AWS muestra cómo limitar el gasto en Bedrock por empleado sin escribir código
Cuando una empresa incorpora IA, el director financiero pregunta enseguida quién gasta cuánto y si es posible limitarlo. AWS propone una respuesta sin código propio: Bedrock registra qué rol de IAM o qué usuario hizo cada solicitud, las etiquetas trasladan esa información a la facturación y AWS Budgets desactiva los modelos caros cuando se supera el umbral. Es más sencillo que el esquema personalizado de Jamf, pero no funciona en tiempo real: los presupuestos se actualizan hasta tres veces al día.
Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
En cuanto una empresa da acceso a sus empleados a la IA generativa, la factura de los tokens deja de ser abstracta. El director financiero quiere saber cuánto gasta cada persona o equipo, si puede fijar un límite y cuánto trabajo exigirá esa configuración. AWS ha publicado un análisis sobre cómo responder a estas preguntas con las herramientas integradas en Amazon Bedrock. Para el caso típico, no será necesario escribir código propio.
Esta es la continuación de la historia de Jamf. Allí, el equipo creó su propio sistema de control: IAM Identity Center, Athena sobre los registros de llamadas a los modelos y Lambda. Funciona casi en tiempo real, pero el código hay que mantenerlo internamente. El nuevo enfoque es más sencillo, aunque menos inmediato.
Tres pasos: atribución, informe, limitación
Primero: Bedrock registra automáticamente qué usuario o rol de IAM hizo cada solicitud de inferencia. No hace falta modificar las llamadas a los modelos. Si cada persona o aplicación tiene su propio rol, bastan las etiquetas en el propio rol, por ejemplo user, team o CostCenter. Si el rol es compartido, se necesitan etiquetas de sesión. Se pasan en el momento de obtener el rol: mediante sts:AssumeRole con el parámetro --tags, mediante un token OIDC o mediante una aserción SAML. La política de confianza del rol debe permitir sts:TagSession. En total, se pueden definir hasta 50 etiquetas por usuario o rol.
Segundo: las etiquetas deben activarse como etiquetas de asignación de costes en la consola de Billing. En una organización de AWS, esto se hace en la cuenta de pago (payer). La clave de la etiqueta solo aparece en la lista después de al menos una llamada a Bedrock. Después, la clave puede tardar hasta 24 horas en aparecer y otras 24 horas más en llegar los datos a la facturación. La activación no funciona de forma retroactiva, así que conviene activarla con antelación.
Para los informes hay dos vías. La sencilla: Cost Explorer con un filtro por Bedrock y agrupación por etiqueta. La detallada: exportar CUR 2.0 con la opción de identidad del llamante, que se consulta con SQL mediante Athena. Las etiquetas aparecen en columnas con el prefijo iamPrincipal/. Una exportación CUR antigua no incluirá la identidad de forma retroactiva; hace falta una nueva. AWS ha publicado consultas listas para usar en el repositorio aws-samples/sample-cur-iam-principal-bedrock-tracking.
Es fácil equivocarse en las consultas. Bedrock factura cuatro tipos de tokens: de entrada, de salida, lecturas de caché y escrituras de caché. Si solo se cuentan la entrada y la salida, el total queda subestimado, sobre todo en cargas con caché de prompts activa. El precio depende además del nivel tarifario y de si la solicitud pasó por inferencia entre regiones. Por ello, la tarifa debe asociarse a la línea de la factura y no al modelo. Además, Bedrock puede aparecer bajo varios valores de product_servicecode.
Limitación mediante AWS Budgets
Tercero: se crea un presupuesto de Bedrock con un filtro por una identidad concreta o un valor de etiqueta. A él se vincula una acción de presupuesto que, al cruzar el umbral, adjunta una política de IAM con Deny. Se puede bloquear solo los modelos caros y dejar disponible el barato, para que la persona siga trabajando. Puede haber varios umbrales. Por ejemplo, el modelo premium se desactiva al 80 % del presupuesto, el de gama media al 100 % y el barato nunca se desactiva. La acción puede ejecutarse automáticamente o tras una confirmación manual. Conviene notificar al usuario el motivo; de lo contrario, pensará que el servicio se ha roto.
Se necesitan dos roles: el propio, con la política administrada AWSBudgetsActionsWithAWSResourceControlAccess, y otro rol distinto con el que Budgets adjunta y desvincula las políticas.
Limitaciones que hay que conocer
La principal limitación: los datos de Budgets se actualizan hasta tres veces al día, así que el gasto puede superar el umbral antes de que se active la acción. Para un control estricto en tiempo real, el enfoque de Jamf sigue siendo necesario.
La segunda: la acción se vincula a un usuario, un grupo o un rol. Un rol compartido significa que la restricción afectará a todos los que lo usen. A través de una pasarela LLM, Bedrock solo verá su rol de servicio, no a la persona final. Para usuarios federados sin rol propio, este método no encaja bien.
La tercera: el CUR no contiene datos línea a línea de las solicitudes, solo agregados por hora o por día. Las etiquetas de sesión no aparecen en los registros de llamadas, donde solo se fija el ARN del llamante. Para distinguir personas en una sesión compartida ayuda un RoleSessionName único o los metadatos de la solicitud. Por último, al incorporar un modelo nuevo, compruebe que aparece en las consultas y en los filtros del presupuesto, ya que los tipos de uso están vinculados a los modelos.
Conclusión práctica: si cada desarrollador o servicio tiene su propio rol, la configuración llevará unas pocas horas y, para la mayoría de empresas, bastará. Si el tráfico pasa por una pasarela compartida, primero hay que resolver la atribución y solo después pensar en los límites.
- 21 nov 2026AG-UI 1.0 le da a los agentes de IA un lenguaje común para comunicarse con la aplicación: 31 tipos de eventos
- 21 nov 2026OpenAI lanza ChatGPT Wallet: los agentes compran sin ver el número de la tarjeta
- 21 nov 2026Los anunciantes estadounidenses gastaron 70,7 millones de dólares en publicidad en ChatGPT en octubre, un 127 % más que en abril
- 21 nov 2026ONNX Runtime desaparece de GitHub: Microsoft oculta los repositorios tras el ataque a un paquete
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Tres pasos: atribución, informe, limitación?
Primero: Bedrock registra automáticamente qué usuario o rol de IAM hizo cada solicitud de inferencia. No hace falta modificar las llamadas a los modelos. Si cada persona o aplicación tiene su propio rol, bastan las etiquetas en el propio rol, por ejemplo user, team o CostCenter. Si el rol es compartido, se necesitan etiquetas de sesión. Se pasan en el momento de obtener el rol: mediante sts:AssumeRole con el parámetro --tags, mediante un token OIDC o mediante una aserción SAML.
¿Qué se sabe sobre Limitación mediante AWS Budgets?
Tercero: se crea un presupuesto de Bedrock con un filtro por una identidad concreta o un valor de etiqueta. A él se vincula una acción de presupuesto que, al cruzar el umbral, adjunta una política de IAM con Deny. Se puede bloquear solo los modelos caros y dejar disponible el barato, para que la persona siga trabajando. Puede haber varios umbrales. Por ejemplo, el modelo premium se desactiva al 80 % del presupuesto, el de gama media al 100 % y el barato nunca se desactiva.
¿Qué se sabe sobre Limitaciones que hay que conocer?
La principal limitación: los datos de Budgets se actualizan hasta tres veces al día, así que el gasto puede superar el umbral antes de que se active la acción. Para un control estricto en tiempo real, el enfoque de Jamf sigue siendo necesario. La segunda: la acción se vincula a un usuario, un grupo o un rol. Un rol compartido significa que la restricción afectará a todos los que lo usen. A través de una pasarela LLM, Bedrock solo verá su rol de servicio, no a la persona final.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.