Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAnálisis · En radarAWS Machine Learning Blog→ original

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
BMW lleva las reglas de los agentes de IA de sus 12 500 desarrolladores al CI/CD y a un registro común
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalAWS Machine Learning Blog ↗
Editor jefe
Nivel 0una persona aprueba cada acción; el nivel 2 solo funciona dentro de límites estrictos
Dato clave #2Al registrarse, el registro busca por sí mismo agentes y habilidades duplicados de otros equipos
Dato clave #3La evaluación de calidad solo se lanza cuando la compilación ha superado los tests

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.

Historia

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.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

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.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…