AWS re:Invent 2025: nuevos agentes de frontera y modelos, y más facilidades para personalizarlos

AWS ha celebrado una nueva edición de re:Invent 2025, que como ha sucedido ya en varias ocasiones, ha centrado en la IA y en la infraestructura y funciones relacionadas con ella. La cantidad de novedades que ha presentado la compañía a lo largo de los cinco días que dura el evento es muy numerosa, pero hay tres que destacan sobre todas ellas: los agentes de IA frontier agents, los modelos frontier Nova y sus nuevas capacidades de personalización de modelos para simplificar la creación de agentes de IA.

Los frontier agents de AWS componen una clase nueva y más sofisticada de agentes de IA con tres características destacadas: son autónomos, escalables y trabajan de manera independiente. Esto quiere decir que si se les indica un objetivo, los agentes averiguan cómo conseguirlo, que pueden realizar varias tareas a la vez y distribuir el trabajo entre varios agentes, además de poder trabajar durante horas e incluso días sin intervención humana.

Los tres primeros frontier agents anunciados por la compañía, ya disponibles en versión de prueba, son Kiro Autonomous Agent, AWS Security Agent y AWS DevOps Agent. Todos están centrados en transformar el ciclo de vida de desarrollo de software, y pueden completar proyectos complejos de manera autónoma.

Kiro Autonomous Agent

Kiro Autonomous Agent es un agente de frontera para el desarrollo de software que mantiene el trabajo en marcha de manera independiente mientras el usuario de centra en las tareas prioritarias. Así este puede contar con más tiempo para el trabajo de mayor prioridad, ya que dedicará menos a tareas de fondo, reduciendo el camino desde la idea hasta contribuciones con valor.

Este agente mantiene un contexto persistente entre sesiones y aprende continuamente de los pull requests y del feedback. Puede gestionar distintas tareas, desde la clasificación y priorización de errores hasta la mejora de la cobertura de código, con un solo cambio que abarque varios repositorios. Puede hacer preguntas, describir una tarea y asignar elementos del backlog directamente desde GitHub.

El agente, de forma independiente, averiguará cómo hacer el trabajo, compartiendo los cambios como ediciones propuestas y pull requests, para que se mantenga en todo momento el control sobre lo que se incorpora. Kiro Autonomous Agent es un recurso compartido que trabaja junto a todo el equipo, construyendo una comprensión colectiva de la base de código, productos y estándares.

Se conecta a los repos, pipelines y herramientas del equipo; como Jira, GitHub y Slack; para mantener el contexto a medida que avanza el trabajo, adaptándose a cambios o actualizaciones. Cada revisión de código, cada ticket y cada decisión arquitectónica alimenta la comprensión del agente, lo que lo hace más útil para el equipo con el paso del tiempo.

AWS Security Agent

AWS Security Agent ayuda a crear aplicaciones seguras desde el principio en entornos de AWS, multicloud e híbridos. Incorpora pericia en seguridad en todo el ciclo de desarrollo, revisando proactivamente documentos de diseño y analizando pull requests frente a los requisitos de seguridad de la organización y las vulnerabilidades comunes.

Al definir una vez los estándares de seguridad de la organización, AWS Security Agent los validará automáticamente en todas las aplicaciones durante cada revisión, ayudando a los equipos a abordar los riesgos, además de evitar listas de comprobación genéricas.

El agente también transforma las pruebas de penetración de un proceso lento y manual en una capacidad bajo demanda, en línea con la velocidad de desarrollo del equipo. De esta forma, ahora se puede ampliar las pruebas de penetración a toda la cartera de aplicaciones. Además, devuelve hallazgos validados con código de remediación para corregir los problemas que encuentra.

Si hay varias aplicaciones desplegándose a la vez, se puede escalar el número de AWS Security Agents para cubrir la demanda, para que no haya que elegir entre avanzar rápido y mantener la seguridad. Al validar continuamente la seguridad desde el diseño hasta el despliegue, el agente ayuda a prevenir vulnerabilidades desde el principio.

AWS DevOps Agent

AWS DevOps Agent proporciona menos alertas al equipo con triaje de incidentes siempre activo, resolución guiada y recomendaciones para mejorar de forma continua la fiabilidad y el rendimiento de las aplicaciones en entornos de AWS, multinube e híbridos.

Además, está de guardia cuando se producen incidentes, respondeal instante a los problemas y usa su conocimiento de la aplicación y de la relación entre componentes para encontrar la causa principal del problema. Aprende de recursos y relaciones, abarcando desde herramientas de observabilidad hasta runbooks, repositorios de código y pipelines de integración y entrega continua (CI/CD).

Asimismo, mapea los recursos de la aplicación y correlaciona telemetría, código y datos de despliegue para localizar con precisión las causas principales de problemas y reducir el tiempo medio de resolución. También puede pasar de operar de forma reactiva a la mejora operativa proactiva, analizando patrones en incidentes históricos con AWS DevOps Agent.

El agente utiliza esos aprendizajes para ofrecer recomendaciones específicas que refuerzan cuatro áreas clave: observabilidad, optimización de la infraestructura, mejora de los pipelines de despliegue y resiliencia de las aplicaciones. Este enfoque aprovecha el valor no explotado de datos y herramientas operativas, y ayuda a los equipos a mejorar los tiempos de recuperación.

Modelos frontier Nova

En re:Invent 2025, AWS ha anunciado la ampliación de su cartera de modelos Nova con cuatro nuevos, así como un servicio de entrenamiento abierto para que las empresas puedan crear sus variantes de modelo personalizadas con Nova, y un servicio para la creación de agentes de IA.

Los nuevos modelos Nova, de la gama Nova 2, incluyen a Nova 2 Lite, Pro, Sonic y Omni. El primero es un modelo de razonamiento rápido para cargas de trabajo cotidianas capaz de procesar texto, imágenes y vídeos para generar texto. Sus usuarios pueden ajustar cuánto razonamiento paso a paso realiza el modelo antes de responder, lo que permite equilibrar la profundidad de inteligencia con la velocidad y el coste.

Está pensado para chatbots de atención al cliente, proceso de documentos y automatización empresarial. Está pensado para el proceso de documentos, la extracción de información de vídeos, la generación de código, la entrega de respuestas fundamentadas y precisas y la automatización de flujos de trabajo agénticos de varios pasos.

Nova 2 Pro es un modelo de razonamiento inteligente, capaz de procesar, además de los mismos tiempos de fuentes que el Lite, también voz, con el objetivo de generar texto. Está especialmetne diseñado para tareas como codificación agéntica, planificación a largo plazo y resolución de problemas sofisticada, donde prima la precisión. También puede hacer de «profesor» para pasar sus capacidades a modelos «alumnos» más pequeños y eficientes para dominios y casos de uso específicos.

Muestra solidez en análisis multidocumento, razonamiento sobre vídeo, seguimiento de instrucciones complejas, resolución de matemáticas avanzadas y ejecución de tareas agénticas y de ingeniería de software. Tanto Lite como Pro integran capacidades de grounding en la web y ejecución de código, lo que implica quee pueden buscar online información actualizada y ejecutar código directamente.

Nova 2 Sonic es un modelo de voz a voz que unifica comprensión y generación de texto y voz para una IA conversacional en tiempo real, parecida a la humana. Incluye compatibilidad multilingüe ampliada con voces expresivas y una ventana de contexto de un millón de tokens para interacciones prolongadas. Además, permite cambiar entre voz y texto.

El modelo gestiona tareas de forma asíncrona, lo que permite a los usuarios seguir conversaciones naturales e incluso cambiar de tema, mientras hay otras acciones completándose en segundo plano. Se integra con Amazon Connect, proveedores de telefonía o frameworks de IA conversacional. Esto hace que sea ideal para atención al cliente, asistentes de IA y experiencias de voz interactivas.

Nova 2 Omni es un modelo de razonamiento y generación multimodal capaz de procesar texto, imágenes, vídeo y voz mientras genera texto e imágenes. Gestiona hasta 750.000 palabras, horas de audio, vídeos largos y documentos de cientos de páginas. Además, es capaz de analizar al mismo tiempo catálogos de productos, testimonios, guías de marca y bibliotecas de vídeo. Muestra fortaleza en benchmarks públicos de razonamiento multimodal sobre documentos, imágenes, vídeos y audio, y puede generar imágenes de alta calidad.

AWS Nova Forge y Act

Además de los modelos, AWS también ha presentado Nova Forge, que permite a las empresas crear su variantes optimizadas de Nova, combinando sus datos propietarios con las capacidades frontier de Nova. Ofrece entrenamiento abierto, con acceso exclusivo a puntos de control de modelos Nova preentrenados, a mitad de entrenamiento y posentrenados, para que los clientes puedan mezclar sus datos propietarios con conjuntos de datos elegidos por Amazon Nova en cada etapa del entrenamiento del modelo.

El resultado es un modelo personalizado que combina el conocimiento completo y la capacidad de razonamiento de Nova con una comprensión profunda del negocio específico de cada empresa. Nova Forge permite ya crear Novellas (novas personalizadas) desde hoy, y los usuarios de Forge tendrán acceso anticipado a Nova 2 PRo y Nova 2 Omni.

Nova Forge ofrece la posibilidad de entrenar modelos de Ia empleando sus propios entornos de aprendizaje por refuerzo. También permite crear modelos más pequeños y rápidos entrenados con ejemplos generados con IA a partir de modelos más grandes. Además, da acceso a un paquete de herramientas de IA responsable, que permite implementar controles de seguridad.

Por otro lado, Nova Act está ya disponible como servicio en AWS para crear y desplegar agentes de IA que pueden realizar acciones en navegadores web. Está impulsado por un modelo Nova 2 Lite personalizado, y es una vía para crear y gestionar flotas de agentes que automatizan tareas basadas en el navegador

Simplificación de personalización de modelos con Amazon Bedrock y Amazon SageMaker AI

AWS ha dotado de nuevas capacidades para poner la personalización avanzada de modelos al alcance de los desarrolladores en Amazon Bedrock y Amazon SageMaker AI. Son Reinforcement Fine Tuning (RFT) en Amazon Bedrock y la personalización de modelos sin servidor en SageMaker AI con aprendizaje por refuerzo.

RFT en Amazon Bedrock simplifica el proceso de personalización de modelos, aportando de media un 66% de mejora en precisión con respecto a los modelos base. De esta manera permite conseguir mejores resultados con modelos más pequeños, rápidos y rentables, en vez de depender de modelos más grandes y costosos.

Los desarrolladores eligen su modelo base, lo vinculan con sus registros de invocación o cargan un conjunto de datos. Después eligen una función de recompensa basada en IA, a través de reglas o con una plantilla lista para usar, mientras que los flujos de trabajo de Amazon Bedrock gestionan el ajuste específico de extremo a extremo. En su lanzamiento, RFT en Amazon Bedrock será compatible con Amazon Nova 2 Lite, y próximamente tendrá compatibilidad con más modelos.

SageMaker AI cuenta ahora con más capacidades de personalización de modelos sin servidor, lo que hace posible la personalización de modelos en unos días. Los desarrolladores que lo usen pueden elegir entre dos experiencias: una agéntica, disponible en versión de prueba, que emplea un agente para guiar a los desarrolladores por el proceso de personalización del modelo; y un enfoque autodirigido, para quienes prefieran tener el control del proceso.

Con la primera experiencia, los desarrolladores describen lo que necesitan en lenguaje natural, y el agente recorre todo el proceso de personalización. Pero con la segunda, los desarrolladores que buscan control granular y flexibilidad verán eliminada la gestión de infraestructura, y contarán con las herramientas adecuadas para elegir la técnica de personalización y ajustar parámetros.

Las dos opciones dan acceso a técnicas avanzadas de personalización, como aprendizaje por refuerzo a partir de feedback por IA, con recompensas verificables, ajuste fino supervisado y optimización directa de preferencias.