/Glosario · DevOps
¿Qué es AgentOps?
AgentOps es el conjunto de prácticas para llevar agentes de IA a producción y operarlos con seguridad: qué herramientas y permisos tiene cada agente, cómo se registran sus decisiones, cómo se evalúa su calidad, cuánto cuesta cada ejecución y en qué puntos aprueba una persona.
De DevOps a AgentOps: qué cambia y qué se mantiene
DevOps ordenó cómo se construye, se despliega y se opera software. Después, MLOps sumó el ciclo de vida de los modelos de machine learning y LLMOps el de las aplicaciones con modelos de lenguaje: prompts, versiones de modelo, evaluaciones y costo por token. AgentOps es el paso siguiente, porque un agente no solo responde: decide qué hacer y ejecuta acciones con herramientas.
Lo que no cambia es la base de DevOps: infraestructura como código, pipelines, observabilidad, gestión de incidentes y mejora continua. AgentOps no reemplaza esas prácticas, las extiende a un sistema que actúa por su cuenta. Por eso los equipos que ya operan bien en AWS tienen la mitad del camino hecho para operar agentes.
Qué operás cuando operás un agente
Un agente combina un modelo, como Claude en Amazon Bedrock, con instrucciones, memoria y herramientas que le permiten leer datos o cambiar sistemas. Operarlo implica versionar todo eso junto, saber qué herramienta invocó en cada paso, con qué argumentos y con qué resultado, y poder reproducir una ejecución cuando algo sale mal.
También implica límites: cuántos pasos puede dar, cuánto puede gastar en tokens, qué acciones necesitan una aprobación humana y qué pasa si una herramienta falla. Sin esos límites, un agente que funciona en una demo puede entrar en bucles, gastar de más o tocar algo que no debía en producción.
Prácticas de AgentOps en AWS
La primera práctica es el permiso mínimo: cada agente usa un rol de IAM propio, con acceso de solo lectura por defecto, y los cambios llegan como pull request en lugar de aplicarse directo. Las herramientas se exponen de forma controlada, por ejemplo con servidores MCP, y cada invocación queda registrada en CloudTrail y en los logs de la aplicación.
La segunda es medir: trazas de cada ejecución, evaluaciones automáticas con casos reales antes de cambiar de modelo o de prompt, alarmas de costo por agente en CloudWatch y presupuestos en AWS Budgets. La tercera es el control humano en los puntos de riesgo, con un registro de quién aprobó qué y con qué evidencia.
/FAQ
Preguntas sobre AgentOps
¿Tenés otra duda? Escribinos a hello@nubent.com y te responde un ingeniero.
¿AgentOps es lo mismo que AIOps?
No. AIOps es usar IA para operar sistemas de TI, por ejemplo para correlacionar alertas o detectar anomalías. AgentOps es operar los agentes de IA en sí: sus permisos, trazas, evaluaciones y costos. Se complementan: un agente que ayuda a resolver incidentes es AIOps, y operarlo bien es AgentOps.
¿AgentOps reemplaza a DevOps?
No. AgentOps se apoya en DevOps: los agentes se despliegan con pipelines, su infraestructura se define como código y se observan con las mismas herramientas. Lo que agrega son controles específicos para sistemas que toman decisiones y ejecutan acciones por su cuenta, como límites de pasos, evaluaciones y aprobaciones humanas.
¿Qué diferencia hay entre AgentOps, MLOps y LLMOps?
MLOps cubre el ciclo de vida de modelos que vos entrenás: datos, entrenamiento, despliegue y monitoreo. LLMOps cubre aplicaciones que usan modelos de lenguaje: prompts, versiones y evaluaciones. AgentOps suma lo que pasa cuando el modelo usa herramientas y ejecuta acciones: permisos, trazas paso a paso y control humano.
¿Cuándo necesito prácticas de AgentOps?
En cuanto un agente puede leer datos sensibles o cambiar un sistema, aunque sea un entorno de prueba. Conviene empezar con permisos mínimos, registro de cada herramienta invocada y un límite de gasto, y sumar evaluaciones y aprobaciones a medida que el agente gana responsabilidades.
Cómo te ayudamos con AgentOps
DevOps con agentes de IA
Operación DevOps asistida por agentes de IA: cambios de Terraform por pull request, triage de alertas, revisión de costos, runbooks y postmortems, siempre con aprobación humana.
Ver másAgentes de IA con Bedrock
Agentes que ejecutan tareas reales con Amazon Bedrock y AgentCore: tool use, MCP, Knowledge Bases, orquestación multi-agente, identidad y observabilidad.
Ver másAI-native en AWS
Productos y plataformas cuyo núcleo es la IA generativa: Amazon Bedrock, agentes, RAG, evaluación, guardrails, LLMOps y costo por inferencia bajo control.
Ver másSiguiente paso
¿Construimos lo próximo en AWS?
30 minutos con un ingeniero. Próximos pasos concretos, trabajes o no con nosotros.