Today, AWS announces the ability to remotely connect from Kiro and Cursor IDEs to Amazon SageMaker Studio. This new capability allows data scientists, ML engineers, and developers to leverage their Kiro and Cursor setup – including its spec-driven development, conversational coding, and automated feature generation capabilities – while accessing the scalable compute resources of Amazon SageMaker Studio. By connecting Kiro and Cursor to SageMaker Studio using the AWS Toolkit extension, you can eliminate context switching between your local IDE and cloud infrastructure, maintaining your existing agentic development workflows within a single environment for all your AWS analytics and AI/ML services.
SageMaker Studio, offers a broad set of fully managed cloud interactive development environments (IDE), including JupyterLab and Code Editor based on Code-OSS (Open-Source Software), and VS Code IDE as remote IDE. Starting today, you can also use your customized local Kiro and Cursor setup – complete with specs, steering files, and hooks – while accessing your compute resources and data on Amazon SageMaker. You can authenticate using the AWS Toolkit extension in Kiro or Cursor or through SageMaker Studio’s web interface. Once authenticated, connect to any of your SageMaker Studio development environments in a few simple clicks. You maintain the same security boundaries as SageMaker Studio’s web-based environments while developing AI models and analyzing data in local IDE of your choice – Kiro or Cursor.
Today, AWS announces the ability to remotely connect from Kiro and Cursor IDEs to Amazon SageMaker Studio. This new capability allows data scientists, ML engineers, and developers to leverage their Kiro and Cursor setup – including its spec-driven development, conversational coding, and automated feature generation capabilities – while accessing the scalable compute resources of Amazon SageMaker Studio. By connecting Kiro and Cursor to SageMaker Studio using the AWS Toolkit extension, you can eliminate context switching between your local IDE and cloud infrastructure, maintaining your existing agentic development workflows within a single environment for all your AWS analytics and AI/ML services. SageMaker Studio, offers a broad set of fully managed cloud interactive development environments (IDE), including JupyterLab and Code Editor based on Code-OSS (Open-Source Software), and VS Code IDE as remote IDE. Starting today, you can also use your customized local Kiro and Cursor setup – complete with specs, steering files, and hooks – while accessing your compute resources and data on Amazon SageMaker. You can authenticate using the AWS Toolkit extension in Kiro or Cursor or through SageMaker Studio’s web interface. Once authenticated, connect to any of your SageMaker Studio development environments in a few simple clicks. You maintain the same security boundaries as SageMaker Studio’s web-based environments while developing AI models and analyzing data in local IDE of your choice – Kiro or Cursor. To learn more, refer to the SageMaker user guide.
AWS Lambda increases the file descriptor limit from 1,024 to 4,096, a 4x increase, for functions running on Lambda Managed Instances (LMI). This capability enables customers to run I/O intensive workloads such as high-concurrency web services, and file-heavy data processing pipelines, without running into file descriptor limits. LMI enables you to run Lambda functions on managed Amazon EC2 instances with built-in routing, load-balancing, and auto-scaling, giving you access to specialized compute configurations including the latest-generation processors and high-bandwidth networking, with no operational overhead.
Customers use Lambda functions to build a wide range of serverless applications such as event-driven workloads, web applications, and AI-driven workflows. These applications rely on file descriptors for operations such as opening files, establishing network socket connections to external services and databases, and managing concurrent I/O streams for data processing. Each open file, network socket, or internal resource consumes one file descriptor. Today, Lambda supports a maximum of 1,024 file descriptors. However, LMI allows multiple requests to be processed simultaneously, which often requires higher number of file descriptors. With this launch, AWS Lambda is increasing the file descriptor limit to 4,096, allowing customers to run I/O intensive workloads, maintain larger connection pools, and effectively utilize multi-concurrency for functions running on LMI.
This feature is available in all AWS Regions where AWS Lambda Managed Instances is generally available. To get started, visit the AWS Lambda Managed Instances documentation.
AWS Lambda increases the file descriptor limit from 1,024 to 4,096, a 4x increase, for functions running on Lambda Managed Instances (LMI). This capability enables customers to run I/O intensive workloads such as high-concurrency web services, and file-heavy data processing pipelines, without running into file descriptor limits. LMI enables you to run Lambda functions on managed Amazon EC2 instances with built-in routing, load-balancing, and auto-scaling, giving you access to specialized compute configurations including the latest-generation processors and high-bandwidth networking, with no operational overhead. Customers use Lambda functions to build a wide range of serverless applications such as event-driven workloads, web applications, and AI-driven workflows. These applications rely on file descriptors for operations such as opening files, establishing network socket connections to external services and databases, and managing concurrent I/O streams for data processing. Each open file, network socket, or internal resource consumes one file descriptor. Today, Lambda supports a maximum of 1,024 file descriptors. However, LMI allows multiple requests to be processed simultaneously, which often requires higher number of file descriptors. With this launch, AWS Lambda is increasing the file descriptor limit to 4,096, allowing customers to run I/O intensive workloads, maintain larger connection pools, and effectively utilize multi-concurrency for functions running on LMI. This feature is available in all AWS Regions where AWS Lambda Managed Instances is generally available. To get started, visit the AWS Lambda Managed Instances documentation.
The AWS Advanced JDBC Wrapper now supports automatically caching JDBC queries with Valkey, including Amazon ElastiCache for Valkey caches. Previously, developers who needed to cache JDBC query result sets had to manually write code to store and retrieve data from the cache for each query. Now you can automatically cache result sets from your Aurora and RDS PostgreSQL, MySQL, and MariaDB databases in just a few short steps. Simply add the wrapper dependency, enable the query cache plugin, configure database and cache endpoints, and indicate which queries to cache in your application code.
With this capability, you can store and retrieve query results directly from ElastiCache for Valkey, reducing the number of database reads and lowering read latency for frequently accessed data. Automated query caching can improve performance, lower costs, and increase application resilience by reducing database resource requirements. The AWS Advanced JDBC Wrapper supports annotating queries for caching using popular persistence APIs and frameworks including Hibernate and Spring Data, as well as manual query hinting.
JDBC query caching with the AWS Advanced JDBC Wrapper works seamlessly with Amazon ElastiCache for Valkey. You can create a new Amazon ElastiCache for Valkey serverless cache with the AWS Management Console, Software Development Kit (SDK), Command Line Interface (CLI), or Model Context Protocol (MCP) server. For more information, see the Advanced JDBC Wrapper and Amazon ElastiCache for Valkey documentation.
The AWS Advanced JDBC Wrapper now supports automatically caching JDBC queries with Valkey, including Amazon ElastiCache for Valkey caches. Previously, developers who needed to cache JDBC query result sets had to manually write code to store and retrieve data from the cache for each query. Now you can automatically cache result sets from your Aurora and RDS PostgreSQL, MySQL, and MariaDB databases in just a few short steps. Simply add the wrapper dependency, enable the query cache plugin, configure database and cache endpoints, and indicate which queries to cache in your application code. With this capability, you can store and retrieve query results directly from ElastiCache for Valkey, reducing the number of database reads and lowering read latency for frequently accessed data. Automated query caching can improve performance, lower costs, and increase application resilience by reducing database resource requirements. The AWS Advanced JDBC Wrapper supports annotating queries for caching using popular persistence APIs and frameworks including Hibernate and Spring Data, as well as manual query hinting. JDBC query caching with the AWS Advanced JDBC Wrapper works seamlessly with Amazon ElastiCache for Valkey. You can create a new Amazon ElastiCache for Valkey serverless cache with the AWS Management Console, Software Development Kit (SDK), Command Line Interface (CLI), or Model Context Protocol (MCP) server. For more information, see the Advanced JDBC Wrapper and Amazon ElastiCache for Valkey documentation.
Starting today, the general-purpose Amazon EC2 M8a instances are available in AWS Europe (Ireland) region. M8a instances are powered by 5th Gen AMD EPYC processors (formerly code named Turin) with a maximum frequency of 4.5 GHz, deliver up to 30% higher performance, and up to 19% better price-performance compared to M7a instances.
M8a instances deliver 45% more memory bandwidth compared to M7a instances, making these instances ideal for even latency sensitive workloads. M8a instances deliver even higher performance gains for specific workloads. M8a instances are up to 60% faster for GroovyJVM benchmark, and up to 39% faster for Cassandra benchmark compared to Amazon EC2 M7a instances. M8a instances are SAP-certified and offer 12 sizes including 2 bare metal sizes. This range of instance sizes allows customers to precisely match their workload requirements.
M8a instances are built using the latest sixth generation AWS Nitro Cards and ideal for applications that benefit from high performance and high throughput such as financial applications, gaming, rendering, application servers, simulation modeling, mid-size data stores, application development environments, and caching fleets.
To get started, sign in to the AWS Management Console. Customers can purchase these instances via Savings Plans, On-Demand instances, and Spot instances. For more information visit the Amazon EC2 M8a instance page.
Starting today, the general-purpose Amazon EC2 M8a instances are available in AWS Europe (Ireland) region. M8a instances are powered by 5th Gen AMD EPYC processors (formerly code named Turin) with a maximum frequency of 4.5 GHz, deliver up to 30% higher performance, and up to 19% better price-performance compared to M7a instances. M8a instances deliver 45% more memory bandwidth compared to M7a instances, making these instances ideal for even latency sensitive workloads. M8a instances deliver even higher performance gains for specific workloads. M8a instances are up to 60% faster for GroovyJVM benchmark, and up to 39% faster for Cassandra benchmark compared to Amazon EC2 M7a instances. M8a instances are SAP-certified and offer 12 sizes including 2 bare metal sizes. This range of instance sizes allows customers to precisely match their workload requirements. M8a instances are built using the latest sixth generation AWS Nitro Cards and ideal for applications that benefit from high performance and high throughput such as financial applications, gaming, rendering, application servers, simulation modeling, mid-size data stores, application development environments, and caching fleets. To get started, sign in to the AWS Management Console. Customers can purchase these instances via Savings Plans, On-Demand instances, and Spot instances. For more information visit the Amazon EC2 M8a instance page.
Starting today, the general-purpose Amazon EC2 M8a instances are available in AWS GovCloud (US-West) region. M8a instances are powered by 5th Gen AMD EPYC processors (formerly code named Turin) with a maximum frequency of 4.5 GHz, deliver up to 30% higher performance, and up to 19% better price-performance compared to M7a instances.
M8a instances deliver 45% more memory bandwidth compared to M7a instances, making these instances ideal for even latency sensitive workloads. M8a instances deliver even higher performance gains for specific workloads. M8a instances are up to 60% faster for GroovyJVM benchmark, and up to 39% faster for Cassandra benchmark compared to Amazon EC2 M7a instances. M8a instances are SAP-certified and offer 12 sizes including 2 bare metal sizes. This range of instance sizes allows customers to precisely match their workload requirements.
M8a instances are built using the latest sixth generation AWS Nitro Cards and ideal for applications that benefit from high performance and high throughput such as financial applications, gaming, rendering, application servers, simulation modeling, mid-size data stores, application development environments, and caching fleets.
To get started, sign in to the AWS Management Console. Customers can purchase these instances via Savings Plans, On-Demand instances, and Spot instances. For more information visit the Amazon EC2 M8a instance page.
Starting today, the general-purpose Amazon EC2 M8a instances are available in AWS GovCloud (US-West) region. M8a instances are powered by 5th Gen AMD EPYC processors (formerly code named Turin) with a maximum frequency of 4.5 GHz, deliver up to 30% higher performance, and up to 19% better price-performance compared to M7a instances. M8a instances deliver 45% more memory bandwidth compared to M7a instances, making these instances ideal for even latency sensitive workloads. M8a instances deliver even higher performance gains for specific workloads. M8a instances are up to 60% faster for GroovyJVM benchmark, and up to 39% faster for Cassandra benchmark compared to Amazon EC2 M7a instances. M8a instances are SAP-certified and offer 12 sizes including 2 bare metal sizes. This range of instance sizes allows customers to precisely match their workload requirements. M8a instances are built using the latest sixth generation AWS Nitro Cards and ideal for applications that benefit from high performance and high throughput such as financial applications, gaming, rendering, application servers, simulation modeling, mid-size data stores, application development environments, and caching fleets. To get started, sign in to the AWS Management Console. Customers can purchase these instances via Savings Plans, On-Demand instances, and Spot instances. For more information visit the Amazon EC2 M8a instance page.
AWS Storage Gateway Terraform modules now enable Amazon Linux 2023-based deployments, delivering improved security, reliability, and operational simplicity for Infrastructure as Code (IaC) provisioning. The updated modules support all gateway types including Amazon S3 File Gateway, Tape Gateway, and Volume Gateway in both Amazon EC2 and VMware environments.
You can use the new Terraform modules to deploy AL2023-based gateways that enforce IMDSv2 by default for EC2 deployments, protecting against credential theft and server-side request forgery (SSRF) attacks. The update prevents unexpected gateway replacements during routine Terraform operations and simplifies Active Directory integration with optional domain controller configuration. EC2-based gateways now support optional Elastic IP address (EIP) association, enabling fully private gateway activations.
To get started, download the Terraform Storage Gateway module. To learn more, visit the AWS Storage Gateway product page or the Storage Gateway User Guide. See the AWS Region Table for complete regional availability.
AWS Storage Gateway Terraform modules now enable Amazon Linux 2023-based deployments, delivering improved security, reliability, and operational simplicity for Infrastructure as Code (IaC) provisioning. The updated modules support all gateway types including Amazon S3 File Gateway, Tape Gateway, and Volume Gateway in both Amazon EC2 and VMware environments.
You can use the new Terraform modules to deploy AL2023-based gateways that enforce IMDSv2 by default for EC2 deployments, protecting against credential theft and server-side request forgery (SSRF) attacks. The update prevents unexpected gateway replacements during routine Terraform operations and simplifies Active Directory integration with optional domain controller configuration. EC2-based gateways now support optional Elastic IP address (EIP) association, enabling fully private gateway activations.
To get started, download the Terraform Storage Gateway module. To learn more, visit the AWS Storage Gateway product page or the Storage Gateway User Guide. See the AWS Region Table for complete regional availability.
Today we are announcing the release of the Aurora DSQL Connector for Ruby (pg gem) that makes it easy to build Ruby applications on Aurora DSQL. The Ruby Connector streamlines authentication and eliminates security risks associated with traditional user-generated passwords by automatically generating tokens for each connection, ensuring valid tokens are always used while maintaining full compatibility with existing pg gem features.
The connector handles IAM token generation, SSL configuration, and connection pooling, enabling customers to scale from simple scripts to production workloads without changing their authentication approach. It also provides opt-in optimistic concurrency control (OCC) retry with exponential backoff, custom IAM credential providers, and AWS profile support, giving customers flexibility in how they manage their AWS credentials and handle transient failures.
Today we are announcing the release of the Aurora DSQL Connector for Ruby (pg gem) that makes it easy to build Ruby applications on Aurora DSQL. The Ruby Connector streamlines authentication and eliminates security risks associated with traditional user-generated passwords by automatically generating tokens for each connection, ensuring valid tokens are always used while maintaining full compatibility with existing pg gem features. The connector handles IAM token generation, SSL configuration, and connection pooling, enabling customers to scale from simple scripts to production workloads without changing their authentication approach. It also provides opt-in optimistic concurrency control (OCC) retry with exponential backoff, custom IAM credential providers, and AWS profile support, giving customers flexibility in how they manage their AWS credentials and handle transient failures. To get started, visit the Connectors for Aurora DSQL documentation page. For code examples, visit our Github page for the Ruby connector. Get started with Aurora DSQL for free with the AWS Free Tier. To learn more about Aurora DSQL, visit the webpage.
AWS AppConfig enhances its deployment capabilities with new controls that allow customers to target feature flag and configuration data values to specific segments or individual users during the lifecycle of a gradual roll-out.
One of AWS AppConfig’s key safety guardrails is the ability for customers to roll out feature flag or configuration data changes slowly, over the course of minutes or hours. This progressive delivery allows customers to move safer, and limit the impact of unexpected changes. AWS AppConfig uses customer-provided entity identifiers to make specific feature flag or dynamic configuration data “sticky” to individual target segments during the lifecycle of these gradual roll-outs. This targeting capability, using AppConfig Agent, ensures fine-grained control, including using an individual user ID or IDs, while updates are being deployed.
AWS AppConfig enhances its deployment capabilities with new controls that allow customers to target feature flag and configuration data values to specific segments or individual users during the lifecycle of a gradual roll-out. One of AWS AppConfig’s key safety guardrails is the ability for customers to roll out feature flag or configuration data changes slowly, over the course of minutes or hours. This progressive delivery allows customers to move safer, and limit the impact of unexpected changes. AWS AppConfig uses customer-provided entity identifiers to make specific feature flag or dynamic configuration data “sticky” to individual target segments during the lifecycle of these gradual roll-outs. This targeting capability, using AppConfig Agent, ensures fine-grained control, including using an individual user ID or IDs, while updates are being deployed.
Amazon Elastic Compute Cloud (Amazon EC2) R8gd instances with up to 11.4 TB of local NVMe-based SSD block-level storage are now available in US West (N. California), Asia Pacific (Seoul, Hong Kong, Jakarta), Africa (Cape Town), and Canada West (Calgary) AWS Regions. These instances are powered by AWS Graviton4 processors, delivering up to 30% better performance over Graviton3-based instances. They have up to 40% higher performance for I/O intensive database workloads, and up to 20% faster query results for I/O intensive real-time data analytics than comparable AWS Graviton3-based instances. These instances are built on the AWS Nitro System and are a great fit for applications that need access to high-speed, low latency local storage.
Each instance is available in 12 different sizes. They provide up to 50 Gbps of network bandwidth and up to 40 Gbps of bandwidth to the Amazon Elastic Block Store (Amazon EBS). Additionally, customers can now adjust the network and Amazon EBS bandwidth on these instances by 25% using EC2 instance bandwidth weighting configuration, providing greater flexibility with the allocation of bandwidth resources to better optimize workloads. These instances offer Elastic Fabric Adapter (EFA) networking on 24xlarge, 48xlarge, metal-24xl, and metal-48xl sizes.
Amazon Elastic Compute Cloud (Amazon EC2) R8gd instances with up to 11.4 TB of local NVMe-based SSD block-level storage are now available in US West (N. California), Asia Pacific (Seoul, Hong Kong, Jakarta), Africa (Cape Town), and Canada West (Calgary) AWS Regions. These instances are powered by AWS Graviton4 processors, delivering up to 30% better performance over Graviton3-based instances. They have up to 40% higher performance for I/O intensive database workloads, and up to 20% faster query results for I/O intensive real-time data analytics than comparable AWS Graviton3-based instances. These instances are built on the AWS Nitro System and are a great fit for applications that need access to high-speed, low latency local storage. Each instance is available in 12 different sizes. They provide up to 50 Gbps of network bandwidth and up to 40 Gbps of bandwidth to the Amazon Elastic Block Store (Amazon EBS). Additionally, customers can now adjust the network and Amazon EBS bandwidth on these instances by 25% using EC2 instance bandwidth weighting configuration, providing greater flexibility with the allocation of bandwidth resources to better optimize workloads. These instances offer Elastic Fabric Adapter (EFA) networking on 24xlarge, 48xlarge, metal-24xl, and metal-48xl sizes. To learn more, see Amazon R8gd Instances. To explore how to migrate your workloads to Graviton-based instances, see AWS Graviton Fast Start program and Porting Advisor for Graviton. To get started, see the AWS Management Console.
Muchos agentes, un solo equipo: Escalar la modernización en Azure
Por: Jeremy Winter, vicepresidente corporativo y director de producto de Azure Platform.
Anunciamos nuevos agentes para modernización diseñados para escalar y para el control.
Cuando ven una transmisión en directo—como los Juegos Olímpicos o un gran evento deportivo—no piensan en la coordinación que hay detrás. Solo experimentan el evento. Fuera de la vista, equipos especializados sincronizan cámaras, repeticiones, datos y comentarios en tiempo real. Cuando esa coordinación funciona, la complejidad desaparece.
Así es como pienso sobre los agentes de IA. Cada uno observa una señal diferente y aporta una parte de la imagen. La telemetría pone a la luz lo que ocurre, las dependencias revelan cómo están conectados los sistemas y los riesgos surgen a medida que avanza el trabajo. El humano mantiene el control durante todo el proceso—al decidir sobre qué actuar y cómo validar los resultados.
Este modelo es importante porque la modernización se ha convertido en una de las mayores oportunidades en la era de la IA. De hecho, según la Encuesta de Modernización de Aplicaciones de Nube e IA de Forrester en el primer trimestre de 2026, el 91% de los líderes de TI considera la modernización de aplicaciones necesaria para facilitar avances en IA en su negocio.1 Sin embargo, muchas organizaciones aun gestionan complejos conjuntos heredados con herramientas desconectadas y meses de planificación manual solo para decidir qué modernizar. TI y los desarrolladores a menudo trabajan en paralelo pero sin una visión compartida del sistema. La IA cambia la dinámica, al ayudar a los equipos a analizar los entornos, priorizar las cargas de trabajo y acelerar la modernización.
Fuente: Encuesta de Modernización de Aplicaciones en la Nube y IA de Forrester Q1 2026.
Hoy, damos otro paso para ayudar a las organizaciones a adoptar nuevas capacidades de IA con un impacto real en el negocio. Anunciamos la primera solución de modernización agéntica de extremo a extremo que reúne a TI y desarrolladores en un único flujo de trabajo conectado. Con capacidades ampliadas en Azure Copilot y GitHub Copilot, incorporamos la IA a través de estas herramientas para acelerar decisiones basadas en información de valor y llevar la modernización del análisis a la acción, más rápido y a gran escala.
Los agentes de IA hacen esto posible al operar en paralelo a través del descubrimiento, la evaluación, la planificación, la migración y la transformación del código. Automatizan el mapeo de dependencias, generan planes listos para tomar decisiones y guían la ejecución dentro de las herramientas que ya utilizan los equipos. El trabajo que antes era lento, manual y fragmentado se vuelve coordinado y continuo a medida que los equipos se modernizan entre aplicaciones, infraestructura, datos y código.
Un sistema. Un equipo.
El nuevo compañero de equipo agéntico, el agente de migración de Azure Copilot, está ahora en vista previa pública. El agente de migración ayuda a las organizaciones a eliminar la deuda técnica a través de la integración de la IA en el descubrimiento, evaluación, planificación y despliegue, para reducir de manera importante los plazos de modernización. Funciona para sus servidores, máquinas virtuales, aplicaciones y bases de datos más críticos, para convertir la migración de un proyecto puntual en un movimiento de modernización continua.
El agente utiliza lo que los clientes ya saben sobre sus entornos para crear este sistema de modernización continua que proporciona claridad temprana sobre su inventario de servidores, bases de datos, aplicaciones y sus dependencias, cómo funciona todo, cuánto cuesta y qué merece la pena modernizar. Lo que antes requería meses de planificación manual ahora puede requerir minutos de conversación con el agente y un plan basado en datos.
Al reducir el trabajo, cerrar brechas de habilidades y alinear los equipos de TI y desarrollo mediante flujos de trabajo conectados, el agente de migración de Azure Copilot puede ayudar a las empresas a migrar a Azure más rápido y con mayor confianza.
Las capacidades de modernización de GitHub Copilot también enriquecen su equipo de modernización con agentes para transformar aplicaciones heredadas y hacerlas listas para la nube y la IA. Integrados directo donde trabajan los desarrolladores, estos agentes pueden extraer evaluaciones, crear planes de modernización personalizados para cada aplicación, ejecutar actualizaciones y desplegar de manera directa en Azure, todo ello con los desarrolladores al volante.
Y hoy, su capacidad más reciente, el agente de modernización, está en vista previa pública. El agente de modernización les permite ir más allá de las aplicaciones individuales y abordar la modernización a gran escala, actúa como orquestador para ejecutar de manera simultánea múltiples evaluaciones de código, crear planes de modernización únicos para cada aplicación y ejecutar los planes con estructuras automatizadas y actualizaciones en tiempo de ejecución. Esto supone un gran avance en la forma en que los propietarios de aplicaciones, arquitectos y desarrolladores pueden transformar un amplio conjunto de aplicaciones a gran escala, lo que mantiene la personalización necesaria para cada una.
En una experiencia multiagente verdadera, el agente de modernización dirige la difusión: los propietarios de la aplicación y arquitectos establecen la dirección, los agentes especializados ejecutan y los desarrolladores se mantienen informados para guiar y validar.
Las organizaciones ya han tenido éxito con las capacidades de GitHub Copilot que se hicieron disponibles de manera general este pasado otoño, modernizándose en horas en lugar de meses con actualizaciones automatizadas de .NET y Java. Para un cliente reciente, el esfuerzo total de modernización se redujo en un 70%.2 Hoy en día, gracias a su conexión al agente de migración Azure Copilot y su integración nativa en entornos de desarrollo, la modernización de GitHub Copilot puede transformar aplicaciones de extremo a extremo, con mayores resultados y control en cada paso.
A nivel histórico, las decisiones de infraestructura—zonas de aterrizaje, redes, gobernanza—se tomaban aguas arriba, sin visibilidad sobre las realidades de las aplicaciones. Los desarrolladores modernizaban el código sin saber cómo se ejecutaría, escalaría o estaría gobernado en el entorno objetivo. Esto hizo que los desajustes surgieran tarde, cuando las reparaciones eran más caras.
Con el trabajo en conjunto de Azure Copilot y GitHub Copilot, esa desconexión desaparece. Los agentes ayudan a conectar los conocimientos de código a nivel de desarrollador con la migración a la nube y la planificación de modernización. Las capacidades de modernización de GitHub Copilot escanean el código de la aplicación para producir informes detallados de evaluación de código, mientras que el agente de migración de Azure Copilot absorbe esos informes para mostrar problemas, advertencias e información de valor a nivel de código. Esta integración permite a Azure Copilot incorporar análisis real de código al evaluar la preparación y recomendar el objetivo adecuado de Azure, para conectar el trabajo de modernización impulsado por desarrolladores con la planificación de la nube y la infraestructura que utilizan los equipos de migración. Ustedes disponen de una planificación guiada por IA de migración y modernización con priorización inteligente de cargas de trabajo, visibilidad de costes y recomendaciones automáticas de oleadas.
Por qué su base de datos es fundamental para la modernización
Modernizar las aplicaciones es solo una parte del camino. Su base de datos es fundamental, porque su estrategia de IA solo es tan fuerte como lo es su estrategia de datos. Cuando los datos se fragmentan o se bloquean en infraestructuras envejecidas, incluso los flujos de trabajo agénticos más sofisticados alcanzan un techo.
Pasar a Azure gestiona los servicios de base de datos para la IA y transfiere la carga operativa de la gestión de infraestructura a una plataforma diseñada para gestionarla. Los servicios gestionados por completo reducen la sobrecarga, mejoran la resiliencia y permiten a los equipos centrarse en construir aplicaciones inteligentes. El resultado es una base de datos que puede escalar con la demanda, cumplir con las expectativas de seguridad y estar preparada para lo que requieren las cargas de trabajo de IA.
Una vez que su patrimonio de datos se moderniza en Azure, el destino es una plataforma de datos unificada—donde bases de datos, análisis e IA funcionan como un solo patrimonio coherente. Con capacidades de IA integradas de manera nativa en las bases de datos de Azure, las organizaciones pueden crear aplicaciones de IA nativas en la nube que aprovechen la búsqueda semántica, la integración de memoria y la invocación avanzada de modelos. Esas capacidades están fundamentadas en la capa de datos de Azure, por lo que los modelos siempre trabajan con las señales más actuales y fiables que produce el negocio.
Cómo la modernización en Azure empodera a los clientes
Nuestros agentes hacen que esto sea posible. Nos alejamos del uso puntual de herramientas agénticas hacia una ejecución agente consistente y repetible. Esta es la importancia de combinar herramientas agénticas con modelos de entrega estructurados, para que las organizaciones puedan escalar la modernización con confianza en equipos y entornos.
Ahold Delhaize, uno de los mayores grupos minoristas de alimentos del mundo, compartió cómo modernizaron su patrimonio de aplicaciones y datos en Azure para apoyar resultados empresariales impulsados por IA. A través de herramientas de agentes a lo largo de los flujos de trabajo de migración y modernización, redujeron la complejidad, mejoraron la colaboración en modernización entre equipos y aceleraron la entrega.
Al aplicar agentes en la fase de descubrimiento, evaluación y ejecución, Ahold Delhaize se alejó de los esfuerzos de modernización fragmentados y se acercó a un proceso más continuo e inteligente, uno que proporcionara confianza tanto en el plan como en la ejecución.
Resultados como estos para los clientes apuntan a la misma conclusión: el futuro de la modernización es agéntico, conectado y liderado por el ser humano.
Cloud Accelerate Factory da vida a la modernización de los agentes a gran escala
Las herramientas agentes redefinen lo que es posible, pero los resultados escalan cuando la innovación se combina con la ejecución. Cloud Accelerate Factory, un beneficio de Azure Accelerate, ayuda a las organizaciones a operacionalizar la modernización con una entrega gratuita y práctica por expertos especializados de Microsoft.
Como motor de entrega de modernización de primera mano de Microsoft, Cloud Accelerate Factory trabaja junto a clientes y socios desde el descubrimiento hasta la producción, a través de la aplicación de un enfoque estructurado a la modernización a gran escala en aplicaciones, infraestructura y datos—a menudo en días, no en meses.
Combinado con capacidades de agente como Azure Copilot y GitHub Copilot, Cloud Accelerate Factory ayuda a las organizaciones a modernizarse con confianza y rapidez, para que los planes se conviertan en un progreso medible en cargas de trabajo clave como .NET, Java y SQL.
Únanse a los visionarios en Microsoft Azure Summit
Prepárense para una agenda rica en Microsoft Azure Summit de este año: migra y moderniza con IA agéntica. Este evento en directo del 23 de abril de 2026 (Américas) incluye sesiones interactivas dirigidas por ingeniería de Microsoft, con historias de clientes atractivas y demostraciones en directo de las últimas innovaciones que se discuten en este blog. Escuchen de manera directa a organizaciones que han aprovechado con éxito las últimas herramientas y capacidades agénticas para migrar y modernizarse a Azure, y vean de primera mano cómo las nuevas ofertas pueden tener un impacto tangible en su negocio.
La cumbre de este año presenta una impresionante lista de temas que les ayudarán a construir el futuro de la nube y la IA.
Conferencia principal: Migra y moderniza con IA agéntica
Sesión regional (personalizada): Modernización para una figura soberana y lista para IA
Breakout: Acelerar y simplificar la planificación, migración y operaciones con agentes de IA
Breakout: Reimaginar la modernización de aplicaciones y bases de datos con herramientas agenticas
1Encuesta de Modernización de Aplicaciones de Nube e IA del primer trimestre de 2026 de Forrester [E-66670] Base: 223 líderes globales responsables de la estrategia de nube e IA de su organización.
