La arquitectura Amazon Bedrock de DXC OASIS separa la elección de modelos de la autoridad de los agentes
DXC Technology detalló su arquitectura Amazon Bedrock de DXC OASIS el 11 de noviembre, separando el acceso a múltiples modelos de IA del permiso para modificar sistemas de producción. Amazon Bedrock proporciona el sustrato, una base compartida para acceder a modelos. DXC proporciona el arnés, el software que coordina el trabajo, aplica reglas operativas y registra las acciones de los agentes. La distinción importa porque una respuesta útil y una acción autorizada requieren controles diferentes.
El caso de estudio de ingeniería de AWS describe una implementación existente, no un lanzamiento de producto en noviembre. OASIS alcanzó la disponibilidad general en marzo de 2026. Su decisión arquitectónica central cuestiona un atajo tentador: tratar el acceso a modelos capaces como preparación suficiente para operaciones autónomas.
Esa elección presiona a los compradores empresariales y a los proveedores de servicios gestionados para examinar dónde reside realmente la responsabilidad. IBM watsonx Orchestrate ofrece una referencia útil del mercado ante el creciente énfasis en gestionar agentes en sistemas empresariales. La comparación relevante se refiere al control sobre el trabajo, no a una competencia entre modelos individuales.
La arquitectura Amazon Bedrock de DXC OASIS hace explícito el límite
La decisión más trascendental de DXC consiste en asignar el acceso a modelos y la autoridad operativa a capas diferentes.
La arquitectura multimodelo de AWS, redactada conjuntamente, describe el acceso de Bedrock a Anthropic Claude, Amazon Nova, Meta Llama y modelos de pesos abiertos. Los modelos de pesos abiertos ponen sus parámetros aprendidos a disposición bajo sus respectivas licencias. El propio arnés de DXC determina cómo los agentes utilizan herramientas y avanzan por los flujos de trabajo operativos.
El diseño descrito ejecuta el entorno de agentes en Amazon EKS, el servicio gestionado de AWS para operar aplicaciones en contenedores. Las redes privadas conectan ese entorno con Bedrock. Estas decisiones describen la infraestructura de apoyo, mientras que el arnés sigue siendo responsable del significado y la autorización del trabajo operativo.
DXC presta servicio a organizaciones reguladas en 70 países. Esa cifra describe su presencia comercial, no un recuento verificado de países que ejecutan OASIS. La distinción evita que la escala de la empresa se convierta en una afirmación implícita de implementación.
El límite práctico se aclara cuando un agente recomienda un cambio en producción. Generar la recomendación exige razonar sobre evidencia. Ejecutarla exige un permiso vinculado a un cliente, recurso, acción y situación operativa concretos.
Estos requisitos se superponen, pero no son intercambiables. Un modelo puede generar una recomendación precisa para una acción que el usuario solicitante no tiene autoridad para aprobar. A la inversa, una acción permitida puede seguir basándose en un diagnóstico incorrecto.
Separar estas decisiones ofrece al operador un lugar más claro para investigar un fallo. ¿La evidencia era incorrecta? ¿El modelo la interpretó erróneamente? ¿La capa de ejecución aceptó una acción fuera del alcance aprobado?
Por eso el caso de estudio merece atención más allá de su lista de modelos. La arquitectura hace que la responsabilidad pueda inspeccionarse. Los compradores pueden preguntar qué componente aplica una regla, en lugar de aceptar una garantía general de que el sistema cuenta con gobernanza.
También cambia el significado de la flexibilidad. Añadir otro modelo no debería requerir redefinir quién puede autorizar un cambio en producción. La política operativa debe mantenerse lo bastante estable para que los clientes comprendan su exposición.
Sin embargo, esa separación crea una obligación de ingeniería. La organización debe mantener la interfaz entre el razonamiento y la ejecución a medida que cambian ambas capas. Un límite trazado en un diagrama de arquitectura necesita un comportamiento correspondiente en el sistema en funcionamiento.
Por tanto, la noticia inmediata es una explicación de cómo DXC asignó ese trabajo. Su relevancia más amplia reside en hacer esas asignaciones lo bastante concretas como para que otras empresas las cuestionen.
Los proveedores de servicios gestionados afrontan una conversación de compra más exigente
Los compradores empresariales necesitan evidencia sobre la autoridad delegada junto con evidencia sobre la calidad de las respuestas.
El documento sobre el arnés de agentes de DXC, desarrollado con LangChain, describe OASIS ejecutándose en LangGraph, un marco para coordinar flujos de trabajo de agentes con estado. DXC afirma que su modelo operativo comienza con cada persona teniendo acceso de solo lectura. Una autoridad más amplia progresa mediante observar, proponer, actuar con aprobación y actuar dentro del alcance.
El documento también describe la aplicación de políticas en código alrededor del uso de herramientas. Las operaciones sensibles pueden detenerse para una decisión humana. Estas son descripciones de la empresa sobre el sistema, no certificaciones independientes de cada implementación.
Para un proveedor de servicios gestionados, ese enfoque cambia lo que un cliente debe solicitar durante la evaluación. Una demostración convincente debería mostrar a un agente encontrando un límite y deteniéndose. Una finalización satisfactoria por sí sola deja sin probar el mecanismo de aplicación.
Un comprador también debería examinar quién es propietario de las excepciones. Cuando un ingeniero aprueba una acción inusual, ¿esa aprobación se aplica únicamente a la ejecución actual? ¿O amplía silenciosamente lo que los futuros agentes pueden hacer?
Esa distinción afecta tanto a la seguridad como a la responsabilidad ante el cliente. El permiso temporal debe seguir siendo distinguible de un cambio duradero de política. De lo contrario, una sucesión de excepciones razonables puede producir una autoridad que nadie concedió deliberadamente.
El enfoque Human+AI de DXC también merece una lectura operativa. La participación humana tiene valor cuando el revisor recibe evidencia suficiente para tomar una decisión. Un botón de aprobación sin un alcance comprensible puede convertir la supervisión en una confirmación rutinaria.
La cuestión organizativa importante se refiere a la atención disponible. Si los agentes preparan investigaciones más rápido, la revisión humana puede convertirse en la restricción restante. Entonces las empresas deben distinguir las aprobaciones rutinarias de las decisiones que requieren juicio especializado.
Eso no invalida el modelo. Cambia dónde importan la dotación de personal y el diseño de procesos. Un equipo podría dedicar menos tiempo a reunir evidencia y más atención a evaluar consecuencias.
La gestión del conocimiento también pasa a formar parte de esta conversación de compra. Una recomendación basada en un procedimiento obsoleto puede parecer convincente mientras infringe la práctica actual del cliente. Los compradores deben preguntar cómo el conocimiento operativo se vuelve autoritativo y cómo la orientación desactualizada pierde ese estatus.
Los equipos que organizan esa evidencia pueden comenzar con una base de conocimiento con búsqueda para documentos técnicos. Encontrar material relevante sigue siendo una tarea distinta de aprobar cambios de infraestructura. La conexión es la calidad y trazabilidad de la evidencia presentada a quien toma la decisión.
La plataforma de gestión de agentes de IBM ilustra el contexto competitivo. IBM posiciona watsonx Orchestrate en torno a coordinar agentes, aplicar políticas, evaluar el rendimiento y proporcionar visibilidad empresarial. Su documentación incluye la gestión de agentes externos compatibles y el seguimiento de los resultados de llamadas a herramientas.
Ese posicionamiento respalda una observación de mercado limitada: los proveedores venden cada vez más la gestión de agentes junto con su creación. No establece que IBM y DXC proporcionen controles equivalentes ni resultados operativos comparables.
Sin embargo, la presión sobre los proveedores es concreta. Los compradores pueden exigir responsables identificados para políticas, aprobaciones, excepciones y recuperación. Un catálogo de modelos responde solo a una parte de esa conversación de contratación.
La flexibilidad de modelos crea una obligación de aseguramiento
Una interfaz común simplifica el acceso sin hacer que modelos distintos sean conductualmente intercambiables.
El enfoque Amazon Bedrock de DXC OASIS convierte la selección de modelos en una decisión arquitectónica diferenciada. Su valor depende de preservar las expectativas operativas cuando cambia el modelo seleccionado. Eso exige más que comprobar si el sustituto acepta el mismo formato de solicitud.
Un sustituto podría resumir la evidencia de forma diferente, expresar la incertidumbre de otra manera o elegir una secuencia distinta de pasos de investigación. Esas diferencias pueden afectar al revisor humano incluso cuando la recomendación final parece similar.
Por ejemplo, una respuesta concisa podría omitir una condición que otro modelo expresa explícitamente. Un operador que revise la respuesta más breve podría aprobar un cambio sin ver una dependencia importante. Se trata de una preocupación de evaluación ilustrativa, no de un incidente reportado de OASIS.
El mismo problema se aplica a la selección de herramientas. Un agente que recopila evidencia adicional antes de proponer un cambio se comporta de forma diferente a uno que llega inmediatamente a la recomendación. La evaluación debe examinar tanto el recorrido como el destino.
La documentación de enrutamiento inteligente de prompts de Bedrock define una función gestionada más limitada: seleccionar entre modelos compatibles dentro de la misma familia de modelos. Predice la calidad de la respuesta para orientar la elección. Esta función no debe confundirse con un enrutamiento sin restricciones entre todos los proveedores.
AWS también documenta limitaciones relevantes para operaciones especializadas. El enrutamiento inteligente de prompts está optimizado para prompts en inglés y no puede adaptar decisiones utilizando datos de rendimiento específicos de la aplicación. AWS señala que los casos de uso inusuales o especializados podrían recibir decisiones de enrutamiento menos adecuadas.
Para los compradores, la implicación es directa. Una predicción general de la calidad de la respuesta no demuestra la idoneidad para un flujo de trabajo de producción concreto. La organización sigue necesitando evidencia de tareas que se parezcan a su propio entorno.
Por tanto, una evaluación para el diagnóstico de incidentes debería medir si el agente reúne los hechos necesarios. También debería examinar cuándo el agente se niega a continuar. La contención correcta puede importar tanto como completar la tarea.
La flexibilidad de modelos introduce otra pregunta: ¿qué ocurre cuando la opción preferida deja de estar disponible? Una alternativa, es decir, un modelo alternativo utilizado cuando el modelo preferido no puede atender una solicitud, necesita su propia base de aprobación.
Un servicio no debería preservar la disponibilidad cambiando silenciosamente su tolerancia a la incertidumbre. Algunas tareas pueden continuar con capacidades reducidas. Otras deberían pausarse porque el sustituto aprobado no puede respaldar la misma decisión operativa.
Esto crea una distinción útil entre continuidad de infraestructura y continuidad de flujo de trabajo. Mantener receptivo el endpoint del modelo no preserva automáticamente la fiabilidad del proceso circundante. El flujo de trabajo sigue necesitando una respuesta definida ante un razonamiento degradado.
El argumento económico también necesita esa visión más amplia. Un modelo que utiliza menos recursos aún puede generar más trabajo de revisión. Las aclaraciones adicionales, las investigaciones repetidas y las propuestas rechazadas pueden compensar el ahorro en la capa de inferencia.
La inferencia, el proceso de generar una respuesta del modelo, es solo una parte de la entrega de un resultado operativo. Los compradores deberían evaluar todo el recorrido, desde la solicitud hasta el resultado verificado. Eso incluye el trabajo generado para las personas.
Por tanto, para la gobernanza de agentes de DXC OASIS, la elección de modelo se convierte en una decisión de aseguramiento, es decir, un juicio respaldado por evidencia sobre un comportamiento aceptable. La flexibilidad compensa cuando las alternativas se evalúan antes de que sean necesarias.
Las salvaguardas de la nube abordan problemas distintos de la autorización operativa
Las conexiones privadas y los filtros de contenido refuerzan la base, mientras que la autorización de acciones sigue siendo una responsabilidad independiente.
Amazon Bedrock Guardrails ofrece comprobaciones configurables sobre las entradas y salidas de los modelos. AWS describe filtrado de contenido dañino, temas denegados, filtrado de información confidencial y verificaciones de respuestas que se apartan de la evidencia proporcionada. Estas funciones abordan riesgos importantes en las interacciones con modelos.
La documentación de salvaguardas de contenido también sitúa la configuración en el centro de su funcionamiento. Los operadores eligen políticas y las prueban frente a los requisitos de sus aplicaciones. La detección de información confidencial es probabilística, por lo que su presencia no debe interpretarse como una garantía absoluta.
Una acción en producción introduce otra categoría de decisión. Una respuesta puede contener un lenguaje aceptable y ninguna información confidencial, al tiempo que recomienda un cambio no autorizado. El filtrado de contenido por sí solo no puede establecer si un ingeniero concreto puede modificar un sistema determinado.
Considere una solicitud ilustrativa para reiniciar un servicio. La redacción puede ser inocua y la recomendación técnica razonable. La autorización sigue dependiendo de la titularidad, el momento, las restricciones de los clientes y el efecto sobre los sistemas dependientes.
Este es el límite que la gobernanza de agentes DXC OASIS debe mantener. La ruta de ejecución debe evaluar la operación propuesta frente a la autoridad aplicable. La confianza del modelo no debe sustituir esa verificación.
AWS PrivateLink aborda de nuevo una preocupación diferente. Sus conexiones privadas de Bedrock permiten que las aplicaciones lleguen a Bedrock mediante endpoints de interfaz sin requerir acceso a Internet público. Un endpoint de interfaz proporciona un punto de entrada privado al servicio de AWS.
AWS documenta políticas de endpoints para controlar las entidades principales, acciones y recursos permitidos. También indica que la política predeterminada del endpoint permite acceso completo a Bedrock mediante ese endpoint. Por tanto, una ruta privada sigue requiriendo una configuración de acceso deliberada.
Ese detalle importa porque los diagramas de red pueden crear una impresión engañosa de completitud. Que una conexión permanezca fuera de Internet público dice algo útil sobre el transporte. No responde todas las preguntas sobre quién puede utilizar la conexión.
La ubicación introduce otra decisión independiente. La disponibilidad de modelos varía según la región de AWS, y las decisiones de despliegue deben ajustarse a las ubicaciones de procesamiento aprobadas por el cliente. Una conexión privada no debe convertirse en una abreviatura de que se han satisfecho todos los requisitos de residencia de datos.
El mismo razonamiento se aplica a la auditabilidad. Registrar una respuesta de modelo ayuda a explicar qué recibió la aplicación. La responsabilidad operativa requiere evidencia sobre la acción que el sistema realmente intentó y el estado resultante.
La narrativa de un agente puede ayudar a un revisor a comprender la investigación. No debe convertirse en el único registro de ejecución. El sistema necesita registros que sigan siendo útiles cuando la explicación del agente sea incompleta o incorrecta.
DXC describe un incidente ficticio de una aerolínea en su entorno de demostración. Un agente diagnostica un problema de almacenamiento y presenta un plan de reparación para la aprobación de un ingeniero. El ejemplo ilustra el límite entre investigación y autorización; no establece resultados de producción de una aerolínea concreta.
Para los compradores empresariales, la pregunta útil es si ese límite se mantiene en circunstancias menos convenientes. Una demostración debería incluir rechazo, ejecución interrumpida y evidencia incierta. Esos casos revelan si el control sigue siendo eficaz cuando completar la tarea deja de ser sencillo.
Las mejoras comunicadas requieren un escrutinio a nivel de carga de trabajo
Las cifras de rendimiento de DXC son mediciones comunicadas por la empresa, no una referencia universal para las operaciones de TI autónomas.
DXC informa de una reducción media del 95% en el tiempo de resolución en 56 casos de uso medidos. También informa de una precisión diagnóstica de al menos el 92%, evaluada frente al criterio de ingenieros sénior. Estas cifras describen la evaluación de la empresa y deben conservar esa atribución.
Los materiales públicos no establecen una comparación auditada de forma independiente en todas las cargas de trabajo de los clientes. Tampoco el promedio debe convertirse en una previsión para toda la cola de incidentes de un comprador. El alcance de la medición importa tanto como el resultado destacado.
El tiempo de resolución puede describir intervalos diferentes. Puede comenzar con una alerta, una investigación o el momento en que un ingeniero empieza el trabajo activo. Puede terminar con una reparación propuesta, un cambio ejecutado o una restauración verificada.
Esas definiciones producen interpretaciones de negocio diferentes. Un diagnóstico más rápido puede ser valioso incluso cuando una ventana de mantenimiento obligatoria retrasa la ejecución. Una ejecución más rápida puede ser menos valiosa si la verificación posterior revela efectos sin resolver.
La pregunta clave de contratación es si el intervalo medido coincide con el objetivo operativo del comprador. Un cliente que busca interrupciones de servicio más breves necesita evidencia sobre la restauración. Un equipo que busca menos trabajo de ingeniería repetitivo necesita evidencia sobre el esfuerzo del personal.
Los promedios también dejan poco clara la distribución. Una mejora repartida de manera consistente entre incidentes rutinarios difiere de un resultado concentrado en unas pocas tareas de referencia inusualmente lentas. Los compradores necesitan suficiente detalle para entender qué patrón se aplica.
Esto es especialmente relevante cuando los flujos de trabajo atraviesan varias herramientas y pasos de aprobación. Una mejora comunicada puede proceder del razonamiento, de un mejor acceso a la información, de menos traspasos o de varios cambios combinados. La atribución importa al estimar qué se transfiere a otra organización.
La precisión diagnóstica exige un cuidado similar. La coincidencia con ingenieros sénior ofrece una referencia significativa, pero no describe todas las consecuencias del desacuerdo. Una sugerencia equivocada y una acción de producción incorrecta tienen un peso operativo diferente.
La evidencia de seguimiento más útil conectaría diagnósticos, acciones aprobadas y resultados verificados. Eso ayudaría a los compradores a distinguir la incertidumbre aceptable durante la investigación de los errores que llegan a la ejecución. También mostraría con qué frecuencia la intervención humana modifica el plan propuesto.
La recuperación debería aparecer en esa evaluación. Un sistema puede acortar las tareas exitosas mientras gestiona mal las excepciones. Los compradores necesitan saber si los intentos fallidos dejan un estado comprensible y una vía práctica para volver a las operaciones normales.
Estas preguntas no eliminan las mejoras comunicadas. Definen cómo evaluarlas de forma responsable. Un estudio de caso prometedor se vuelve más útil cuando los lectores pueden identificar las condiciones detrás del resultado.
Por tanto, la arquitectura de DXC OASIS Amazon Bedrock debe evaluarse en dos dimensiones conectadas: los resultados operativos y la evidencia que respalda la autoridad delegada. Las mejoras de velocidad deben seguir siendo visibles junto con los fallos de control, las escaladas y el esfuerzo de recuperación.
Ese es un estándar más exigente que una demostración de producto. También es el estándar que permite a los clientes decidir qué flujos de trabajo merecen una automatización más amplia.
Observe la evidencia de despliegue, los cambios de modelo y la hoja de ruta del harness
La próxima evidencia útil conectará la expansión con un comportamiento controlado bajo condiciones operativas cambiantes.
Durante los próximos uno a tres meses, la primera señal que conviene observar es la especificidad del despliegue. Los materiales de DXC describen una expansión hacia 130 entornos de clientes. Esa redacción indica una dirección, en lugar de confirmar que cada entorno ya esté activo.
Relatos de clientes identificados sobre un uso sostenido harían más fácil evaluar la historia del despliegue. Los relatos más informativos identificarían el alcance de la carga de trabajo, los requisitos de aprobación y los resultados operativos medidos. Los nombres de clientes por sí solos aportarían menos evidencia.
Esta señal reforzaría el caso si la expansión viniera acompañada de resultados repetibles en entornos distintos. Debilitaría la interpretación más amplia si las mejoras comunicadas siguieran concentrándose en demostraciones o tareas seleccionadas de forma limitada. Los compradores deben buscar definiciones comparables entre las actualizaciones.
La segunda señal es la evidencia sobre cambios de modelo. Los nuevos modelos crean una oportunidad para probar la afirmación central de flexibilidad de la arquitectura. La pregunta relevante es si un cambio preserva el flujo de trabajo aprobado y sus límites de seguridad.
Una divulgación útil explicaría cómo se evaluó el reemplazo y qué tareas fueron autorizadas para él. También identificaría cualquier restricción mantenida después de las pruebas. Un anuncio que simplemente añada el nombre de un modelo dejaría sin respuesta la cuestión de la garantía.
Esta señal reforzaría el argumento de la arquitectura si las sustituciones de modelos preservaran los resultados operativos sin ampliar permisos. Debilitaría ese argumento si las sustituciones requirieran una reparación sustancial del flujo de trabajo o produjeran diferencias de comportamiento sin explicación.
La tercera señal es la hoja de ruta del harness. El estudio de caso de AWS indica que DXC está evaluando Amazon Bedrock AgentCore, servicios de AWS para crear y operar agentes, junto con su capa actual de orquestación. La evaluación no equivale a una migración confirmada.
El desarrollo importante sería una explicación clara de qué responsabilidades se trasladan y cuáles permanecen bajo el control de DXC. Los clientes necesitan continuidad en la titularidad de las políticas incluso cuando cambia la implementación subyacente. También necesitan registros comprensibles durante esa transición.
Una actualización de la hoja de ruta reforzaría el caso si aclarara la responsabilidad y redujera el trabajo de ingeniería duplicado. Debilitaría la confianza si los nuevos servicios ocultaran la titularidad de las aprobaciones o fragmentaran el registro operativo.
En conjunto, estas señales mantienen la atención en el asunto central del artículo. La elección de modelo tiene valor cuando las empresas pueden cambiar componentes de razonamiento mientras mantienen el control sobre las consecuencias. La expansión tiene valor cuando la evidencia crece junto con la huella de despliegue.
Para los equipos que evalúan el enfoque DXC OASIS Amazon Bedrock, comiencen con un flujo de trabajo de producción que su organización ya comprenda. Pidan al proveedor que muestre la evidencia detrás de su diagnóstico, la autoridad exacta requerida y el registro de ejecución. Después, repitan la demostración con una suposición incorrecta, una aprobación rechazada y un modelo preferido no disponible. Comparen los resultados con su proceso actual, incluido el esfuerzo de revisión y recuperación. Lean los materiales de arquitectura junto con sus responsables de operaciones, seguridad y servicio. Sus desacuerdos revelarán requisitos que una demostración de modelo no puede resolver. ¿Qué acciones están preparados para delegar y qué evidencia justificaría conceder el siguiente nivel de autoridad?



