting.

Condiciones sobre acciones.

Catálogo gobernado de tools y agents.

AgentCore puede utilizarse con modelos de Bedrock y también con modelos externos.

Bedrock Agents pasa a denominarse Agents Classic y ya no está abierto a nuevos clientes; para nuevas arquitecturas AWS dirige hacia AgentCore.

Diferencia entre memoria de agente y estado de la aplicación.

Human-in-the-loop.

Confirmación antes de acciones sensibles.

Límites de iteraciones.

Límites de coste.

Timeouts.

Kill switches.

Diseño de agentes con blast radius limitado.

Diferencia entre generar texto y ejecutar una acción.

Client-side Tool Use.

Server-side Tool Use.

Tool specification.

JSON Schema.

Tool name.

Description.

Tool input.

Strict Tool Use.

Validación del input antes de ejecutar.

Lambda como herramienta.

APIs internas.

Bases de datos.

Sistemas SaaS.

Búsqueda.

Operaciones empresariales.

El modelo propone una llamada pero la aplicación mantiene la decisión de ejecutarla en client-side tool use.

Tool results.

Continuación de la conversación.

Retries.

Idempotencia.

Acciones read-only.

Acciones de escritura.

Clasificación por impacto.

Human approval.

Separación de tools por nivel de privilegio.

MCP.

MCP Server.

MCP Client.

Tool discovery.

AgentCore Gateway.

Gateway como MCP server agregado.

Exposición segura de Lambda.

Exposición segura de APIs HTTP.

Conexión a MCP servers existentes.

Resource policies.

OAuth y autenticación cuando proceda.

Mínimo privilegio por tool.

Policy enforcement antes de ejecución.

Amazon Bedrock Flows.

Workflow generativo.

Flow input node.

Prompt node.

Knowledge Base node.

Lambda node.

Conditions.

Flow output.

Integración de Prompt Management.

Guardrails dentro de nodos.

Creación de workflows reproducibles sin implementar manualmente toda la orquestación.

Bedrock Flows conecta nodos que representan recursos Bedrock y servicios relacionados dentro de un flujo declarativo.

Versionado del flujo.

Alias.

Terraform para Flows.

Separación entre Flows deterministas y agentes con toma de decisiones dinámica.

Elección entre código propio, Flows y AgentCore.

Protección frente a Tool Injection.

Sanitización de resultados de herramientas antes de reintroducirlos en el contexto.

Auditoría de cada acción ejecutada.

Por qué una demostración satisfactoria no equivale a una aplicación fiable.

Dataset de evaluación.

Golden Dataset.

Ground truth.

Casos normales.

Edge cases.

Casos adversariales.

Versionado del dataset.

Evaluación antes de cambiar de modelo.

Evaluación antes de modificar prompts.

Evaluación antes de modificar RAG.

Automatic Model Evaluation.

Human Evaluation.

LLM-as-a-Judge.

Evaluator Model.

Generator Model.

Correctness.

Completeness.

Relevance.

Coherence.

Style.

Toxicity.

Robustness.

Custom Metrics.

Bedrock permite evaluaciones automáticas, humanas y mediante otro LLM como juez.

Comparación entre varios modelos.

Evaluación de inference profiles.

Evaluación de modelos externos mediante respuestas pre-generadas.

RAG Evaluation.

Retrieval evaluation.

Context relevance.

Response generation quality.

Ground truth para RAG.

Evaluación de Knowledge Bases.

Evaluación de fuentes RAG externas.

Bedrock permite evaluar tanto modelos como Knowledge Bases y fuentes RAG externas.

Hallucination rate.

Citation correctness.

Retrieval recall.

Retrieval precision.

Evaluación de metadata filters.

Evaluación de reranking.

Evaluación de Guardrails.

Prompt injection tests.

Leakage tests.

Tool misuse tests.

Regression suite.

Thresholds mínimos.

Quality Gates.

Integración de evaluaciones en CI/CD.

Comparación antes/después.

Evaluaciones periódicas sobre tráfico representativo.

A/B testing.

Shadow testing.

Diferencia entre evaluación offline y monitorización online.

Calidad frente a coste.

Calidad frente a latencia.

Decisiones de promoción basadas en métricas y no únicamente en percepción humana.

Estrategias para evitar dependencia de un único modelo.

Abstraction Layer.

Model Registry lógico de la aplicación.

Configuración externa del Model ID.

Fallback.

Routing por caso de uso.

Routing por complejidad.

Routing por latencia.

Routing por coste.

Routing por modalidad.

Intelligent Prompt Routing.

Elección dinámica entre modelos de una misma familia.

Predicción de calidad.

Fallback model.

Response Quality Difference.

Default Prompt Routers.

Configured Prompt Routers.

Prompt Routing busca optimizar conjuntamente calidad y coste sin implementar toda la lógica de routing en la aplicación.

Limitaciones de Intelligent Prompt Routing.

Evaluación propia antes de producción.

Model lifecycle.

Active.

Legacy.

End-of-Life.

Plan de sustitución.

Compatibilidad de APIs.

Pruebas de regresión al cambiar versión.

Model customization.

Fine-tuning cuando el modelo sea compatible.

Datos de entrenamiento.

Validation data.

Protección de información confidencial.

KMS en custom models.

Model Distillation.

Teacher Model.

Student Model.

Datos sintéticos.

Transferencia de capacidad hacia modelos menores.

Reducción de coste.

Reducción de latencia.

Especialización.

Bedrock Model Distillation utiliza un modelo teacher para generar datos que mejoran un modelo student más pequeño para un caso de uso concreto.

Custom Model Import.

Modelos de Bedrock Marketplace.

Evaluación de modelos personalizados frente al modelo base.

Decision record sobre el modelo seleccionado.

Revisión de EOL policy antes de construir una dependencia estratégica.

Automatización de alertas sobre modelos Legacy.

Diseño de migraciones sin interrupción del servicio.

Arquitectura serverless de Bedrock.

On-demand inference.

Provisioned Throughput.

Batch Inference.

Selección del modelo de consumo.

Requests por segundo.

Tokens por minuto.

Latencia.

Throughput.

Concurrency.

Throttling.

Quotas.

Retries con backoff.

Jitter.

Timeouts.

Circuit breaker a nivel de aplicación.

Model fallback.

Graceful degradation.

Cross-Region Inference.

Inference Profiles.

Geographic Cross-Region.

Global Cross-Region.

Perfiles geográficos para mantener procesamiento dentro de una geografía como EU, US o APAC.

Global profiles para maximizar capacidad disponible.

Consideraciones de residencia de datos.

IAM para cross-region.

Service Control Policies.

Application Inference Profiles.

Cost allocation mediante tags.

Seguimiento del uso.

Inference Profiles permiten combinar routing y medición de consumo/coste por aplicación.

Prompt caching.

Reducción de tokens procesados repetidamente.

Caché de instrucciones.

Caché de contexto estático.

Batch para workloads no interactivos.

Async processing.

SQS.

EventBridge.

Step Functions.

Concurrency control.

Token budgets.

Cost budgets.

AWS Budgets.

Cost Explorer.

Cost allocation tags.

Coste por conversación.

Coste por usuario.

Coste por feature.

Coste por modelo.

Coste de embeddings.

Coste de reranking.

Coste de Guardrails.

Coste de Knowledge Bases.

Coste de AgentCore.

Coste de almacenamiento vectorial.

Coste de logs.

Selección de modelos pequeños para tareas sencillas.

Escalado hacia modelos potentes únicamente cuando es necesario.

Routing basado en dificultad.

Sampling de telemetría.

Límites de contexto.

Summarization de historiales largos.

Prevención de loops agénticos.

Límites máximos de tool calls.

Presupuestos por sesión.

Diseño de SLO de latencia y coste.

Necesidad de observabilidad específica para aplicaciones generativas.

Métricas de infraestructura.

Métricas de inferencia.

Métricas de modelo.

Métricas de aplicación.

Métricas de calidad.

Métricas de seguridad.

CloudWatch Metrics.

CloudWatch Logs.

Model Invocation Logging.

Amazon S3 como destino de logs.

Request metadata.

Input tokens.

Output tokens.

Latencia.

Errores.

Throttling.

Guardrail interventions.

Knowledge Base latency.

Retrieval latency.

Tool latency.

Agent iteration count.

Tool call count.

Conversation duration.

CloudTrail.

Management events.

Auditoría de creación y modificación de recursos.

Trazabilidad de cambios de Guardrails.

Cambios de Knowledge Bases.

Cambios de prompts.

Cambios de IAM.

AWS Config cuando resulte aplicable.

AgentCore Observability.

OpenTelemetry.

Traces.

Spans.

Correlation IDs.

Seguimiento end-to-end.

Frontend → API → Bedrock → RAG → tool.

Separación entre logs técnicos y contenido del usuario.

Riesgo de almacenar prompts sensibles.

Redaction.

Data minimization.

Retention policies.

CloudWatch alarms.

Error rate.

p95.

p99.

Token consumption.

Cost anomalies.

Invocation failures.

Guardrail blocks.

Knowledge Base ingestion failures.

Debugging de `AccessDenied`.

Debugging de `ValidationException`.

Debugging de throttling.

Debugging de Model ID.

Debugging de inference profiles.

Debugging de cross-region permissions.

Debugging de RAG sin resultados relevantes.

Debugging de alucinaciones.

Debugging de tool calls.

Separación entre fallo del modelo y fallo de arquitectura.

Runbooks.

Incident Response.

Rollback de prompt.

Rollback de modelo.

Rollback de Guardrail.

Rollback de Knowledge Base.

Kill switch para agentes.

Evidencias necesarias para comparar incidencias y degradaciones de calidad.

Organización de una plataforma de IA generativa empresarial en AWS.

Cuenta de desarrollo.

Cuenta de preproducción.

Cuenta de producción.

Shared Services.

AWS Organizations.

Service Control Policies.

IAM Identity Center.

Permission boundaries.

Least privilege.

Resource tagging.

Data classification.

Selección de Regiones autorizadas.

Residencia de datos.

VPC Endpoints.

PrivateLink.

KMS.

Secrets Manager.

CloudTrail.

CloudWatch.

AWS Config.

Security Hub cuando corresponda.

GuardDuty en la infraestructura asociada.

Macie sobre buckets S3 con información sensible.

AWS WAF delante de aplicaciones expuestas.

Amazon Cognito.

API Gateway.

Lambda.

ECS/Fargate.

EKS.

Selección de runtime según necesidades.

Arquitecturas síncronas.

Arquitecturas event-driven.

API pública frente a APIs internas.

Autenticación de usuario.

Autorización por tenant.

Aislamiento multi-tenant.

Separación de conversaciones.

Memoria por usuario.

RAG con ACL.

Controles de autorización antes del retrieval.

Controles antes de ejecutar tools.

Terraform como fuente de verdad de infraestructura.

Pull Requests.

`terraform fmt`.

`terraform validate`.

`terraform plan`.

Policy-as-Code.

Checkov, tfsec u opciones equivalentes según stack corporativo.

CI/CD.

Promoción Dev → Pre → Prod.

Versionado de prompts.

Versionado de Guardrails.

Versionado de Flows.

Versionado de Knowledge Base configuration.

Evaluation Gates.

Security Gates.

Canary release.

Feature flags.

Selección del modelo mediante configuración.

Rollback.

Gestión de quotas.

Gestión de presupuestos.

FinOps para IA generativa.

Model lifecycle management.

Inventario de modelos utilizados.

Inventario de datos conectados.

Inventario de tools.

Inventario de agentes.

Ownership.

Runbooks.

RTO.

RPO para recursos persistentes.

Continuidad ante indisponibilidad regional.

Cross-Region Inference como mecanismo de capacidad y resiliencia.

Separación entre políticas de IA y políticas de negocio.

Revisión periódica de permisos.

Revisión periódica de Guardrails.

Revisión periódica de evals.

Arquitectura preparada para sustituir modelos, proveedores o componentes sin rediseñar todo el producto.