Amazon Bedrock ya desglosa el coste de inferencia por usuario y aplicación

El 17 de abril de 2026, AWS lanzó para Amazon Bedrock la función granular cost attribution, un desglose detallado de los costes de inferencia. Ahora los gastos se pueden vincular automáticamente a un usuario, aplicación, rol IAM o tenant concretos, sin cambiar los flujos existentes de llamada a los modelos.

Cómo funciona

Bedrock ha empezado a enviar a AWS Billing datos sobre qué IAM principal envió cada solicitud a un modelo. Puede ser un usuario IAM corriente, el rol de una aplicación, una sesión federada temporal a través de Okta o Entra ID, o una clave de API de Bedrock si está asociada a una identidad IAM.

En el informe CUR 2.0 aparece el campo line_item_iam_principal, y con line_item_usage_type se puede saber qué modelo se usó, en qué región y si el dinero se fue en tokens de entrada o de salida.

Además, AWS propone activar etiquetas de asignación de costes. Se pueden asignar directamente a usuarios y roles IAM, o pasarse como session tags en la autorización federada y en AssumeRole. Una vez activadas en la facturación, esas etiquetas llegan tanto a CUR 2.0 como a Cost Explorer, donde el gasto ya se puede agrupar por equipo, proyecto, centro de costes o tenant.

La función está disponible en las regiones comerciales sin coste adicional, pero hay que activar la exportación del IAM principal en CUR 2.0 y esperar entre 24 y 48 horas a que aparezcan las etiquetas.

«Entender quién gasta exactamente el dinero en inferencia es el primer

paso hacia el chargeback, la previsión y la optimización».

Cuatro escenarios de contabilización

AWS describe cuatro esquemas típicos en los que la nueva atribución resulta especialmente útil. La lógica es siempre la misma: quien llama a Bedrock se convierte en la unidad de contabilidad. Pero el método de etiquetado depende de si trabaja con los modelos una persona, un servicio, una sesión SSO corporativa o una pasarela LLM compartida.

La diferencia importa porque de ella depende dónde se almacenan el identificador del emisor y las etiquetas para agregar después los costes en informes y alertas.

• Usuarios IAM y claves de API: adecuado para equipos pequeños y prototipos; permite ver el gasto de cada desarrollador por separado.
• Roles IAM para aplicaciones: cómodo para servicios en producción; los costes se reparten por backend, trabajos por lotes y proyectos.
• Usuarios federados mediante IdP: los usuarios corporativos se identifican por el nombre de sesión y las etiquetas de SAML u OIDC.
• Pasarela o proxy LLM: para SaaS y plataformas internas de IA que necesitan un desglose por usuario y tenant, y no una única línea para toda la pasarela.

La opción más compleja es la pasarela. Si el proxy accede a Bedrock con un único rol, la facturación solo verá ese rol y perderá el detalle. AWS propone resolverlo con AssumeRole por cada usuario o tenant, pasando un role-session-name y etiquetas. Las credenciales obtenidas se pueden almacenar en caché hasta una hora, por lo que este modelo no exige llamar a STS en cada solicitud. Por defecto, el límite de STS para AssumeRole es de 500 llamadas por segundo por cuenta, algo que conviene tener en cuenta en sistemas de alto rendimiento.

Efecto práctico para los equipos

Para FinOps y las plataformas de IA, esto cierra un viejo hueco: antes, los costes de Bedrock solían verse solo a nivel de cuenta o de un único usuario de servicio, y había que construir una capa propia de registro y repartir los gastos a mano. Ahora AWS ofrece un mecanismo nativo de chargeback y showback basado en las mismas identidades IAM y etiquetas que las empresas ya usan para el acceso y el gobierno. Otra ventaja: permite saber rápidamente quién tira de modelos caros como Opus, quién usa configuraciones más ligeras y dónde se come el presupuesto el output de tokens.

Para los equipos de ingeniería, el valor no es solo financiero. Si cada microservicio tiene su propio rol y cada empleado su propia sesión federada, el mismo mecanismo refuerza a la vez la seguridad y la transparencia. En un SaaS multi-tenant es especialmente útil: se puede comparar el coste de atender a los clientes, construir tarifas internas y configurar alertas en Cost Explorer por etiquetas.

En la práctica, AWS convierte la identidad de la llamada al modelo en una etiqueta financiera completa, con la que ya se pueden generar informes sin un data pipeline aparte.

Qué significa

Amazon Bedrock resulta bastante más cómodo para las empresas que escalan la IA generativa más allá de unas decenas de solicitudes de demostración, hasta equipos, servicios y clientes reales. Cuanto más tráfico de IA tiene un negocio, más importa ver no solo la factura total, sino la fuente concreta del gasto.