AWS Wickr is excited to announce a redesigned admin experience that’s now fully integrated with the AWS Management Console. We’ve made updates to provide a more intuitive layout, easier navigation, and a more accessible experience. The new console uses the AWS Cloudscape design system for front-end components to give you the consistent and familiar experience you get with the AWS Management Console.
AWS Wickr is a security-first messaging and collaboration service designed to keep internal and external communications secure, private, and compliant. It protects one-to-one and group messaging, voice and video calling, file sharing, screen sharing, and location sharing with end-to-end encryption. Customers have full administrative control to enforce information governance policies, configure ephemeral messaging, and to log both internal and external conversations in an AWS Wickr network to a private data store for data retention and auditing purposes.
AWS Wickr is available in commercial AWS Regions including US East (N. Virginia), Canada (Central), Asia Pacific (Malaysia, Singapore, Sydney, and Tokyo), and Europe (London, Frankfurt, Stockholm, and Zurich). It is also available in GovCloud (US-West) as Department of Defense Impact Level 5 (DoD IL5)-authorized AWS WickrGov.
The new console experience will be made available in phases over the coming weeks. Administrators will still be able to access the classic console for a limited period to ensure a smooth transition to the new experience. To learn more and get started, see the following resources:
AWS Wickr is excited to announce a redesigned admin experience that’s now fully integrated with the AWS Management Console. We’ve made updates to provide a more intuitive layout, easier navigation, and a more accessible experience. The new console uses the AWS Cloudscape design system for front-end components to give you the consistent and familiar experience you get with the AWS Management Console. AWS Wickr is a security-first messaging and collaboration service designed to keep internal and external communications secure, private, and compliant. It protects one-to-one and group messaging, voice and video calling, file sharing, screen sharing, and location sharing with end-to-end encryption. Customers have full administrative control to enforce information governance policies, configure ephemeral messaging, and to log both internal and external conversations in an AWS Wickr network to a private data store for data retention and auditing purposes. AWS Wickr is available in commercial AWS Regions including US East (N. Virginia), Canada (Central), Asia Pacific (Malaysia, Singapore, Sydney, and Tokyo), and Europe (London, Frankfurt, Stockholm, and Zurich). It is also available in GovCloud (US-West) as Department of Defense Impact Level 5 (DoD IL5)-authorized AWS WickrGov. The new console experience will be made available in phases over the coming weeks. Administrators will still be able to access the classic console for a limited period to ensure a smooth transition to the new experience. To learn more and get started, see the following resources:
Amazon Bedrock now supports fine-tuning for Meta’s Llama 3.2 models (1B, 3B, 11B, and 90B), enabling businesses to customize these generative AI models with their own data. Llama 3.2 models are available in various sizes, from small (1B and 3B) to medium-sized multimodal models (11B and 90B). Llama 3.2 11B and 90B models are the first in the Llama series to support both text and vision tasks, achieved by integrating image encoder representations into the language model. Fine-tuning allows you to adapt Llama 3.2 models for domain-specific tasks, enhancing performance for specialized use cases.
The Llama 3.2 90B model excels in advanced reasoning, long-form text generation, coding, multilingual translation, and image reasoning tasks such as captioning, visual question answering, and document analysis. The Llama 3.2 11B model is designed for content creation, conversational AI, and enterprise applications, with strong performance in text summarization, sentiment analysis, and visual understanding. For resource-constrained scenarios, the lightweight Llama 3.2 1B and 3B models enable on-device applications, excelling in tasks like text summarization, classification, and retrieval while ensuring low latency and enhanced privacy. By fine-tuning Llama 3.2 models in Amazon Bedrock, businesses can further enhance their capabilities for specialized applications, improving accuracy and relevance without needing to build models from scratch.
Amazon Bedrock now supports fine-tuning for Meta’s Llama 3.2 models (1B, 3B, 11B, and 90B), enabling businesses to customize these generative AI models with their own data. Llama 3.2 models are available in various sizes, from small (1B and 3B) to medium-sized multimodal models (11B and 90B). Llama 3.2 11B and 90B models are the first in the Llama series to support both text and vision tasks, achieved by integrating image encoder representations into the language model. Fine-tuning allows you to adapt Llama 3.2 models for domain-specific tasks, enhancing performance for specialized use cases. The Llama 3.2 90B model excels in advanced reasoning, long-form text generation, coding, multilingual translation, and image reasoning tasks such as captioning, visual question answering, and document analysis. The Llama 3.2 11B model is designed for content creation, conversational AI, and enterprise applications, with strong performance in text summarization, sentiment analysis, and visual understanding. For resource-constrained scenarios, the lightweight Llama 3.2 1B and 3B models enable on-device applications, excelling in tasks like text summarization, classification, and retrieval while ensuring low latency and enhanced privacy. By fine-tuning Llama 3.2 models in Amazon Bedrock, businesses can further enhance their capabilities for specialized applications, improving accuracy and relevance without needing to build models from scratch. You can fine-tune Llama 3.2 models in Amazon Bedrock in the US West (Oregon) AWS Region. For pricing, visit the Amazon Bedrock pricing page. To get started, see the Amazon Bedrock user guide and visit the Amazon Bedrock console.
Amazon GuardDuty Extended Threat Detection is now automatically available in AWS GovCloud (US) and China Regions. This capability allows you to identify sophisticated, multi-stage attacks targeting your AWS accounts, workloads, and data. You can now use new attack sequence findings that cover multiple resources and data sources over an extensive time period, allowing you to spend less time on first-level analysis and more time responding to critical-severity threats to minimize business impact.
GuardDuty Extended Threat Detection uses artificial intelligence and machine learning algorithms trained at AWS scale and automatically correlates security signals from across AWS services to detect critical threats. It identifies attack sequences, such as credential compromise followed by data exfiltration, and represents them as a single, critical-severity finding. The finding includes an incident summary, a detailed events timeline, mapping to MITRE ATT&CK® tactics and techniques, and remediation recommendations.
GuardDuty Extended Threat Detection is also available in all AWS commercial Regions where GuardDuty is available. This capability is automatically enabled for all new and existing GuardDuty customers at no additional cost. You do not need to enable all GuardDuty protection plans. However, enabling additional protection plans such as GuardDuty S3 Protection will increase the breadth of security signals, allowing for more comprehensive threat analysis and coverage of attack scenarios. You can take action on findings directly from the GuardDuty console or via its integrations with AWS Security Hub and Amazon EventBridge.
Amazon GuardDuty Extended Threat Detection is now automatically available in AWS GovCloud (US) and China Regions. This capability allows you to identify sophisticated, multi-stage attacks targeting your AWS accounts, workloads, and data. You can now use new attack sequence findings that cover multiple resources and data sources over an extensive time period, allowing you to spend less time on first-level analysis and more time responding to critical-severity threats to minimize business impact. GuardDuty Extended Threat Detection uses artificial intelligence and machine learning algorithms trained at AWS scale and automatically correlates security signals from across AWS services to detect critical threats. It identifies attack sequences, such as credential compromise followed by data exfiltration, and represents them as a single, critical-severity finding. The finding includes an incident summary, a detailed events timeline, mapping to MITRE ATT&CK® tactics and techniques, and remediation recommendations. GuardDuty Extended Threat Detection is also available in all AWS commercial Regions where GuardDuty is available. This capability is automatically enabled for all new and existing GuardDuty customers at no additional cost. You do not need to enable all GuardDuty protection plans. However, enabling additional protection plans such as GuardDuty S3 Protection will increase the breadth of security signals, allowing for more comprehensive threat analysis and coverage of attack scenarios. You can take action on findings directly from the GuardDuty console or via its integrations with AWS Security Hub and Amazon EventBridge. To get started, visit the Amazon GuardDuty product page or try GuardDuty free for 30 days on the AWS Free Tier.
Today, AWS announced the opening of a new AWS Direct Connect location within the Equinix LS1 data center near Lisbon, Portugal. By connecting your network to AWS at the new location, you gain private, direct access to all public AWS Regions (except those in China), AWS GovCloud Regions, and AWS Local Zones. This site is the first AWS Direct Connect location within Portugal. The new Direct Connect location offers dedicated 10 Gbps and 100 Gbps connections with MACsec encryption available.
The Direct Connect service enables you to establish a private, physical network connection between AWS and your data center, office, or colocation environment. These private connections can provide a more consistent network experience than those made over the public internet.
For more information on the over 145 Direct Connect locations worldwide, visit the locations section of the Direct Connect product detail pages. Or, visit our getting started page to learn more about how to purchase and deploy Direct Connect.
Today, AWS announced the opening of a new AWS Direct Connect location within the Equinix LS1 data center near Lisbon, Portugal. By connecting your network to AWS at the new location, you gain private, direct access to all public AWS Regions (except those in China), AWS GovCloud Regions, and AWS Local Zones. This site is the first AWS Direct Connect location within Portugal. The new Direct Connect location offers dedicated 10 Gbps and 100 Gbps connections with MACsec encryption available. The Direct Connect service enables you to establish a private, physical network connection between AWS and your data center, office, or colocation environment. These private connections can provide a more consistent network experience than those made over the public internet. For more information on the over 145 Direct Connect locations worldwide, visit the locations section of the Direct Connect product detail pages. Or, visit our getting started page to learn more about how to purchase and deploy Direct Connect.
A new minor version of Microsoft SQL Server is now available on Amazon RDS for SQL Server, providing performance enhancements and security fixes. Amazon RDS for SQL Server now supports this latest minor version of SQL Server 2019 across the Express, Web, Standard, and Enterprise editions.
We encourage you to upgrade your Amazon RDS for SQL Server database instances at your convenience. You can upgrade with just a few clicks in the Amazon RDS Management Console or by using the AWS CLI. Learn more about upgrading your database instances from the Amazon RDS User Guide. The new minor version is SQL Server 2019 CU31 15.0.4420.2.
This minor version is available in all AWS commercial regions where Amazon RDS for SQL Server databases are available, including the AWS GovCloud (US) Regions.
Amazon RDS for SQL Server makes it simple to set up, operate, and scale SQL Server deployments in the cloud. See Amazon RDS for SQL Server Pricing for pricing details and regional availability.
A new minor version of Microsoft SQL Server is now available on Amazon RDS for SQL Server, providing performance enhancements and security fixes. Amazon RDS for SQL Server now supports this latest minor version of SQL Server 2019 across the Express, Web, Standard, and Enterprise editions. We encourage you to upgrade your Amazon RDS for SQL Server database instances at your convenience. You can upgrade with just a few clicks in the Amazon RDS Management Console or by using the AWS CLI. Learn more about upgrading your database instances from the Amazon RDS User Guide. The new minor version is SQL Server 2019 CU31 15.0.4420.2. This minor version is available in all AWS commercial regions where Amazon RDS for SQL Server databases are available, including the AWS GovCloud (US) Regions. Amazon RDS for SQL Server makes it simple to set up, operate, and scale SQL Server deployments in the cloud. See Amazon RDS for SQL Server Pricing for pricing details and regional availability.
AWS CodeConnections now provides greater control to manage the creation of hosts with a new IAM condition key for self-managed GitLab/GitHub Enterprise Server hosts. The new condition key allows you to set up IAM policies to specify the VPC you want all connections to use when accessing your repositories.
With today’s release, AWS CodeConnections has added a condition key that allows you to enforce policies related to creating or updating hosts to use a specified VPC ID. The new condition key (codeconnections:VpcId) allows you to specify the ID of the VPC you want the corresponding host resource to use. This gives greater control to admins to manage traffic through VPCs related to specific use cases. For example, you can now centralize all use of repository access to a single VPC.
To learn more about using the new condition key, visit our documentation. To learn more about what connections in AWS CodeConnections are and how they work, visit our documentation.
AWS CodeConnections now provides greater control to manage the creation of hosts with a new IAM condition key for self-managed GitLab/GitHub Enterprise Server hosts. The new condition key allows you to set up IAM policies to specify the VPC you want all connections to use when accessing your repositories. With today’s release, AWS CodeConnections has added a condition key that allows you to enforce policies related to creating or updating hosts to use a specified VPC ID. The new condition key (codeconnections:VpcId) allows you to specify the ID of the VPC you want the corresponding host resource to use. This gives greater control to admins to manage traffic through VPCs related to specific use cases. For example, you can now centralize all use of repository access to a single VPC. To learn more about using the new condition key, visit our documentation. To learn more about what connections in AWS CodeConnections are and how they work, visit our documentation.
Impacto de la IA en Dow: Copilot identifica millones en ahorros de costos
Cómo la empresa de ciencia de materiales transforma su sistema de facturación de carga y optimiza toda su operación de envío global.
En una extensa planta de operaciones en la sede de Dow en Midland, Michigan, las facturas fluyen en una fuente interminable. Los estados de cuenta de hasta 4 mil envíos diarios (PDF enviados por correo electrónico, transacciones de intercambio electrónico de datos, papel) se mueven a través del sistema las 24 horas del día, los 7 días de la semana, detallan todo, desde recargos de flete hasta costos de refrigeración. Cada factura representa una pieza en el enorme rompecabezas de la cadena de suministro de la empresa, y cada partida debe verificarse con los contratos y las realidades del recorrido de ese envío en particular.
Para una empresa global de ciencia de materiales, pagar para mover todo, desde el silicio de su teléfono inteligente hasta la espuma de su colchón, es tan solo el costo de hacer negocios. Dow gasta varios miles de millones de dólares al año solo en envíos de salida. Este gasto enmascara una realidad empresarial común madura para la transformación de la IA: incluso en una era de hiperautomatización y eficiencia, los cargos inexactos enterrados en cientos de miles de facturas (tarifas mal aplicadas, errores no detectados) pueden acumular en silencio importantes sobrepagos potenciales.
«Si tuviéramos una mejor manera de evaluar y rastrear los errores de facturación, incluso una mejora del 1 por ciento significaría ahorros sustanciales».
Melanie Kalmar, directora de información y digital de Dow
«Tener tantas fuentes de datos puede abrumar los sistemas tradicionales y desconcertar el cerebro humano», dice la directora de información y digital de Dow, Melanie Kalmar, quien ha pasado décadas en la búsqueda del potencial sin explotar en el panorama digital de su empresa. «Si se tiene en cuenta cuánto gasta Dow en fletes, si tuviéramos una mejor manera de evaluar y rastrear los errores de facturación, incluso una mejora del 1 por ciento significaría ahorros sustanciales». Por lo tanto, Dow se asoció con Microsoft para utilizar Copilot y sus agentes para automatizar el proceso de análisis de facturas de envío y optimizar la cadena de suministro global de Dow, para desbloquear la eficiencia y el valor de formas que antes eran inimaginables.
Aquí es donde las capacidades de los agentes de IA pueden tener un gran impacto. «Piensa en los agentes como las nuevas aplicaciones para un mundo impulsado por la IA», dice Jared Spataro, director de marketing de AI at Work de Microsoft. «Cada organización tendrá una constelación de agentes, desde los más simples hasta los más autónomos. Trabajarán en nombre de un individuo, equipo o función para ejecutar y orquestar procesos comerciales. Copilot es la forma en que interactuarás con estos agentes».
Para transformar el proceso de verificación de facturas en Dow, el equipo creó dos tipos de agentes de IA. El primero es un agente autónomo, creado en Copilot Studio, que supervisa el correo electrónico entrante de las facturas PDF adjuntas y estructura los datos para su análisis. Dado que Dow recibe el 20 por ciento de sus facturas de envío a través de PDF (más de 100 mil al año), la visibilidad de esos datos es esencial. A continuación, el agente autónomo busca imprecisiones en la facturación, sacándolas a la luz en un panel de control en el que los empleados pueden utilizar el segundo agente, un agente de aviso y respuesta en Copilot al que llaman Agente de Carga, para investigar más a fondo y «dialogar con los datos» en lenguaje natural.
A las pocas semanas de la fase de prueba de concepto, los empleados utilizaban los agentes para analizar miles de facturas de envíos terrestres salientes en América del Norte, para señalar anomalías y destacar los posibles ahorros. Una vez que el sistema esté escalado por completo a todos los modos de envío en todo el mundo, Dow anticipa una mayor precisión en las tarifas logísticas y la facturación, lo que en el primer año debería resultar en que la empresa ahorre millones de dólares en costos de envío. Fuentes de la industria indican que la implementación de un sólido proceso de auditoría de fletes puede ayudar a las empresas a ahorrar un promedio del 3 por ciento en gastos de flete, una cantidad significativa cuando hay miles de millones de dólares sobre la mesa.
«Al ver cómo un agente podía resolver el enigma de las pérdidas ocultas de forma autónoma, y en minutos en lugar de semanas o meses, sabíamos que este era el futuro».
Mike Weideman, director sénior de TI, Dow
Lo que se desarrolla en Dow sirve como un libro de jugadas para los líderes que buscan aprovechar la IA para resolver sus problemas comerciales más espinosos. Es una historia sobre la exposición de patrones, la extracción de claridad de los datos no estructurados y el empoderamiento de las organizaciones para que actúen con decisión en lugar de hacerlo de manera reactiva, incluso a nivel de seguimiento de los cargos de almacenamiento nocturno.
«El verdadero momento de revelación», recuerda Mike Weideman, director sénior de TI de Dow que trabajó en estrecha colaboración con Kalmar y el equipo de Microsoft, fue «darnos cuenta de que teníamos personas que revisaban de manera manual las facturas, para señalar discrepancias que la IA podía manejar más rápido y sin errores. Al ver cómo un agente podía resolver el enigma de las pérdidas ocultas de forma autónoma, y en minutos en lugar de semanas o meses, sabíamos que este era el futuro».
Para llegar a ese futuro, Dow y Microsoft primero necesitaban evaluar la escala del problema y cómo Copilot y los agentes podían ayudar a resolverlo.
«Dejen que sus datos revelen el mayor valor»
Durante un taller en agosto que reunió a unas dos docenas de especialistas en cadena de suministro, TI y operaciones de Dow y Microsoft, los participantes compartieron sus desafíos con el proceso de verificación: «Recibimos estas facturas de 20 páginas y, a menudo, no hay forma de saber si ya se han procesado o si pagamos de más», dijo Tami Sowle, gerente de excelencia operativa de logística de Dow. explicó al grupo. Sus empleados estaban atascados en controles y balances manuales e incapaces de auditar con eficiencia las facturas, en especial las complejas llenas de oscuras tarifas «accesorias», cargos relacionados con retrasos, control de temperatura o servicios adicionales.
Esta visión ayudó a cristalizar los objetivos del proyecto. La facturación iba a ser un terreno fértil para el potencial de la IA para remodelar los flujos de trabajo. «Esta sería nuestra prioridad», dice Brennen Cage, ingeniero principal de software de Microsoft. «Aquí es donde Copilot y los agentes podrían tener el mayor impacto primero».
Es una lección para todos los líderes empresariales que buscan implementar la IA: comiencen con su mayor punto débil y luego apliquen la IA. Identifiquen uno o dos procesos que, si pudieran hacerlos más rápidos y eficientes, serían transformadores para la organización.
En Dow, el equipo se centró en las facturas relacionadas con el transporte de mercancías de América del Norte, en específico los envíos terrestres, que son menos complejos que modos como el tráfico aéreo o de barcazas. Al reducir su lente a un subconjunto manejable de facturas, el equipo pudo demostrar el potencial de Copilot más rápido.
Después del taller, Cage tomó la iniciativa en la construcción del Agente de Carga. En menos de 48 horas, utilizó la plataforma Integrated Data Hub de Dow, basada en la tecnología de Microsoft, para ingerir ocho meses de datos de 2024, es decir, los cargos facturados de 43 mil envíos. Fue entonces cuando comenzó la diversión. Comenzó a pedirle al agente que buscara patrones, por medio señales de lenguaje natural en Copilot.
En cuestión de segundos, comenzaron a aparecer anomalías. Copilot entregó una larga lista de resúmenes de facturación detallados. Al hacer clic en un artículo, aparece un módulo que muestra el costo estimado o esperado del servicio o envío, junto con el monto real cobrado y la discrepancia entre las dos cifras.
—Boom —murmuró Cage mientras se concentraba en una partida—. Un recargo particular apareció en $30 mil USD , mientras que la tarifa típica es de $5,000. Ingresó algunos prompts más y descubrió que algunos cargos se habían multiplicado por diez en varios envíos, ocultos en la montaña de datos.
Dialogar con los datos
Al consultar al agente de carga, los empleados de Dow pueden ver de manera rápida las anomalías de la factura, como las discrepancias entre el costo esperado (total acumulado) y el cargo en la factura (total real).
Cuando Cage demostró más tarde el sistema al equipo de Kalmar, se quedaron con los ojos muy abiertos. Los errores de facturación que por lo general requerían horas, días o semanas de tediosa auditoría manual ahora salían a la luz con unas pocas pulsaciones de teclas. Ya podían ver importantes oportunidades de ahorro, desenmascaradas línea por línea. «Esto es justo lo que nos perdíamos», dijo Weideman, al presenciar la realidad de las operaciones de carga de Dow puesta al descubierto por primera vez.
La introducción de datos más detallados puso de manifiesto cuestiones adicionales: ¿Por qué son tan elevadas las tarifas para transportar determinados materiales? ¿Vemos facturas duplicadas? ¿Qué podemos hacer para reducir los retrasos en la descarga?
«Así es como se ve la visibilidad: dejen que sus datos revelen el mayor valor», dice Spataro. «En última instancia, transformamos la manera en que Dow interactúa con cada pepita de información».
El éxito del proyecto piloto demuestra lo importante que es basar la IA en los datos de la organización. Y a medida que Dow implementa su flujo de trabajo de agentes completo, la base de datos segura se volverá aún más esencial, lo que permitirá que el sistema administre datos y acciones en todo su proceso global de envío y facturación.
Los agentes entregan el futuro
En el Digital Fulfillment Center, una pulida incubadora de ideas industriales para la cadena de suministro de la empresa, el director de innovación de Dow Global ISC, Jeff Tazelaar, se encuentra frente a una pantalla del tamaño de un cine que muestra un panel de control de Copilot. Muestra a algunos de los «superusuarios» de Copilot de su equipo lo que pronto podría ser posible cuando una red de agentes autónomos trabajen juntos.
Supongamos que un envío sale de las instalaciones de Dow en Michigan en una ruta programada a Colorado. A medida que el camión comienza su viaje, un agente de monitoreo meteorológico detecta una advertencia de tormenta de hielo severa. El sistema toma nota del impacto potencial y actualiza a un Agente de Verificación de Costos para comparar cualquier costo nuevo, como peajes adicionales o combustible, con los términos del contrato original, donde señala las discrepancias para su revisión. Al mismo tiempo, el Agente de Notificación al Cliente alerta a los socios de Dow sobre posibles retrasos debidos a las condiciones meteorológicas, lo que garantiza la transparencia y la comunicación proactiva. En cada paso, cada agente verifica los detalles logísticos y financieros, lo que ayuda a Dow a responder de manera rápida a los desarrollos en tiempo real sin necesidad de intervención manual. Esta red optimizada de agentes ayuda a garantizar que los envíos lleguen a su destino sin cargos inesperados, lo que ahorra tiempo y dinero.
«Ya hemos identificado más de 100 casos de uso que afectan a la logística y las operaciones para aprovechar a los agentes en toda la cadena de suministro».
Jeff Tazelaar, director de innovación global ISC, Dow
Eso es solo el comienzo. «Ya hemos identificado más de 100 casos de uso que afectan a la logística y las operaciones para aprovechar a los agentes en toda la cadena de suministro», dice Tazelaar. Y no se trata solo de reducir costos. Una estrategia de IA ganadora para cualquier empresa requiere jugar tanto a la ofensiva como a la defensiva, aprovechándola para aumentar los ingresos y reducir los costos.
Por ahora, solo hay un agente autónomo que supervisa el correo electrónico entrante para las facturas en PDF. Pero incluso ese único agente le da a Dow visibilidad de una gran cantidad de oportunidades ocultas para la reducción de costos y la transformación operativa.
Construir sobre la victoria
Se espera que el sistema completo de extremo a extremo se implemente en el nuevo año, y los equipos de logística, TI y abastecimiento de Dow ven este momento como un punto de inflexión. «Mejora la forma en que hacemos nuestro trabajo y somos productivos», dice Sowle en Logística. «La idea de que el agente tome medidas con los datos y corrija los problemas, en lugar de que nosotros extraigamos información de múltiples fuentes y tratemos de darle sentido, es emocionante».
Como líder de la transformación digital de Dow, esto es justo lo que a Kalmar le gusta escuchar. La introducción de la IA en una organización heredada tan masiva como Dow requiere educación y, a veces, un poco de empuje. Los programas intencionales de mejora de habilidades y adopción son esenciales: la implementación de una herramienta como esta es un desafío organizacional, no solo un desafío de TI.
«Los resultados venden la idea, desde los usuarios finales hasta el CEO», dice Kalmar. «Si puedo vincular la entrega de algo con ahorros de costos sustanciales como ese, no hay venta. Ahora la clave es conseguir ese ahorro de costes al final de la implementación y ser capaz de rastrearlo en los resultados de la empresa».
«La idea de que el agente tome medidas con los datos y corrija los problemas, en lugar de que nosotros intentemos darles sentido, es emocionante».
Tami Sowle, gerente de excelencia operativa logística, Dow
Ahora, Kalmar mira mucho más allá de los costos de flete mientras piensa en el futuro. Desde la investigación y el desarrollo hasta el servicio al cliente, se prepara para que los agentes y la automatización reinventen de manera fundamental los flujos de trabajo en toda la empresa. Con cada éxito se ha arraigado un nuevo nivel de curiosidad, y ella puede sentirlo en todas partes en Dow.
«La voz se ha comenzado a correr», dice Kalmar con un dejo de orgullo en su sonrisa. «Ahora la gente llama a la puerta y dice: ‘Oye, ¿puedes ayudar?’».
Sigan el ejemplo de Dow
Estas son algunas de las claves para iniciar la transformación de la IA.
Identifiquen su mayor desafío de proceso y luego apliquen la IA: Como muestra el proyecto Dow, vale la pena identificar un gran problema empresarial y aplicarle la IA. Con Dow, eso fue en un aspecto específico de la cadena de suministro, pero es solo un ejemplo. La clave es comenzar con cualquier proceso que, si se mejora para que sea más rápido, más barato o mejor, transformaría el negocio.
Conecten la IA en los datos de su organización: Cuando la IA se basa en los datos y el conocimiento de su empresa, puede dirigirla hacia sus objetivos y necesidades. A medida que crecen las capacidades de los agentes, la base de datos segura se vuelve aún más esencial, lo que permite a los agentes administrar datos y acciones en sistemas dispares. Al implementar un agente para extraer datos de las facturas en PDF, Dow pudo obtener un valor que antes estaba oculto en un pajar digital.
Midan su progreso: Establezcan KPIs desde el principio. Medir el impacto de la IA ayudará a determinar si deben ajustar su enfoque, ampliar sus esfuerzos a una mayor parte de un proceso o identificar un nuevo proceso que abordar. Dow comenzó con la aplicación de Copilot y agentes a un subconjunto manejable de su cadena de suministro, y luego midió el resultado. Sobre la base de ese éxito, Dow examina otros procesos en los que la IA puede dar sus frutos.
Amazon S3 Tables now seamlessly integrate with Amazon SageMaker Lakehouse, making it easy to query and join S3 Tables with data in S3 data lakes, Amazon Redshift data warehouses, and third-party data sources. S3 Tables deliver the first cloud object store with built-in Apache Iceberg support. SageMaker Lakehouse is a unified, open, and secure data lakehouse that simplifies your analytics and artificial intelligence (AI). All data in SageMaker Lakehouse can be queried from SageMaker Unified Studio and engines such as Amazon EMR, AWS Glue, Amazon Redshift, Amazon Athena, and Apache Iceberg-compatible engines like Apache Spark or PyIceberg.
SageMaker Lakehouse provides the flexibility to access and query data in-place across S3 Tables, S3 buckets, and Redshift warehouses using the Apache Iceberg open standard. You can secure and centrally manage your data in the lakehouse by defining fine-grained permissions that are consistently applied across all analytics and ML tools and engines. You can access SageMaker Lakehouse from Amazon SageMaker Unified Studio, a single data and AI development environment that brings together functionality and tools from AWS analytics and AI/ML services.
The integrated experience to access S3 Tables with SageMaker Lakehouse is generally available in all AWS Regions where S3 Tables are available. To get started, enable S3 Tables integration with Amazon SageMaker Lakehouse, which allows AWS analytics services to automatically discover and access your S3 Tables data. To learn more about S3 Tables integration, visit the documentation and product page. To learn more about SageMaker Lakehouse, visit the documentation, product page, and read the launch blog.
Amazon S3 Tables now seamlessly integrate with Amazon SageMaker Lakehouse, making it easy to query and join S3 Tables with data in S3 data lakes, Amazon Redshift data warehouses, and third-party data sources. S3 Tables deliver the first cloud object store with built-in Apache Iceberg support. SageMaker Lakehouse is a unified, open, and secure data lakehouse that simplifies your analytics and artificial intelligence (AI). All data in SageMaker Lakehouse can be queried from SageMaker Unified Studio and engines such as Amazon EMR, AWS Glue, Amazon Redshift, Amazon Athena, and Apache Iceberg-compatible engines like Apache Spark or PyIceberg.
SageMaker Lakehouse provides the flexibility to access and query data in-place across S3 Tables, S3 buckets, and Redshift warehouses using the Apache Iceberg open standard. You can secure and centrally manage your data in the lakehouse by defining fine-grained permissions that are consistently applied across all analytics and ML tools and engines. You can access SageMaker Lakehouse from Amazon SageMaker Unified Studio, a single data and AI development environment that brings together functionality and tools from AWS analytics and AI/ML services. The integrated experience to access S3 Tables with SageMaker Lakehouse is generally available in all AWS Regions where S3 Tables are available. To get started, enable S3 Tables integration with Amazon SageMaker Lakehouse, which allows AWS analytics services to automatically discover and access your S3 Tables data. To learn more about S3 Tables integration, visit the documentation and product page. To learn more about SageMaker Lakehouse, visit the documentation, product page, and read the launch blog.
AWS announces the general availability of Amazon SageMaker Unified Studio, a single data and AI development environment that brings together functionality and tools from AWS analytics and AI/ML services, including Amazon EMR, AWS Glue, Amazon Athena, Amazon Redshift, Amazon Bedrock, and Amazon SageMaker AI. This launch includes simplified permissions management that makes it easier to bring existing AWS resources to the unified studio. SageMaker Unified Studio allows you to find, access, and query data and AI assets across your organization, then collaborate in projects to securely build and share analytics and AI artifacts, including data, models, and generative AI applications. Unified access to your data is provided by Amazon SageMaker Lakehouse and governance capabilities are built in via Amazon SageMaker Catalog.
Amazon Q Developer is now generally available in SageMaker Unified Studio, providing generative AI-powered assistance across the development lifecycle. Amazon Q Developer streamlines development by offering natural language, conversational interfaces that simplify tasks like writing SQL queries, building ETL jobs, troubleshooting, and generating real-time code suggestions. The Free Tier of Amazon Q Developer is available by default in SageMaker Unified Studio; customers with existing Amazon Q Developer Pro Tier subscriptions can access additional features.
Selected capabilities from Amazon Bedrock are also generally available in SageMaker Unified Studio. You can rapidly prototype, customize, and share generative AI applications using high-performing foundation models and advanced features such as Amazon Bedrock Knowledge Bases, Amazon Bedrock Guardrails, Amazon Bedrock Agents, and Amazon Bedrock Flows to create tailored solutions aligned to your requirements and responsible AI guidelines.
See Supported Regions for a list of AWS Regions where SageMaker Unified Studio is generally available. To learn more about SageMaker Unified Studio and how it can accelerate data and AI development, see the Amazon SageMaker Unified Studio webpage or documentation. You can start using SageMaker Unified Studio today by selecting “Amazon SageMaker” in the AWS Console.
AWS announces the general availability of Amazon SageMaker Unified Studio, a single data and AI development environment that brings together functionality and tools from AWS analytics and AI/ML services, including Amazon EMR, AWS Glue, Amazon Athena, Amazon Redshift, Amazon Bedrock, and Amazon SageMaker AI. This launch includes simplified permissions management that makes it easier to bring existing AWS resources to the unified studio. SageMaker Unified Studio allows you to find, access, and query data and AI assets across your organization, then collaborate in projects to securely build and share analytics and AI artifacts, including data, models, and generative AI applications. Unified access to your data is provided by Amazon SageMaker Lakehouse and governance capabilities are built in via Amazon SageMaker Catalog.
Amazon Q Developer is now generally available in SageMaker Unified Studio, providing generative AI-powered assistance across the development lifecycle. Amazon Q Developer streamlines development by offering natural language, conversational interfaces that simplify tasks like writing SQL queries, building ETL jobs, troubleshooting, and generating real-time code suggestions. The Free Tier of Amazon Q Developer is available by default in SageMaker Unified Studio; customers with existing Amazon Q Developer Pro Tier subscriptions can access additional features.
Selected capabilities from Amazon Bedrock are also generally available in SageMaker Unified Studio. You can rapidly prototype, customize, and share generative AI applications using high-performing foundation models and advanced features such as Amazon Bedrock Knowledge Bases, Amazon Bedrock Guardrails, Amazon Bedrock Agents, and Amazon Bedrock Flows to create tailored solutions aligned to your requirements and responsible AI guidelines.
See Supported Regions for a list of AWS Regions where SageMaker Unified Studio is generally available. To learn more about SageMaker Unified Studio and how it can accelerate data and AI development, see the Amazon SageMaker Unified Studio webpage or documentation. You can start using SageMaker Unified Studio today by selecting “Amazon SageMaker” in the AWS Console.
Amazon Bedrock’s capabilities are now generally available within Amazon SageMaker Unified Studio, offering a governed collaborative environment that empowers developers to rapidly create and customize generative AI applications. This intuitive interface caters to developers of all skill levels, providing seamless access to Amazon Bedrock’s high-performance foundation models (FMs) and advanced customization tools for collaborative development of tailored generative AI applications.
Amazon Bedrock can be accessed through the AWS Management Console, APIs, or Amazon SageMaker Unified Studio. Its integration in Amazon SageMaker Unified Studio eliminates barriers between data, tools, and developers in the generative AI development process. Teams gain a unified development experience by accessing familiar JupyterLab environments and analytics tools while seamlessly incorporating Amazon Bedrock’s powerful generative AI capabilities—all within the same workspace. Developers can harness Retrieval Augmented Generation (RAG) to build Knowledge Bases from proprietary data sources, utilize Agents and Flows for complex task automation, and implement Guardrails for responsible AI development. This consolidated workspace streamlines complexity, enabling faster prototyping, iteration, and deployment of production-ready, responsible generative AI applications that align with specific business requirements.
Amazon Bedrock in SageMaker Unified Studio can now be accessed in all 12 regions where SageMaker Unified Studio is available, including in Europe, South America, Asia Pacific, US East, US West. For more information on supported regions, please refer to the Amazon SageMaker Unified Studio regions guide.
Learn more about Amazon Bedrock’s capabilities in Amazon SageMaker Unified Studio by visiting the capability page, and get started by enabling a “Generative AI application development” project profile using this admin guide.
Amazon Bedrock’s capabilities are now generally available within Amazon SageMaker Unified Studio, offering a governed collaborative environment that empowers developers to rapidly create and customize generative AI applications. This intuitive interface caters to developers of all skill levels, providing seamless access to Amazon Bedrock’s high-performance foundation models (FMs) and advanced customization tools for collaborative development of tailored generative AI applications. Amazon Bedrock can be accessed through the AWS Management Console, APIs, or Amazon SageMaker Unified Studio. Its integration in Amazon SageMaker Unified Studio eliminates barriers between data, tools, and developers in the generative AI development process. Teams gain a unified development experience by accessing familiar JupyterLab environments and analytics tools while seamlessly incorporating Amazon Bedrock’s powerful generative AI capabilities—all within the same workspace. Developers can harness Retrieval Augmented Generation (RAG) to build Knowledge Bases from proprietary data sources, utilize Agents and Flows for complex task automation, and implement Guardrails for responsible AI development. This consolidated workspace streamlines complexity, enabling faster prototyping, iteration, and deployment of production-ready, responsible generative AI applications that align with specific business requirements. Amazon Bedrock in SageMaker Unified Studio can now be accessed in all 12 regions where SageMaker Unified Studio is available, including in Europe, South America, Asia Pacific, US East, US West. For more information on supported regions, please refer to the Amazon SageMaker Unified Studio regions guide. Learn more about Amazon Bedrock’s capabilities in Amazon SageMaker Unified Studio by visiting the capability page, and get started by enabling a “Generative AI application development” project profile using this admin guide.
