AWS amplía Bedrock AgentCore con controles de política, suite de evaluación y función de memoria
Puntos clave
- AWS agrega una función de política para establecer límites de lenguaje natural para los agentes de inteligencia artificial.
- La política se integra con la puerta de enlace AgentCore para hacer cumplir automáticamente las reglas.
- AgentCore Evaluations proporciona 13 métricas preconstruidas para la corrección, la seguridad y la selección de herramientas.
- La capacidad de memoria permite a los agentes retener las preferencias de los usuarios para interacciones personalizadas.
- El vicepresidente David Richardson destacó el enfoque de tres capas de política, memoria y evaluación.
- Las actualizaciones tienen como objetivo hacer que los agentes de inteligencia artificial empresarial sean más seguros, controlables y útiles.
Amazon Web Services presentó una trilogía de mejoras a su plataforma Bedrock AgentCore en la conferencia re:Invent. La nueva herramienta de política permite a los desarrolladores establecer límites de lenguaje natural para los agentes de inteligencia artificial, incluyendo límites de acceso a datos y límites de transacciones, mientras se integra con la puerta de enlace AgentCore para hacer cumplir esas reglas. Una suite de evaluaciones preconstruida ofrece 13 métricas para monitorear la corrección, la seguridad y la precisión de la selección de herramientas. Finalmente, AgentCore Memory permite a los agentes retener un registro persistente de las preferencias de los usuarios, lo que permite interacciones más personalizadas. El vicepresidente David Richardson enfatizó que estas capas juntas tienen como objetivo hacer que los agentes de inteligencia artificial empresarial sean más seguros, controlables y útiles con el tiempo.
Presentando controles de política para interacciones de agentes más seguras
En AWS re:Invent, Amazon Web Services anunció la adición de una función de política a su plataforma Bedrock AgentCore. La política permite a los desarrolladores definir límites de interacción para los agentes de inteligencia artificial utilizando declaraciones de lenguaje natural. Estas restricciones se hacen cumplir a través de la puerta de enlace AgentCore, que automáticamente verifica cada acción propuesta y bloquea cualquier que viola los controles escritos. Los casos de uso destacados incluyen limitar la capacidad de un agente para emitir reembolsos hasta una cantidad determinada y requerir aprobación humana para transacciones más grandes, así como restringir el acceso a conjuntos de datos internos o servicios de terceros como Salesforce y Slack.
AgentCore Evaluations: una herramienta de garantía de calidad lista para usar
Para abordar las preocupaciones sobre la confiabilidad de los agentes de inteligencia artificial, AWS introdujo AgentCore Evaluations, una colección de 13 sistemas de evaluación preconstruidos. La suite monitorea factores como la corrección factual, el cumplimiento de la seguridad y la precisión de la selección de herramientas. Al proporcionar estas métricas listas para usar, AWS tiene como objetivo reducir el esfuerzo de desarrollo necesario para construir soluciones de monitoreo personalizadas, lo que da a las empresas un camino más rápido hacia implementaciones de agentes confiables.
Capacidad de memoria que permite experiencias personalizadas y persistentes
La nueva función AgentCore Memory permite a los agentes retener un registro duradero de la información del usuario acumulada a lo largo de múltiples interacciones. Los ejemplos citados incluyen almacenar las horas de vuelo preferidas de un viajero o sus opciones de hotel. Con esta historia, los agentes pueden adaptar futuras recomendaciones y decisiones, lo que crea una experiencia de usuario más fluida y personalizada.
Perspectiva estratégica y contexto de la industria
David Richardson, vicepresidente de AgentCore, enmarcó estos lanzamientos como una iteración coordinada en tres capas: aplicación de políticas, razonamiento mejorado con memoria y evaluación robusta. Mientras que algunos observadores de la industria dudan de la longevidad de los agentes de inteligencia artificial, Richardson argumentó que la combinación de poder de razonamiento y integración de herramientas del mundo real posiciona a los agentes como un patrón sustentable, incluso a medida que evolucionan las aplicaciones específicas.
Implicaciones para la adopción empresarial
El lanzamiento combinado de Policy, Evaluations y Memory está diseñado para reducir las barreras para que las empresas adopten agentes de inteligencia artificial a gran escala. Al proporcionar controles de seguridad integrados, monitoreo de calidad y personalización, AWS espera abordar las principales preocupaciones que han frenado una implementación más amplia. Los anuncios señalan el compromiso de AWS de hacer que los agentes de inteligencia artificial sean un componente confiable de la pila de tecnología empresarial moderna.