Amazon EMR Serverless now supports job run-level cost allocation that provides better visibility into charges for individual job runs by allowing you to configure granular billing attribution at the individual job run level. You can get granular cost visibility by filtering and tracking costs in AWS Cost Explorer and Cost and Usage Reports by specific job run IDs and cost allocation tags associated with job runs.
Amazon EMR Serverless is a deployment option in Amazon EMR that makes it simple for data engineers and data scientists to run open-source big data analytics frameworks without configuring, managing, and scaling clusters or servers. Previously, you could assign cost allocation tags to EMR Serverless applications, with cost attribution limited to the application level. With job run-level cost allocation, now you can assign cost allocation tags to each job run, enabling fine-grained billing attribution at the individual job run level. Cost allocation tags at the job run level also allow you to track costs by domains within a single application. For example, a single application could support jobs for finance and marketing domains, allowing you to track costs separately for each domain. Tracking costs for individual job runs makes it easier to conduct benchmarks that assess the costs of each job run as well as focus cost optimization efforts more precisely, allowing deeper insights into resource utilization and spending patterns across different jobs and domains.
This feature is available in all AWS Regions where Amazon EMR Serverless is available including AWS GovCloud (US) and China regions. To learn more, see Enabling Job Level Cost Allocation in the Amazon EMR Serverless User Guide
Amazon EMR Serverless now supports job run-level cost allocation that provides better visibility into charges for individual job runs by allowing you to configure granular billing attribution at the individual job run level. You can get granular cost visibility by filtering and tracking costs in AWS Cost Explorer and Cost and Usage Reports by specific job run IDs and cost allocation tags associated with job runs. Amazon EMR Serverless is a deployment option in Amazon EMR that makes it simple for data engineers and data scientists to run open-source big data analytics frameworks without configuring, managing, and scaling clusters or servers. Previously, you could assign cost allocation tags to EMR Serverless applications, with cost attribution limited to the application level. With job run-level cost allocation, now you can assign cost allocation tags to each job run, enabling fine-grained billing attribution at the individual job run level. Cost allocation tags at the job run level also allow you to track costs by domains within a single application. For example, a single application could support jobs for finance and marketing domains, allowing you to track costs separately for each domain. Tracking costs for individual job runs makes it easier to conduct benchmarks that assess the costs of each job run as well as focus cost optimization efforts more precisely, allowing deeper insights into resource utilization and spending patterns across different jobs and domains. This feature is available in all AWS Regions where Amazon EMR Serverless is available including AWS GovCloud (US) and China regions. To learn more, see Enabling Job Level Cost Allocation in the Amazon EMR Serverless User Guide
Amazon Relational Database Service (Amazon RDS) for SQL Server now supports setting up cross-region read replicas in 16 additional AWS Regions. Cross-region read replicas enable customers to provide a replica database for read-only applications closer to users in a different region, and scale out read-only workloads. Since a read replica can be «promoted» to a standalone production database, cross-region read replicas can also be used for disaster recovery in case of regional failures. Customers can setup up to fifteen read replicas in the same or different region as the primary database instance.
This launch adds support for cross-region read replicas in RDS for SQL Server in the following AWS Regions: Africa (Cape Town), Asia Pacific (Hong Kong), Asia Pacific (Hyderabad), Asia Pacific (Jakarta), Asia Pacific (Malaysia), Asia Pacific (Melbourne), Asia Pacific (Taipei), Asia Pacific (Thailand), Canada West (Calgary), Europe (Milan), Europe (Spain), Europe (Zurich), Israel (Tel Aviv), Mexico (Central), Middle East (Bahrain), and Middle East (UAE). To get started, visit the Amazon RDS SQL Server User Guide.
Amazon Relational Database Service (Amazon RDS) for SQL Server now supports setting up cross-region read replicas in 16 additional AWS Regions. Cross-region read replicas enable customers to provide a replica database for read-only applications closer to users in a different region, and scale out read-only workloads. Since a read replica can be «promoted» to a standalone production database, cross-region read replicas can also be used for disaster recovery in case of regional failures. Customers can setup up to fifteen read replicas in the same or different region as the primary database instance. This launch adds support for cross-region read replicas in RDS for SQL Server in the following AWS Regions: Africa (Cape Town), Asia Pacific (Hong Kong), Asia Pacific (Hyderabad), Asia Pacific (Jakarta), Asia Pacific (Malaysia), Asia Pacific (Melbourne), Asia Pacific (Taipei), Asia Pacific (Thailand), Canada West (Calgary), Europe (Milan), Europe (Spain), Europe (Zurich), Israel (Tel Aviv), Mexico (Central), Middle East (Bahrain), and Middle East (UAE). To get started, visit the Amazon RDS SQL Server User Guide.
Amazon Quick is expanding its third-party integrations by adding AI agents and growing its built-in actions library. Quick is Amazon’s new AI-powered workspace and agentic teammate that helps organizations get answers from their business data and move quickly from insights to action. As organizations navigate newly adopted AI agents and work with existing enterprise tools for CRM, support, collaboration, and more, users face fragmented experiences. Users are forced to switch between different interfaces, repeat context, and manually stitch together outputs. Quick enables users to work with third-party agents and enterprise tools from a single interface, eliminating the wasted time and cognitive load of constantly switching between applications.
With Quick, business users can now invoke specialized agents from Box, Canva, and PagerDuty to accomplish chat and automation tasks. For example, you can pull incident insights from PagerDuty, generate a presentation in Canva, and query documents stored in Box – all directly from Quick. Additionally, Quick has expanded its built-in actions to include integrations with GitHub, Notion, Canva, Box, Linear, Hugging Face, Monday.com, HubSpot, Intercom, and more. This enables Quick users to accomplish tasks like creating GitHub issues, summarizing meeting notes in Notion, managing their CRM, and more. Beyond our new built-in integrations, customers can continue to leverage custom Model Context Protocol (MCP) and OpenAPI connectors to connect Quick to thousands of additional applications.
Amazon Quick is expanding its third-party integrations by adding AI agents and growing its built-in actions library. Quick is Amazon’s new AI-powered workspace and agentic teammate that helps organizations get answers from their business data and move quickly from insights to action. As organizations navigate newly adopted AI agents and work with existing enterprise tools for CRM, support, collaboration, and more, users face fragmented experiences. Users are forced to switch between different interfaces, repeat context, and manually stitch together outputs. Quick enables users to work with third-party agents and enterprise tools from a single interface, eliminating the wasted time and cognitive load of constantly switching between applications. With Quick, business users can now invoke specialized agents from Box, Canva, and PagerDuty to accomplish chat and automation tasks. For example, you can pull incident insights from PagerDuty, generate a presentation in Canva, and query documents stored in Box – all directly from Quick. Additionally, Quick has expanded its built-in actions to include integrations with GitHub, Notion, Canva, Box, Linear, Hugging Face, Monday.com, HubSpot, Intercom, and more. This enables Quick users to accomplish tasks like creating GitHub issues, summarizing meeting notes in Notion, managing their CRM, and more. Beyond our new built-in integrations, customers can continue to leverage custom Model Context Protocol (MCP) and OpenAPI connectors to connect Quick to thousands of additional applications. These features are now available in all AWS Regions where Amazon Quick is available. To learn more, visit the Amazon Quick Supported Integrations Guide and Integration Specific Guide.
AWS Lambda now supports creating serverless applications using .NET 10. Developers can use .NET 10 as both a managed runtime and a container base image, and AWS will automatically apply updates to the managed runtime and base image as they become available.
.NET 10 is the latest long-term support release of .NET and is expected to be supported for security and bug fixes until November 2028. This release provides Lambda developers with access to the latest .NET features, including file-based apps. It also includes support for Lambda Managed Instances, enabling you to run Lambda functions on Amazon EC2 instances while maintaining serverless operational simplicity, providing cost efficiency and specialized compute options. Powertools for AWS Lambda (.NET), a developer toolkit to implement serverless best practices and increase developer velocity, also supports .NET 10. You can use the full range of AWS deployment tools, including the Lambda console, AWS CLI, AWS Serverless Application Model (AWS SAM), AWS CDK, and AWS CloudFormation to deploy and manage serverless applications written in .NET 10.
The .NET 10 runtime is available in all Regions, including the AWS GovCloud (US) Regions and China Regions.
For more information, including guidance on upgrading existing Lambda functions, see our blog post. For more information about AWS Lambda, visit our product page.
AWS Lambda now supports creating serverless applications using .NET 10. Developers can use .NET 10 as both a managed runtime and a container base image, and AWS will automatically apply updates to the managed runtime and base image as they become available. .NET 10 is the latest long-term support release of .NET and is expected to be supported for security and bug fixes until November 2028. This release provides Lambda developers with access to the latest .NET features, including file-based apps. It also includes support for Lambda Managed Instances, enabling you to run Lambda functions on Amazon EC2 instances while maintaining serverless operational simplicity, providing cost efficiency and specialized compute options. Powertools for AWS Lambda (.NET), a developer toolkit to implement serverless best practices and increase developer velocity, also supports .NET 10. You can use the full range of AWS deployment tools, including the Lambda console, AWS CLI, AWS Serverless Application Model (AWS SAM), AWS CDK, and AWS CloudFormation to deploy and manage serverless applications written in .NET 10. The .NET 10 runtime is available in all Regions, including the AWS GovCloud (US) Regions and China Regions. For more information, including guidance on upgrading existing Lambda functions, see our blog post. For more information about AWS Lambda, visit our product page.
Amazon MQ now supports the ability for RabbitMQ brokers to perform authentication (determining who can log in) using X.509 client certificates with mutual TLS (mTLS). The RabbitMQ auth_mechanism_ssl plugin can be configured on brokers running RabbitMQ version 4.2 and above on Amazon MQ by making changes to the associated configuration file.
To start using certificate based authentication on Amazon MQ, simply select RabbitMQ 4.2 when creating a new broker using the M7g instance type through the AWS Management console, AWS CLI, or AWS SDKs, and then edit the associated configuration file with the required values. To learn more about the plugin, see the Amazon MQ release notes and the Amazon MQ developer guide. This plugin is available in all regions where Amazon MQ RabbitMQ 4 instances are available today.
Amazon MQ now supports the ability for RabbitMQ brokers to perform authentication (determining who can log in) using X.509 client certificates with mutual TLS (mTLS). The RabbitMQ auth_mechanism_ssl plugin can be configured on brokers running RabbitMQ version 4.2 and above on Amazon MQ by making changes to the associated configuration file. To start using certificate based authentication on Amazon MQ, simply select RabbitMQ 4.2 when creating a new broker using the M7g instance type through the AWS Management console, AWS CLI, or AWS SDKs, and then edit the associated configuration file with the required values. To learn more about the plugin, see the Amazon MQ release notes and the Amazon MQ developer guide. This plugin is available in all regions where Amazon MQ RabbitMQ 4 instances are available today.
Starting today, Amazon Elastic Compute Cloud (Amazon EC2) R8i and R8i-flex instances are available in the Asia Pacific (Mumbai, Hyderabad) and Europe (Paris) regions. These instances are powered by custom Intel Xeon 6 processors, available only on AWS, delivering the highest performance and fastest memory bandwidth among comparable Intel processors in the cloud. The R8i and R8i-flex instances offer up to 15% better price-performance, and 2.5x more memory bandwidth compared to previous generation Intel-based instances. They deliver 20% higher performance than R7i instances, with even higher gains for specific workloads. They are up to 30% faster for PostgreSQL databases, up to 60% faster for NGINX web applications, and up to 40% faster for AI deep learning recommendation models compared to R7i.
R8i-flex, our first memory-optimized Flex instances, are the easiest way to get price performance benefits for a majority of memory-intensive workloads. They offer the most common sizes, from large to 16xlarge, and are a great first choice for applications that don’t fully utilize all compute resources.
R8i instances are a great choice for all memory-intensive workloads, especially for workloads that need the largest instance sizes or continuous high CPU usage. R8i instances offer 13 sizes including 2 bare metal sizes and the new 96xlarge size for the largest applications. R8i instances are SAP-certified and deliver 142,100 aSAPS, delivering exceptional performance for mission-critical SAP workloads.
Starting today, Amazon Elastic Compute Cloud (Amazon EC2) R8i and R8i-flex instances are available in the Asia Pacific (Mumbai, Hyderabad) and Europe (Paris) regions. These instances are powered by custom Intel Xeon 6 processors, available only on AWS, delivering the highest performance and fastest memory bandwidth among comparable Intel processors in the cloud. The R8i and R8i-flex instances offer up to 15% better price-performance, and 2.5x more memory bandwidth compared to previous generation Intel-based instances. They deliver 20% higher performance than R7i instances, with even higher gains for specific workloads. They are up to 30% faster for PostgreSQL databases, up to 60% faster for NGINX web applications, and up to 40% faster for AI deep learning recommendation models compared to R7i. R8i-flex, our first memory-optimized Flex instances, are the easiest way to get price performance benefits for a majority of memory-intensive workloads. They offer the most common sizes, from large to 16xlarge, and are a great first choice for applications that don’t fully utilize all compute resources. R8i instances are a great choice for all memory-intensive workloads, especially for workloads that need the largest instance sizes or continuous high CPU usage. R8i instances offer 13 sizes including 2 bare metal sizes and the new 96xlarge size for the largest applications. R8i instances are SAP-certified and deliver 142,100 aSAPS, delivering exceptional performance for mission-critical SAP workloads. To get started, sign in to the AWS Management Console. For more information about the R8i and R8i-flex instances visit the AWS News blog.
Starting today, Amazon EC2 M8i instances are now available in Europe (Frankfurt) and Asia Pacific (Malaysia) Regions. These instances are powered by custom Intel Xeon 6 processors, available only on AWS, delivering the highest performance and fastest memory bandwidth among comparable Intel processors in the cloud. The M8i offer up to 15% better price-performance, and 2.5x more memory bandwidth compared to previous generation Intel-based instances. They deliver up to 20% better performance than M7i instances, with even higher gains for specific workloads. The M8i instances are up to 30% faster for PostgreSQL databases, up to 60% faster for NGINX web applications, and up to 40% faster for AI deep learning recommendation models compared to M7i instances.
M8i instances are a great choice for all general purpose workloads, especially for workloads that need the largest instance sizes or continuous high CPU usage. The SAP-certified M8i instances offer 13 sizes including 2 bare metal sizes and the new 96xlarge size for the largest applications.
Starting today, Amazon EC2 M8i instances are now available in Europe (Frankfurt) and Asia Pacific (Malaysia) Regions. These instances are powered by custom Intel Xeon 6 processors, available only on AWS, delivering the highest performance and fastest memory bandwidth among comparable Intel processors in the cloud. The M8i offer up to 15% better price-performance, and 2.5x more memory bandwidth compared to previous generation Intel-based instances. They deliver up to 20% better performance than M7i instances, with even higher gains for specific workloads. The M8i instances are up to 30% faster for PostgreSQL databases, up to 60% faster for NGINX web applications, and up to 40% faster for AI deep learning recommendation models compared to M7i instances. M8i instances are a great choice for all general purpose workloads, especially for workloads that need the largest instance sizes or continuous high CPU usage. The SAP-certified M8i instances offer 13 sizes including 2 bare metal sizes and the new 96xlarge size for the largest applications. To get started, sign in to the AWS Management Console. For more information about the new instances, visit the M8i instance page or visit the AWS News blog.
Amazon DocumentDB is a fully managed, native JSON database that makes it simple and cost-effective to operate critical document workloads at virtually any scale without managing infrastructure. Amazon DocumentDB is designed to give you the scalability and durability you need when operating mission-critical MongoDB workloads. Storage scales automatically up to 128TiB without any impact to your application. In addition, Amazon DocumentDB natively integrates with AWS Database Migration Service(DMS), Amazon CloudWatch, AWS CloudTrail, AWS Lambda, AWS Backup and more. Amazon DocumentDB supports millions of requests per second and can be scaled out to 15 low latency read replicas in minutes with no application downtime.
To learn more about Amazon DocumentDB, please visit the Amazon DocumentDB product page and pricing page.
Amazon DocumentDB (with MongoDB compatibility) is now available in the Asia Pacific (Jakarta) region adding to the list of available regions where you can use Amazon DocumentDB. Amazon DocumentDB is a fully managed, native JSON database that makes it simple and cost-effective to operate critical document workloads at virtually any scale without managing infrastructure. Amazon DocumentDB is designed to give you the scalability and durability you need when operating mission-critical MongoDB workloads. Storage scales automatically up to 128TiB without any impact to your application. In addition, Amazon DocumentDB natively integrates with AWS Database Migration Service(DMS), Amazon CloudWatch, AWS CloudTrail, AWS Lambda, AWS Backup and more. Amazon DocumentDB supports millions of requests per second and can be scaled out to 15 low latency read replicas in minutes with no application downtime. To learn more about Amazon DocumentDB, please visit the Amazon DocumentDB product page and pricing page. You can create a Amazon DocumentDB cluster from the AWS Management console, AWS Command Line Interface (CLI), or SDK.
Cuando Derek Shirk llegó a Levi Strauss & Co. la pasada primavera, pensó que entendía su misión. Como diseñador principal de producto UX, había sido contratado para ayudar a reinventar la experiencia de pago en la app de la empresa, un problema en apariencia sencillo de interfaz y flujo. Lo que resultó menos sencillo fue encontrar la información que necesitaba para hacerlo. Durante más de 170 años, Levi’s había construido una mina de oro de inteligencia minorista, desde los patrones de venta de vaqueros 501 hasta los que las chaquetas Trucker estaban en auge en Seúl. Sin embargo, los conocimientos estaban dispersos a lo largo de un laberinto de estudios de usabilidad, encuestas a clientes e informes de campo. «Esta increíble base de conocimiento estaba allí», dice Shirk, «pero encerrada en cientos de PDFs y presentaciones de diapositivas.»
Multipliquen esa complejidad por 50.000 minoristas en 120 países y el reto de navegar por los datos crece de manera exponencial. Solo el Programa de Recompensas de Lealtad Red Tab de Levi’s cuenta con 40 millones de miembros, cada uno con preferencias de tamaño, historiales de compra y afinidades de estilo distintas. Si a eso le sumamos un siglo de cambios en los gustos, lo que emerge es un vasto pozo de sabiduría de marca en gran parte inexplorado. Pero este tesoro necesitaba una renovación radical. Desde 1853, Levi’s ha construido su imperio sobre la comprensión del tejido y el ajuste, no sobre algoritmos.
«Lo que nuestros productos significaban para los mineros hace siglo y medio no es lo mismo que significa para nuestra cultura hoy», dice Jason Gowans, director digital y tecnológico de Levi’s. Por eso Levi’s se asoció hace dos años con Microsoft y Copilot para crear agentes que unifican datos en más de 400 sistemas tecnológicos, desde la sala de ventas hasta la alta dirección. En RRHH, finanzas, UX y más allá, los equipos crean agentes para modernizar flujos de trabajo y descubrir conocimientos que antes estaban fuera de su alcance. «Desde el diseño de un producto hasta el momento en que aparece en las estanterías, la IA y los agentes abordarán cada paso de nuestra transformación digital», dice Gowans. «Desbloquea un ritmo de innovación que antes no era posible.»
Al ver una oportunidad, Shirk se dispuso a probar algo nuevo. Un viernes por la tarde de mayo pasado, construyó un agente de aduanas en Copilot Studio. La llamó Minerva, en honor a la diosa romana de la sabiduría, y la entrenó primero en un puñado de informes de satisfacción del cliente, o CSAT, por sus siglas en inglés. Shirk dio a Minerva unas directrices en el propio lenguaje de Levi: llamar a los clientes «fans» y a los empleados de la tienda «estilistas». Ancla todas las respuestas de los datos de Levi. Nunca adivines: siempre cita la fuente con un enlace fiable. Lo que surgió fue como un archivo viviente fluido en la historia, sistemas y lenguaje de Levi, listo para responder en cualquier momento.
La recompensa fue inmediata. ¿Cómo han evolucionado las puntuaciones del CSAT en los últimos dos años? Minerva devolvía las tendencias con fuentes de confianza adjuntas. ¿Qué mejoras en la revisión hemos probado antes que no hayan funcionado? Encontró experimentos olvidados, como una pantalla de registro de fidelidad que resultó infructuosa. ¿En qué se diferencia la experiencia en tienda entre Levi’s en EE. UU. y Levi’s en Europa? Minerva comparó estudios regionales sobre horas punta, personal y preferencias de tamaño.
Antes de Minerva, responder a esas preguntas significaba descargar PDFs individuales, revisar presentaciones y esperar que nadie se hubiera perdido una idea crucial en la diapositiva 47. Ahora Shirk podría consultar meses de datos y recibir respuestas citadas en segundos. «Como alguien recién incorporado, esto fue un impulso instantáneo de eficiencia y una forma de adquirir conocimiento más rápido», dice. «Fue un momento en verdad impresionante.»
Así es como era una Empresa Frontera en sus primeros días. No es tanto un despliegue pulido de cinco años presentado desde la sala ejecutiva, sino un laboratorio viviente donde la experimentación surge de forma orgánica en toda la organización. El liderazgo de Levi desplegó Copilot a nivel de empresa y se tomó un paso atrás para observar lo que los empleados crearían cuando se les empoderara para resolver sus propios desafíos. Cada iniciativa comienza de manera modesta, demuestra su valor y se expande mediante el boca a boca. Aunque agentes autónomos por completo que gestionen flujos de trabajo completos aún están en el horizonte, hoy se siente un entusiasmo palpable sobre cómo estas herramientas pueden dotar a una marca histórica de la agilidad de una startup en IA.
«A lo largo de 170 años, nuestros productos han evolucionado», dice Gowans. «La forma en que trabajamos también tiene que evolucionar.»
Copilot desentierra la mina de oro de datos de Levi
Una mirada entre bastidores al agente Minerva.
Un objetivo de 10.000 millones de dólares apoyado por IA agéntica
Pasear por la sede global de Levi’s en Levi’s Plaza en San Francisco y la transformación es algo difícil de perderse. En varios departamentos, los agentes analizan qué productos compran juntos los fans de Levi’s, e incluso ajustan el manual del empleado: RRHH habla de un nuevo asistente de incorporación llamado Ask Ben (en referencia a beneficios).
Cada uno de estos pequeños avances eleva hacia una ambición mayor: llevar a Levi’s de 6.500 a 10.000 millones de dólares en ingresos anuales. Pero alcanzar ese objetivo requerirá más que vender más vaqueros. Significa reconfigurar una empresa nacida durante la Fiebre del Oro—una que ha vestido a todo el mundo, desde Albert Einstein hasta Beyoncé—para que cada decisión, desde automatizar facturas hasta predecir la demanda, se tome con la misma precisión y arrogancia que definieron su estilo en primer lugar.
Y la innovación surge en lugares inesperados. Como vicepresidenta de Finanzas de Levi’s para EE. UU. y Canadá, Lisa Stirling nunca imaginó que diseñaría su propia fuerza laboral digital. Cuando se incorporó a la empresa hace una década como subdirectora de contralora para la región de las Américas, las finanzas funcionaban como siempre: controladas, auditadas, metódicas. El cambio era difícil porque la precisión era sagrada. «No experimentabas con procesos que los auditores examinarían», dice Stirling.
El pasado septiembre, tras escuchar a sus colegas compartir sus logros en IA y ver cómo el liderazgo fomentaba la experimentación, Stirling decidió probar si la IA podía identificar oportunidades de automatización ocultas en la extensa colección de procedimientos operativos estándar del departamento—los manuales paso a paso que regulan desde la coincidencia de facturas hasta el cierre de fin de mes. Ella misma eligió cinco SOPs y pasó dos días leyéndolos, unas 15 horas en total, para buscar tareas que los agentes pudieran manejar. Era un trabajo tedioso: analizar capturas de pantalla, seguir árboles de decisión, determinar si los pasos requerían juicio humano o simplemente seguir las normas.
«Lo difícil no es la tecnología— es estar abierto a dónde puede llevarte.»
Derek Shirk, diseñador principal de producto UX, Levi’s
Luego pidió a un agente que hiciera el mismo análisis en los 1.100 SOP de la biblioteca del departamento de finanzas. Fue entonces cuando ocurrió algo sorprendente. En un solo día, el agente abordó lo que antes habría llevado casi un año a varias personas completar, dice Stirling. Catalogó 18.000 tareas individuales, las clasificó por complejidad, identificó cuáles podían automatizarse y generó un panel con gráficos circulares que desglosaban el trabajo manual, las aprobaciones y las decisiones. En lugar de temer que este tipo de automatización llegara para su trabajo, Stirling vio los resultados y pensó: Ahora tengo mucho trabajo por delante. «El agente acababa de valorar una oportunidad que yo asumía imposible de cuantificar», dice.
Desde entonces, Stirling ha estado replanteándose cómo deberían abordar su trabajo las divisiones financieras. Ha comenzado a organizar una cumbre interna de finanzas donde reunirá a los equipos con todos sus informes para que puedan demostrar lo que la IA puede hacer en directo. La cuestión es plantear una pregunta fundamental: ¿Cómo pueden los agentes agilizar el trabajo que impide a los profesionales financieros hacer lo que fueron contratados para hacer en primer lugar?
«Lo que me encanta de los agentes es que no estás agotado de datos cuando llegas al ‘¿qué salió mal aquí?’ o ‘¿dónde está la oportunidad?’», dice Stirling, que ahora crea sus propios agentes. De manera reciente montó uno de la noche a la mañana tras oír a un compañero mencionar el suyo, entrenándolo para digerir informes semanales de ventas a nivel de tienda y patrones de spot. «Tener la perspectiva limpia de un agente te mantiene súper ágil. En lugar de hacer trabajo manual, haces las cosas, no te atascas, te centras en apoyar el negocio.»
Muchos agentes, una barra de búsqueda
En Levi’s, el éxito es generar más éxito. Los agentes avanzan más allá de la recuperación hacia la toma de decisiones real. Uno supervisa el inventario y activa en automático el reabastecimiento. Otro mide la demanda regional y ajusta los precios en tiempo real. Otro detecta problemas de calidad en los envíos de los proveedores antes de que los productos lleguen siquiera a la distribución.
Pero a medida que el número de agentes se multiplica, surge otro desafío: recordar qué agente hace qué. Levi’s ahora está en proceso de desarrollo de un superagente—una interfaz que gestiona el enrutamiento entre bastidores y sirve como primera parada para cualquier tarea asistida por IA. «Los empleados hacen su pregunta en un solo lugar, y se conecta con los agentes adecuados y devuelve la respuesta», explica Michael Womack, veterano responsable de infraestructura global y servicios para usuarios finales de Levi’s. «Nuestro objetivo es eliminar toda la complejidad de TI para tener datos al alcance de la mano y movernos más rápido que nunca.»
Hoy en día no hay un manual para la IA. Es una nueva frontera. Pero están comenzando a surgir patrones. Las Empresas Frontera no superponen IA sobre trabajos existentes; reconsideran cómo se hace el trabajo desde los cimientos hacia arriba. Descubren cuellos de botella ocultos, rastrean lo que importa y construyen sistemas que aprenden a partir de la evidencia, no de las suposiciones. Así es como la IA deja de ser un complemento llamativo y se convierte en un motor de agilidad y crecimiento sostenible.
Llámenlo legado bajo demanda. Lo que empezó con pantalones vaqueros hechos para durar se ha convertido en un negocio pensado para el futuro. Derek Shirk —el diseñador que creó Minerva— ya ha comenzado a esbozar lo que viene después: un agente que lee miles de entrevistas a clientes y saca a la luz las frustraciones más comunes. Un agente que compara datos de encuestas entre continentes y detecta mensajes de error confusos antes de que lleguen a los compradores.
Es una reinvención desde cero de cómo se realiza el trabajo, todo ello realizado con pulsaciones inteligentes de teclas. «Cuando oyes términos como interfaz agente, suena complejo», dice Shirk. «Pero poner en marcha un agente fue más fácil de lo que esperaba. Lo difícil no es la tecnología, sino estar abierto a dónde puede llevarte.» Para Levi’s, eso es una expresión práctica de cómo una marca del siglo XIX se adapta al siglo XXI.
La adopción global de la inteligencia artificial continuó en aumento en la segunda mitad de 2025, incrementándose 1,2 puntos porcentuales respecto a la primera mitad del año, con alrededor de una de cada seis personas en todo el mundo que utilizan ahora herramientas de IA generativa, un progreso notable para una tecnología que, de manera reciente, apenas ha entrado en el uso generalizado.
Para seguir esta tendencia, medimos la difusión de la IA como la proporción de personas en todo el mundo que han utilizado un producto de IA generativa durante el periodo reportado. Esta medida se deriva de la telemetría agregada y anonimizada de Microsoft y luego se ajusta para reflejar diferencias en cuota de mercado de sistemas operativos y dispositivos, penetración de internet y población de países. Detalles adicionales sobre la metodología están disponibles en nuestro artículo técnico de difusión de IA.1
Ninguna métrica es perfecta, y esta no es una excepción. A través del Microsoft AI Economy Institute, seguimos con el perfeccionamiento de cómo medimos la difusión de la IA a nivel global, lo que incluye cómo varía la adopción entre países de manera que avanza mejor prioridades como el descubrimiento científico y el aumento de productividad. Para este informe, confiamos en la medida más sólida a nivel nacional disponible hoy en día, y esperamos complementarla con el tiempo con indicadores adicionales a medida que surjan y maduren.
A pesar de los avances en la adopción de la IA, los datos muestran una brecha cada vez mayor: la adopción en el Norte Global creció casi el doble de rápido que en el Sur Global. Como resultado, el 24,7 por ciento de la población en edad de trabajar en el Norte Global utiliza ahora estas herramientas, frente a solo el 14,1 por ciento en el Sur Global.
Países que han invertido pronto en infraestructura digital, habilidades en IA y adopción gubernamental, como Emiratos Árabes Unidos, Singapur, Noruega, Irlanda, Francia y España, continúan con su liderazgo. Los EAU ampliaron su ventaja como el país número uno, con un 64,0% de la población en edad laboral que utiliza IA a finales de 2025, frente al 59,4% a principios de año. Los EAU han abierto una ventaja de más de tres puntos porcentuales sobre Singapur, que sigue en segundo lugar con un 60,9 por ciento de adopción.
La segunda mitad del año en Estados Unidos muestra que el liderazgo en innovación e infraestructuras, aunque fundamental, no conduce por sí solo a una adopción generalizada de la IA. Estados Unidos lidera tanto en infraestructura de IA como en desarrollo de modelos de frontera, pero cayó del puesto 23 al 24 en uso de IA entre la población en edad laboral, con una tasa de uso del 28,3 por ciento. Está muy por detrás de economías más pequeñas, más digitalizadas y centradas en la IA.
Corea del Sur destaca como la historia de éxito de fin de año más clara. Subió siete puestos en el ranking global, para pasar del puesto 25 al 18, impulsado por políticas gubernamentales, mejoras en las capacidades del modelo de frontera en el idioma coreano y características orientadas al consumidor que conectaron con la población. La IA generativa se utiliza ahora en escuelas, lugares de trabajo y servicios públicos, y Corea del Sur se ha convertido en uno de los mercados de más rápido crecimiento de ChatGPT, lo que ha llevado a OpenAI a abrir una oficina en Seúl.2
Un desarrollo paralelo que transformó el panorama global en 2025 fue el rápido auge de DeepSeek, una plataforma de IA de código abierto que ha ganado una tracción significativa en mercados que durante mucho tiempo han sido desatendidos por los proveedores tradicionales. Al lanzar su modelo bajo una licencia de código abierto del MIT y ofrecer un chatbot gratuito, DeepSeek eliminó tanto barreras financieras como técnicas que limitaban el acceso a IA avanzada. Su adopción más fuerte, como era de esperar, ha surgido en China, Rusia, Irán, Cuba y Bielorrusia. Pero quizá aún más destacable es la creciente popularidad de DeepSeek en toda África, donde se ve impulsada por la promoción estratégica y las asociaciones con empresas como Huawei.3
Esta rápida evolución subraya una dimensión cada vez más importante de la competencia en IA entre Estados Unidos y China, que implica una carrera para promover la adopción de sus respectivos modelos nacionales. El éxito de DeepSeek refleja el creciente impulso chino en toda África, una tendencia que podría seguir acelerándose en 2026. El ascenso de DeepSeek también subraya una verdad más amplia: la difusión global de la IA está influida por factores de accesibilidad, y la próxima oleada de usuarios podría provenir de comunidades que a nivel histórico han tenido acceso limitado al progreso tecnológico. El reto que se enfrenta es asegurar que la innovación se extienda de formas que ayuden a reducir las divisiones en lugar de profundizarlas.
