GuíaAvanzado
Guía de Gen AI en Producción sobre AWS
Le agrega a Andes Cargo su primera carga de trabajo de IA generativa: un extractor que entra en escena cuando el parser determinista de manifiestos (heredado de las guías anteriores) no puede leer un texto libre, e invoca un modelo de Amazon Bedrock como camino de escalamiento, nunca como default. Esta es la única guía del ecosistema donde ninguna invocación real de un modelo corre dentro del laboratorio — Bedrock exige cuenta de pago y solo está disponible en el plan Ultimate de LocalStack — así que declara toda la infraestructura como código real (`terraform validate`/`plan` verificados de verdad, sin necesitar LocalStack ni una cuenta AWS), construye las seis políticas de Bedrock Guardrails como HCL y las complementa con una capa de defensa en profundidad propia (un scrubber de PII y un validador de esquema de salida, ambos deterministas y probados con `pytest`), extiende el security gate y el cost gate ya construidos por las guías hermanas (mínimo privilegio de IAM para `bedrock:InvokeModel`, una política de costo nueva) y calcula el costo por token con una calculadora propia, porque Infracost no puede fijarle precio a un supuesto de volumen que nadie declaró. Aplica el vocabulario de SLI/SLO a métricas de IA (tasa de escalamiento, tasa de bloqueo del guardrail, latencia) y cierra con un capstone que corre el camino barato de punta a punta y documenta con honestidad exacta dónde termina lo ejecutable y empieza lo representativo. No enseña prompt engineering, RAG, agentes ni evaluación semántica — eso es terreno de AI Engineering; esta guía enseña a operar, no a construir, el sistema de IA.
- 64
- lecciones
- 8
- módulos
- Inglés · Español
- disponible en
- Sí
- certificado
- Gratis
- acceso
Resultados
Lo que vas a poder hacer
- Distinguir un prototipo de notebook de una carga de IA generativa en producción, y entender la decisión de arquitectura central: el camino determinista y barato sigue siendo el default, el LLM es solo el camino de escalamiento
- Entender cómo se factura Bedrock de verdad (on-demand, Provisioned Throughput, Batch, Flex, Priority) y qué son las cuotas de invocación por minuto
- Declarar la infraestructura de una carga de IA como código Terraform real — `aws_bedrock_guardrail`, un rol IAM de mínimo privilegio para `bedrock:InvokeModel` — con `validate`/`plan` verificados de verdad, sin depender de LocalStack ni de una cuenta AWS
- Declarar las seis políticas de Bedrock Guardrails (filtros de contenido, PII, temas denegados, *grounding* contextual, filtros de palabras) como código, y construir una capa de defensa en profundidad propia y determinista (scrubber de PII, validador de esquema de salida) que nunca depende de que el modelo exista en el laboratorio
- Extender el security gate ya construido (`conftest`/Trivy/`cosign`) al Terraform y al artefacto nuevos de esta guía, con una política de mínimo privilegio específica para el modelo
- Extender el cost gate ya construido con un modelo de costo por token: una calculadora determinista propia, una política de presupuesto y tagging de asignación para la carga de IA
- Aplicar el vocabulario de SLI/SLO a métricas específicas de una carga de IA: tasa de escalamiento del camino determinista al LLM (calculable sin invocar el modelo), tasa de bloqueo del guardrail propio, y latencia de inferencia (representativa, con su razón técnica declarada)
- Correr un capstone que ejecuta de verdad el camino determinista de punta a punta y documenta, con un ledger de honestidad explícito, exactamente dónde el sistema deja de ser ejecutable y pasa a ser representativo
Antes de empezar
Qué necesitas traer
Es para ti si...
- Cloud, backend o DevOps engineers que completaron las siete guías anteriores del ecosistema AWS Cloud y quieren agregarle a esa misma infraestructura su primera carga de trabajo de IA generativa
- Egresados de AI Engineering que ya saben construir con un LLM (prompting, function calling, salidas estructuradas) pero nunca aprendieron a operarlo en producción: IAM, guardrails como código, costo por token, observabilidad
- Equipos evaluando agregar Bedrock a un sistema real que quieren entender la disciplina de infraestructura, seguridad y costo antes de invocar un solo token
- No es para quien busca aprender *prompt engineering*, RAG, agentes o a construir una aplicación de IA desde cero — esa es la frontera con AI Engineering, respetada sin excepción en esta guía
Requisitos y materiales
- Las siete guías anteriores del ecosistema AWS Cloud completadas (o equivalente): `andes-cargo-infra/` con el pipeline, el security gate y el cost gate ya funcionando
- Ecosistema AI Engineering completado (o equivalente): saber construir con un LLM — *prompting*, *function calling*, estructuras de salida — porque esta guía no lo re-enseña
- Terraform y una cuenta de AWS con Bedrock habilitado, si se quiere correr una invocación real por cuenta propia (la guía enseña todo lo que la rodea, no la invocación en sí)
- Python básico y `pytest`, para los chequeos propios de guardrail
Contenido
El temario, módulo por módulo
Abre cualquiera para ver sus lecciones.
- 1. Introducción a la guía: la octava pieza del ecosistema
- 2. Un notebook y un sistema en producción no son el mismo problema
- 3. La carga de IA de Andes Cargo: cuando el parser determinista no alcanza
- 4. La frontera con AI Engineering, dicha en voz alta
- 5. Manos a la obra: inventario de lo que ya existe
- 6. Bedrock, panorama 2026: modelos, familias y por qué el camino barato sigue siendo el default
- 7. Manos a la obra: el intento honesto contra Bedrock en LocalStack
- 8. Proyecto: el mapa de la carga de IA de Andes Cargo
- 1. Introducción: precio por token, no por hora
- 2. Cómo se cobra Bedrock: on-demand, Provisioned Throughput, Batch, Flex, Priority
- 3. Cuotas de Bedrock: el límite que ninguna factura muestra
- 4. Manos a la obra: Infracost, heredado
- 5. Manos a la obra: el intento honesto de `infracost scan` sobre `bedrock.tf`
- 6. Por qué Infracost no puede resolver esto solo, y qué sí puede
- 7. Manos a la obra: la calculadora de costo por token
- 8. Proyecto: `GENAI-COST-PROFILE.md` de Andes Cargo
- 1. Introducción: lo que Terraform sabe declarar sin necesitar invocar nada
- 2. Qué recursos de Terraform existen para Bedrock
- 3. Manos a la obra: el módulo `modules/bedrock-guardrail/`
- 4. Manos a la obra: `BedrockManifestExtractorRole`, mínimo privilegio
- 5. Manos a la obra: `terraform plan` de la infraestructura de IA completa
- 6. El límite exacto: por qué `apply` no corre contra LocalStack Hobby
- 7. Manos a la obra: verificando lo que sí se puede aplicar de verdad
- 8. Proyecto: la infraestructura de IA de Andes Cargo, declarada
- 1. Introducción: la baranda gestionada y la propia
- 2. Las seis políticas de Bedrock Guardrails, explicadas
- 3. Manos a la obra: declarando el guardrail completo en HCL
- 4. Por qué un guardrail gestionado no basta solo
- 5. Manos a la obra: el scrubber de PII propio, determinista
- 6. Manos a la obra: el validador del esquema de salida
- 7. El límite exacto: por qué el bloqueo real de Bedrock Guardrails no se puede probar aquí
- 8. Proyecto: la capa de guardrails de Andes Cargo
- 1. Introducción: el gate ya existe, esta carga entra a él
- 2. Mínimo privilegio para un modelo, no para un servicio
- 3. Manos a la obra: `bedrock-least-privilege.rego`, agregada a `policy/`
- 4. Por qué Bedrock no necesita una API key
- 5. Manos a la obra: Trivy sobre el Terraform nuevo
- 6. Manos a la obra: firmando el artefacto del extractor con `cosign`
- 7. STRIDE, revisitado: las amenazas específicas de una carga de IA
- 8. Proyecto: el security gate de Andes Cargo, extendido
- 1. Introducción al módulo: el cost gate ya existe, los tokens son lo nuevo
- 2. Por qué un token es el recurso *usage-based* más extremo del ecosistema
- 3. Manos a la obra: `bedrock-budget.rego`, agregada a `cost-policy/`
- 4. Manos a la obra: la calculadora de costo por token, integrada al gate
- 5. Tagging de asignación de costo para la carga de IA
- 6. Manos a la obra: un cambio de volumen que dispara el presupuesto
- 7. On-demand vs. Provisioned Throughput: cuándo cada uno, con números reales
- 8. Proyecto: el *cost gate* de Andes Cargo, extendido a tokens
- 1. Introducción al módulo: el mismo vocabulario, métricas nuevas
- 2. SLI de una carga de IA: escalamiento, latencia, tasa de bloqueo del guardrail
- 3. Manos a la obra: CloudWatch Logs y Metrics para el extractor
- 4. Manos a la obra: la métrica de tasa de escalamiento
- 5. Qué es un eval en producción, y por qué no es un test unitario
- 6. Manos a la obra: el arnés de smoke test con manifiestos fijos
- 7. El límite exacto: por qué la latencia y la calidad reales no se pueden medir aquí
- 8. Proyecto: el panel de observabilidad de la carga de IA de Andes Cargo
- 1. Introducción al capstone: el extractor completo, cerrado
- 2. Repaso de arquitectura: el sistema completo, dos caminos
- 3. Recorrido end-to-end: el camino determinista, barato, ejecutado
- 4. Recorrido end-to-end: el camino de escalamiento a IA, mixto y declarado
- 5. Lo que esta guía dejó representativo
- 6. La frontera con AI Engineering, cerrada
- 7. Lo que Andes Cargo todavía necesita
- 8. Proyecto final: el paquete GenAI de Andes Cargo como entregable
Dudas frecuentes
Lo que suele preguntarse
Sin límite. Es una guía gratuita: entras cuando quieras, las veces que quieras.
No. Los módulos están ordenados de menos a más, pero puedes saltar al que necesites. Tu progreso se guarda por lección.
Lo que haga falta está en «Qué necesitas traer», arriba. Si no aparece nada ahí, puedes empezar desde cero.
En el grupo de WhatsApp del Club, y cada quince días hay un live con un instructor donde se resuelven dudas en vivo.
Sí. Al terminar todas las lecciones se emite automáticamente, con un código verificable que puedes compartir en LinkedIn.
Empieza cuando quieras
Lo que dicen los estudiantes
Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.
Aún no hay reseñas aprobadas.
¡Sé el primero en compartir tu experiencia!