AWS ha aperto un'anteprima di Amazon Bedrock Managed Agents basato su OpenAI, un nuovo servizio per l'esecuzione di agenti ottimizzati per OpenAI all'interno dell'ambiente Bedrock. L'anteprima è iniziata il 29 settembre ed è disponibile in tre regioni degli Stati Uniti: Stati Uniti orientali (Virginia settentrionale), Stati Uniti occidentali (Oregon) e Stati Uniti orientali (Ohio).

Il cambiamento importante non è semplicemente che un'altra OpenAI superficie è disponibile tramite AWS. Bedrock è già nel percorso di approvvigionamento e governance di molti team di intelligenza artificiale aziendali. Questa anteprima sposta una parte maggiore del runtime dell'agente stesso in quel percorso, incluse sessioni, competenze, connessioni agli strumenti, autorizzazioni di identità, gate di approvazione e log.

Per le aziende che hanno testato gli agenti come codice applicativo avvolto attorno a chiamate di modello, si tratta di un modello operativo diverso. Il servizio si basa su una versione personalizzata degli agenti OpenAI API ed è progettato per eseguire agenti con controlli nativi AWS anziché inviare orchestrazioni al di fuori dei limiti di governance del cloud del cliente.

Ciò che AWS sta visualizzando in anteprima

Bedrock Managed Agents basato su OpenAI offre agli sviluppatori un runtime gestito per flussi di lavoro degli agenti che possono utilizzare sessioni durevoli, competenze riutilizzabili, strumenti connessi a MCP, Ruoli IAM, approvazione umana per azioni consequenziali e registrazione CloudTrail. Questi elementi sono importanti perché gli aspetti più difficili dell'implementazione degli agenti aziendali spesso non sono la progettazione tempestiva o la selezione del modello. Si tratta di autorizzazioni, stato, accesso agli strumenti, audit trail, procedure di rollback e decisione quando un essere umano deve approvare un'azione.

L'anteprima restringe inoltre i punti in cui i clienti possono eseguire il servizio. AWS elenca la disponibilità nelle regioni del Nord Virginia, dell'Oregon e dell'Ohio. Per i team regolamentati o distribuiti a livello globale, l’impronta regionale può essere sufficiente per i test, ma non necessariamente sufficiente per le decisioni sull’architettura di produzione. La residenza dei dati, la latenza, gli standard cloud interni e i requisiti di ripristino di emergenza determineranno comunque l'adozione.

Durante l'anteprima, AWS afferma che non sono previsti costi aggiuntivi per il servizio dell'agente gestito oltre alle risorse AWS sottostanti consumate. Ciò è importante per i piloti, ma gli acquirenti dovrebbero trattarlo come un’informazione commerciale temporanea. AWS afferma che i prezzi sono soggetti a modifiche in base alla disponibilità generale, il che significa che i modelli di costo iniziali necessitano di un segnaposto esplicito per le tariffe di servizio future.

Perché è importante per i team di agenti aziendali

L'anteprima arriva in un momento in cui il lavoro dell'AI aziendale si sta spostando da singoli prompt e chatbot verso agenti a lungo termine che chiamano strumenti, mantengono lo stato delle attività e intraprendono azioni nei sistemi aziendali. Questo cambiamento alza la posta in gioco. Una risposta del modello può essere rivista dopo il fatto; un'azione dell'agente può influire sulla coda di un ticket, sul record di un cliente, su una pipeline di distribuzione o su un flusso di lavoro di approvvigionamento.

Inserendo agenti basati su OpenAIdietro i ruoli IAM e la registrazione CloudTrail, AWS rende leggibile il runtime dell'agente per i team operativi e di sicurezza nel cloud. Questo è un vantaggio pratico per le organizzazioni che già utilizzano flussi di lavoro di identità, registrazione e conformità AWS. Invece di creare un livello di controllo separato per ogni progetto agente, i team possono valutare se Bedrock può diventare parte della loro architettura enterprise LLM API standard.

Anche il supporto MCP è significativo. Il Model Context Protocol è diventato un modo comune per esporre strumenti e origini dati agli agenti. Se un agente gestito da Bedrock può connettersi a MCP strumenti mentre utilizzano autorizzazioni e log AWS, i team ottengono un percorso più semplice per standardizzare l'accesso agli strumenti senza vincolare ogni flusso di lavoro a un framework applicativo.

Il supporto per l'approvazione umana è un altro segnale. AWS non posiziona gli agenti come completamente autonomi per impostazione predefinita.I cancelli di approvazione per le azioni consequenziali riconoscono il modo in cui le aziende distribuiscono effettivamente l'automazione: alcuni passaggi possono essere eseguiti senza supervisione, mentre altri richiedono una revisione esplicita perché coinvolgono movimenti di denaro, sistemi di produzione, dati dei clienti, esposizione legale o rischi per la reputazione.

Chi è interessato

Il primo pubblico sono i team di sviluppo incentrati su AWS che desiderano OpenAI funzionalità dell'agente ma non vogliono gestire uno stack di orchestrazione separato. Per loro, l'anteprima offre la possibilità di verificare se Bedrock è in grado di gestire lo stato dell'agente, l'esecuzione dello strumento, le autorizzazioni e la governance con un'infrastruttura meno personalizzata.

Anche i team di sicurezza, piattaforma e conformità sono interessati. L'implementazione degli agenti spesso inizia come un'iniziativa di produttività degli sviluppatori, per poi diventare rapidamente un problema di governance. La registrazione di CloudTrail e i ruoli IAM forniscono a questi team elementi familiari da ispezionare, ma avranno comunque bisogno di policy per stabilire quali agenti possono chiamare quali strumenti, quali azioni richiedono l'approvazione, come vengono conservati i log e come vengono indagati gli incidenti.

Anche i team di procurement e finanza dovrebbero prestare attenzione. I runtime dell'agente gestito modificano l'attribuzione dei costi. Un singolo flusso di lavoro può comportare operazioni di utilizzo del modello, chiamate a strumenti, archiviazione, calcolo, registrazione e approvazione. Anche se l'anteprima non prevede costi di servizio aggiuntivi, l'adozione in produzione richiederà report sull'utilizzo che separino la spesa del modello dai costi di runtime circostanti.

Per B2B LLM clienti e API utenti multimodello simili, il punto più ampio è che i runtime degli agenti ospitati stanno diventando una categoria di acquisto di prima classe. L'accesso ai modelli grezzi è ancora importante, ma le aziende confrontano sempre più i fornitori su controlli di governance, verificabilità, disponibilità regionale e integrazione con le operazioni cloud esistenti.

Ciò che rimane incerto

L'anteprima lascia diverse domande aperte. AWS non ha ancora fornito i prezzi finali di disponibilità generale. Inoltre, non è chiaro quanto ampiamente il servizio si espanderà nelle regioni, quali limiti di produzione verranno applicati e come i clienti dovrebbero confrontare la versione gestita da Bedrock con l'uso diretto degli agenti OpenAI API per carichi di lavoro che non necessitano di funzionalità di governance di AWS.

C'è anche il consueto rischio di anteprima. Le funzionalità possono cambiare prima della disponibilità generale e i team aziendali dovrebbero evitare di dare per scontato che il comportamento di anteprima iniziale definirà il contratto di servizio finale. La mossa giusta a breve termine è la valutazione, non la migrazione completa: osservabilità degli agenti di test, progettazione IAM, flussi di approvazione, MCP comportamento degli strumenti, gestione degli errori e visibilità dei costi rispetto ai flussi di lavoro interni reali.

Tuttavia, la direzione è chiara. L'infrastruttura degli agenti si sta avvicinando ai piani di controllo del cloud. AWS scommette che le aziende vorranno agenti dotati di OpenAI, ma con lo stesso tipo di meccanismi regionali, di identità, di registrazione e di approvazione che già si aspettano dai sistemi di produzione seri.