BMW lleva las reglas de los agentes de IA de sus 12 500 desarrolladores al CI/CD y a un registro común
BMW Group cuenta con 12 500 desarrolladores, y cientos de equipos crean agentes de IA cada uno a su manera. Para evitar un zoo de agentes, la compañía sacó las reglas de seguridad del código de los agentes y las llevó al CI/CD (el pipeline que revisa cada despliegue), a una pasarela MCP y a un registro. Un agente redacta borradores de documentación casi por sí solo, pero escribir en una base de datos en producción requiere la aprobación de una persona. La conclusión: es más barato integrar las comprobaciones desde el principio que desenredar después las «islas de IA».
Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
En BMW Group trabajan en I+D más de 12 500 desarrolladores, y cientos de equipos de todo el mundo crean agentes de IA: programas basados en un modelo de lenguaje que llaman a herramientas y ejecutan tareas por sí solos. Si cada equipo los escribe a su manera, el resultado es un zoo que no se puede verificar ni mantener. Por eso, en BMW las reglas de seguridad no están incrustadas en el código de cada agente.
Se han trasladado a tres puntos comunes: el CI/CD (un pipeline automático que revisa cada cambio antes de pasarlo a producción), la pasarela MCP (el punto único por el que los agentes acceden a las herramientas) y un registro común de agentes. Piense en un agente que redacta borradores de documentación y en otro que actualiza una base de datos en producción. Su riesgo es distinto, y revisar a ambos con las mismas reglas no tiene sentido.
Los ingenieros de BMW lo explicaron en el blog de AWS. La utilidad práctica para el lector: así se puede mantener el control sobre decenas de agentes sin frenar a los equipos.
Escala e idea principal
El contexto impresiona. En I+D de BMW hay unos 500 millones de líneas de código de software de automoción. El backend de Connected Vehicle consta de más de 1 300 microservicios que prestan servicios digitales a 24 millones de vehículos en circulación. En un sector regulado, el listón de calidad, estabilidad y cumplimiento normativo es muy alto.
Los equipos deben poder experimentar con libertad, pero la compañía tiene que mantener estándares de seguridad, compatibilidad y coste. Sin ese equilibrio aparecen «islas de IA» dispersas y trabajo duplicado. BMW no impone un único framework. Las reglas de autenticación, autorización, límites de peticiones y filtrado de contenido funcionan en la capa de integración, no dentro del código del agente. Por eso sobreviven a un cambio de framework, a la sustitución de un modelo y a la reorganización de equipos.
Tres niveles de autonomía y comprobaciones fuera del agente
BMW asigna el nivel de confianza a cada paso, no al agente en su conjunto:
- Nivel 0 (human-in-the-loop): una persona confirma cada acción. Es el punto de partida de los agentes nuevos y de las operaciones de riesgo.
- Nivel 1 (human-on-the-loop): el agente actúa por sí mismo y una persona revisa sus decisiones más tarde. Sirve para tareas de peligrosidad media, con entradas y salidas claras y posibilidad de revertir.
- Nivel 2: el agente trabaja de forma autónoma dentro de políticas estrictas que verifica código convencional, no una petición en el prompt. Este nivel se reserva para operaciones bien definidas con un historial comprobado.
Un mismo escenario puede incluir pasos de los tres niveles. La autonomía se aumenta de forma gradual, a partir de la calidad medida y no de las sensaciones.
Las comprobaciones se ejecutan en el CI/CD, fuera del ciclo de razonamiento del agente: los permisos de acceso, las reglas en forma de código y las verificaciones de cumplimiento bloquean el despliegue antes de llegar a producción. Ni el agente ni su prompt pueden anularlas. Unos controles de egress independientes (una lista de destinatarios permitidos y la búsqueda de secretos en los datos salientes) impiden que un agente con datos confidenciales los envíe mediante una llamada formalmente legítima.
Calidad, ensamblaje por bloques y registro
BMW construye los agentes con tres capas: herramientas MCP (una sola operación, por ejemplo una llamada a una API), habilidades (un conjunto de herramientas para una tarea de dominio, como la revisión de código) y flujos (procesos de extremo a extremo, como la revisión completa de un pull request). Cada capa se prueba por separado, y sus uniones, con tests de interacción. Todo se conecta mediante estándares abiertos: MCP, Agent Skills, el protocolo A2A para la comunicación entre agentes y OpenTelemetry para la trazabilidad.
Cualquier cambio en un agente lanza el pipeline: una edición del prompt, una herramienta nueva, un cambio de modelo. Primero se ejecutan tests de regresión automáticos y rápidos; después, la evaluación de la calidad de las respuestas con un conjunto de datos de referencia y umbrales. El orden es deliberado: la evaluación solo se hace sobre una compilación que ha superado los tests. Un agente sin trazabilidad no pasa la verificación ni siquiera antes de la evaluación.
Antes de escribir código, el equipo prepara cinco artefactos: los límites de las tareas del agente, el modelo de interacción, una descripción precisa de las herramientas, un dataset de referencia y los criterios de calidad. Así combate BMW los agentes sobrecargados, cuyo prompt hinchado reduce la precisión y aumenta la latencia. Si un agente ha crecido más allá de su tarea, se divide en especialistas acotados.
Estos se actualizan y escalan de forma independiente, y el fallo de uno no tumba todo el proceso. A un agente acotado suele bastarle un modelo más pequeño, lo que reduce el coste de ejecución. El principio de mínimo privilegio se cumple casi solo: el agente solo tiene acceso a los datos que necesita.
El registro central de agentes, herramientas y habilidades funciona como catálogo, como punto de aprobación con registro de auditoría y como punto de comprobación automática de seguridad, incluida la prompt injection. Además, al registrar un agente busca duplicados que ya mantienen otros equipos.
Qué conviene llevarse
Empiece por el dataset de referencia y la trazabilidad, no por la orquestación. Asigne la autonomía paso a paso. Mantenga las políticas en el pipeline, no en los prompts. Una salvedad: es el relato de la propia compañía en el blog de AWS, y el fragmento disponible se corta en la sección sobre la codificación mediante Terraform y CloudFormation. No incluye cifras de ahorro, así que no es posible evaluar el efecto. Aun así, como lista de verificación para quienes despliegan agentes en un sector regulado, el esquema resulta concreto.
- 20 nov 2026Torneo de agentes en Cisco: 1200 ingenieros, y ganó quien escribió 1220 tokens en lugar de 1430
- 20 nov 2026Amazon SageMaker detecta por sí sola GPU ociosas y aumentos de latencia en endpoints de LLM
- 20 nov 2026AWS enseña a los agentes de IA a comprar API en Marketplace y pagar con la factura habitual de AWS
- 19 nov 2026Amazon y Google tendrán el 28,4% de Anthropic tras la IPO, pero sin derecho a voto
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Escala e idea principal?
El contexto impresiona. En I+D de BMW hay unos 500 millones de líneas de código de software de automoción. El backend de Connected Vehicle consta de más de 1 300 microservicios que prestan servicios digitales a 24 millones de vehículos en circulación. En un sector regulado, el listón de calidad, estabilidad y cumplimiento normativo es muy alto. Los equipos deben poder experimentar con libertad, pero la compañía tiene que mantener estándares de seguridad, compatibilidad y coste.
¿Qué se sabe sobre Tres niveles de autonomía y comprobaciones fuera del agente?
BMW asigna el nivel de confianza a cada paso, no al agente en su conjunto: Nivel 0 (human-in-the-loop): una persona confirma cada acción. Es el punto de partida de los agentes nuevos y de las operaciones de riesgo. Nivel 1 (human-on-the-loop): el agente actúa por sí mismo y una persona revisa sus decisiones más tarde. Sirve para tareas de peligrosidad media, con entradas y salidas claras y posibilidad de revertir.
¿Qué se sabe sobre Calidad, ensamblaje por bloques y registro?
BMW construye los agentes con tres capas: herramientas MCP (una sola operación, por ejemplo una llamada a una API), habilidades (un conjunto de herramientas para una tarea de dominio, como la revisión de código) y flujos (procesos de extremo a extremo, como la revisión completa de un pull request). Cada capa se prueba por separado, y sus uniones, con tests de interacción.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.