Cómo compartir los modelos de IA de Amazon Bedrock en toda tu organización con entitlements gestionados

Imagina que estás montando una nueva función con IA para tu chatbot de atención al cliente. Quieres que el mismo modelo de lenguaje esté disponible para el equipo de desarrollo, el equipo de ciencia de datos y los analistas de marketing, sin que cada uno tenga que comprar el modelo por su cuenta. Los entitlements gestionados te permiten hacer exactamente eso: convertir una única suscripción en un recurso compartido para todas tus cuentas de AWS.

1. Por qué importan los entitlements gestionados

Amazon Bedrock es el servicio alojado de Amazon para modelos de lenguaje grandes (LLM, piensa en ellos como los motores detrás de ChatGPT o Claude). Normalmente, cada cuenta de AWS que quiera usar un modelo de Bedrock tiene que recibir el permiso a través del AWS Marketplace, lo que puede volverse rápidamente un lío de licencias y facturas. Los entitlements gestionados permiten que una cuenta central (o “maestra”) compre el modelo una sola vez y luego reparta derechos de uso a tantas cuentas miembro como quieras dentro de la misma organización.

2. Prepara tu cuenta central

1. Elige una cuenta “hub”: debería ser la cuenta que ya se encarga de la facturación y el cumplimiento normativo de tu organización.
2. Activa Amazon Bedrock en el hub:
   • Inicia sesión en la consola de administración de AWS.
   • Busca “Bedrock” y haz clic en Enable.
3. Suscríbete al modelo que quieras desde la consola de Bedrock o desde el AWS Marketplace. Esto crea la primera licencia (o “entitlement”) para el modelo.

Entitlement = un permiso que dice “esta cuenta puede usar este modelo”. Piensa en ello como un carné de biblioteca que te deja sacar un libro concreto.

3. Crea y configura los entitlements gestionados

1. En la cuenta hub, abre la página Bedrock → Entitlements.
2. Haz clic en Create Managed Entitlement.
3. Elige el modelo al que te suscribiste y pon un nombre claro al entitlement (por ejemplo, “Customer‑Support‑LLM”).
4. Define el alcance: puedes limitar el entitlement a organizaciones concretas de AWS, a unidades organizativas (OU) o incluso a IDs de cuenta individuales.
5. Establece límites de uso (opcional): puedes poner un tope de tokens de petición al mes si quieres controlar el gasto.

Unidad organizativa (OU) = una agrupación tipo carpeta de cuentas dentro de AWS Organizations, útil para separar finanzas, desarrollo o marketing.

4. Reparte el entitlement a las cuentas miembro

1. En la pantalla Entitlement, selecciona el entitlement recién creado y haz clic en Share.
2. Elige las cuentas o las OU de destino. Puedes añadirlas una a una o pegar una lista de IDs de cuenta en CSV.
3. Confirma el reparto. Las cuentas elegidas verán ya el modelo en su consola de Bedrock, sin tener que pasar por el paso de aprobación del Marketplace.

Consejo rápido

Si más adelante decides que un equipo ya no necesita el modelo, basta con revocar el permiso de reparto desde el hub. El modelo desaparece de su consola automáticamente, sin limpieza manual.

5. Usa el modelo en tus aplicaciones

Con el entitlement ya en marcha, los desarrolladores pueden llamar al modelo como cualquier otra API de Bedrock:

import boto3

client = boto3.client('bedrock-runtime')
response = client.invoke_model(
    modelId='arn:aws:bedrock:us-east-1::foundation-model/customer-support-llm',
    body='{"prompt":"How can I reset my password?"}'
)
print(response['body'])

• boto3 es el SDK de AWS para Python (piensa en él como una caja de herramientas que permite a tu código hablar con los servicios de AWS).
• modelId apunta al modelo compartido; el ARN (Amazon Resource Name) incluye el nombre del entitlement que le pusiste.
• El SDK respeta automáticamente el entitlement, así que no hace falta ningún paso extra de autenticación más allá del rol de IAM o las credenciales de usuario habituales.

6. Monitorización y control de costes

Como todo el uso se factura en la cuenta central, puedes:

• Consultar un único informe de costes en la consola de facturación de AWS.
• Configurar presupuestos que te avisen si el volumen de peticiones del modelo supera un umbral.
• Usar métricas de CloudWatch (por ejemplo, número de peticiones o latencia) para seguir el rendimiento en todos los equipos.

Qué significa esto para ti

• Para los responsables de TI: una licencia, muchos usuarios. Mantienes el cumplimiento sencillo, evitas compras duplicadas y conservas el control total sobre quién puede llamar al modelo.
• Para los equipos de desarrollo: nada de esperar aprobaciones del Marketplace. Puedes empezar a probar e iterar con el mismo LLM que usará tu aplicación en producción.
• Para los responsables de finanzas: la facturación consolidada facilita repartir el gasto en IA entre proyectos o departamentos.
• Si estás empezando: prueba un modelo de prueba en la cuenta hub, crea un entitlement gestionado y compártelo con una cuenta de pruebas. Verás todo el flujo en menos de una hora.

Cierre

Los entitlements gestionados convierten un despliegue de IA multi‑cuenta, potencialmente caótico, en un sistema ordenado y gobernado de forma central. Suscribiéndote una sola vez en una cuenta hub, das a cada equipo la libertad de usar el mismo modelo de Amazon Bedrock mientras mantienes costes, licencias y seguridad bajo un mismo techo.

Siguiente paso: abre tu consola de AWS, activa Bedrock en una cuenta central y crea un entitlement de prueba para el modelo que te interese. Compártelo con la cuenta de un compañero y ejecuta el código de ejemplo de arriba: verás al instante la ventaja de tener un acceso unificado a la IA.