Durante años, la conversación sobre inteligencia artificial en las empresas giró alrededor de una sola pregunta: ¿qué tan inteligente es el modelo? GPT, Claude, Gemini, uno tras otro, cada nuevo lanzamiento prometía razonar mejor, escribir mejor, programar mejor. Pero en las trincheras —en los equipos que de verdad intentaron poner un agente de IA a trabajar sobre los datos reales de su negocio— el problema nunca fue la inteligencia del modelo. Fue otra cosa, más aburrida y más terca: el agente no sabía dónde estaban las cosas, ni cuáles eran confiables, ni qué tenía permiso para mirar.
El 17 de junio de 2026, en el AWS Summit de Nueva York, Amazon le puso nombre a ese problema y anunció una respuesta. Se llama AWS Context, y la idea detrás es tan simple de enunciar como difícil de construir: darle a los agentes de IA un mapa confiable de todos los datos de una organización, para que dejen de adivinar. Mai-Lan Tomsen Bukovec, vicepresidenta de tecnología de AWS y una de las arquitectas históricas de los servicios de datos de la nube, lo resumió en una frase que vale la pena leer despacio: “Los agentes son tan inteligentes como el contexto sobre el que pueden razonar”.
No es una frase de marketing. Es, en realidad, el diagnóstico más honesto que una de las grandes nubes hizo en mucho tiempo sobre por qué tantos pilotos de IA empresarial se quedan en piloto y nunca llegan a producción. Y entender ese diagnóstico —más que el producto en sí— es lo que importa para cualquiera que tenga un negocio y se pregunte si esto de los agentes le sirve o es humo.
El verdadero cuello de botella no era el cerebro, era la memoria
Imaginá una empresa cualquiera. Sus datos viven en mil lados: una base de datos de clientes, una planilla de ventas, un sistema de facturación, conversaciones de Slack o WhatsApp, correos, documentos en una carpeta compartida, un viejo Excel que solo entiende Roberto de Administración. Cada pieza por separado tiene sentido. Pero la relación entre ellas —que el cliente de la base es el mismo que aparece en la factura, que la regla de descuento vive en la cabeza de alguien y no en ningún sistema— nunca está escrita en ningún lado. Está en el aire, en la costumbre, en lo que la gente sabe sin que nadie lo haya documentado.
Un humano nuevo en la empresa tarda meses en aprender ese mapa invisible. Un agente de IA, hasta ahora, simplemente no podía. Le pedías que cruzara dos datos y o bien inventaba la conexión (la temida “alucinación”), o se quedaba paralizado, o te daba una respuesta con la seguridad de un experto y la precisión de un dado. Por eso tantos proyectos de IA empresarial nacieron con bombos y murieron en silencio: el modelo era brillante, pero estaba ciego respecto del negocio sobre el que tenía que opinar.
AWS Context ataca exactamente eso. El servicio recorre los datos que ya existen en la organización y los convierte automáticamente en un grafo de conocimiento: un mapa de relaciones que dice qué tabla se conecta con cuál, qué columna significa qué, qué regla de negocio aplica en cada caso. No reemplaza a las bases de datos; las teje. Y le ofrece a los agentes una búsqueda “agéntica” sobre ese tejido, para que en lugar de adivinar consulten un mapa que alguien revisó y aprobó.
Un grafo que aprende solo de cómo trabajan los agentes
La parte más interesante de AWS Context no es que arme el mapa una vez, sino que el mapa se vaya volviendo más exacto solo. A medida que los agentes consultan el grafo, el sistema observa qué fuentes dieron resultados correctos, qué caminos de conexión funcionaron mejor, qué reglas se aplicaron de verdad. Y aprende. Si un agente descubre que para cruzar “ventas” con “clientes” conviene seguir tal ruta, ese conocimiento queda disponible para los demás agentes de la organización, sin que ningún humano tenga que volver a curar el grafo a mano.
Es una diferencia de fondo respecto de cómo se hacían las cosas. Hasta ahora, mantener un catálogo de datos limpio y útil era un trabajo manual, eterno y, francamente, ingrato: alguien tenía que documentar cada tabla, cada relación, cada excepción, y mantenerlo actualizado mientras el negocio cambiaba debajo. AWS Context propone invertir esa lógica: que el uso real de los agentes sea el que pula el mapa, en vez de depender de que un equipo de datos lo haga prolijamente en su tiempo libre (que nunca existe).
La tecnología no salió de la nada. AWS Context extiende el mismo motor de grafo de conocimiento que ya funciona detrás de Amazon Quick, donde —según Amazon— cientos de miles de usuarios interactúan a diario con un grafo en producción que cataloga datasets, tableros y metadatos, y que procesa millones de solicitudes por día. La novedad es de escala y de alcance: lo que era un grafo personal pasa a ser uno organizacional, una capa de contexto compartida y gobernada de la que toda la empresa puede tomar.
Identidad y permisos: el detalle que separa el juguete del producto
Acá está, para mi gusto, lo más importante del anuncio, y lo que menos titulares se llevó. Cualquiera que haya pensado seriamente en poner un agente de IA a trabajar con datos sensibles tropezó con la misma pregunta de hierro: ¿qué puede ver este agente, y puedo demostrar exactamente a qué accedió y bajo la autoridad de quién? Sin una respuesta clara a eso, ningún departamento legal serio te deja avanzar. Y con razón.
AWS Context responde haciendo que cada consulta sea consciente de la identidad. Cada llamada hereda los permisos del usuario que la origina: un agente solo puede ver y recorrer las relaciones que su identidad está autorizada a tocar. Y como todo pasa por la identidad, todo queda auditado. Los equipos de seguridad y cumplimiento pueden verificar qué consultó un agente y con qué autoridad, usando los mismos controles que ya tenían. No es un agregado cosmético: es lo que convierte una demo impresionante en algo que una empresa regulada puede realmente desplegar sin perder el sueño.
En el mismo anuncio, AWS sumó otras piezas que apuntan en la misma dirección: una vista previa de “contexto de negocio” y búsqueda semántica para su catálogo de datos Glue, que permite enriquecer tablas y columnas con descripciones, glosarios y reglas para que los agentes razonen sobre definiciones confiables en vez de inferirlas; y la disponibilidad general de las “anotaciones” de S3, que dejan adjuntar contexto rico y consultable directamente a los archivos, con hasta 1 GB de contexto por objeto. Todo guardado, además, en formato abierto Apache Iceberg, lo que en criollo significa: el contexto que armás no queda preso de Amazon; lo podés consultar, auditar o migrar con las herramientas que quieras.
Por qué esto es una señal y no solo un producto más
Conviene no perderse en la sopa de nombres. Lo que de verdad dice este anuncio es algo más grande que AWS Context. Es que la industria entera de la IA empresarial cambió de obsesión. Durante tres años, la carrera fue por el modelo más inteligente. Ahora la carrera es por el contexto: quién logra darle a los agentes los datos correctos, en el momento correcto, con los permisos correctos. AWS no está sola en esto —es, de hecho, de las últimas grandes en sumarse a la “carrera por la capa de contexto”, detrás de movimientos parecidos de otros gigantes—, y esa coincidencia es justamente la noticia: cuando todos los grandes apuntan al mismo lugar, es porque ahí está el problema real.
Para una empresa, la lectura práctica es liberadora y exigente al mismo tiempo. Liberadora, porque baja la culpa: si tu piloto de IA no funcionó, probablemente no fue porque elegiste el modelo equivocado, sino porque tus datos estaban desordenados y sin contexto. Exigente, porque mueve el trabajo a un lugar menos glamoroso pero más decisivo: ordenar la casa. La ventaja competitiva de los próximos años no va a ser tener el chatbot más vivo, sino tener los datos más limpios, mejor conectados y mejor gobernados para que cualquier IA —la de hoy o la de dentro de dos años— los pueda usar con confianza.
Qué significa para Uruguay y el Cono Sur
Acá la noticia se vuelve concreta. AWS Context es un servicio de nube grande, pensado en primera instancia para corporaciones con data lakes y equipos de datos. Una pyme de Montevideo, Rosario o Concepción no va a contratar mañana un grafo de conocimiento organizacional. Pero el principio que destapa este anuncio aplica con la misma fuerza a un estudio contable de Pocitos que a un banco: la IA solo es tan buena como el orden de tus datos. Y en eso, la región tiene una oportunidad rara, porque parte casi de cero y puede hacer las cosas bien desde el arranque.
Hay un dato regional que conviene tener presente: según un informe del Banco Interamericano de Desarrollo junto a Google, la adopción de IA podría sumar entre 3,6% y 6,7% del PBI anual de América Latina, lo que equivale a cifras de cientos de miles de millones de dólares. Pero ese potencial no se cosecha solo por usar un chatbot; se cosecha cuando las organizaciones tienen sus datos en condiciones de ser usados de forma segura y trazable. El cuello de botella que AWS describe a escala corporativa es, en versión chica, el mismo que enfrenta la empresa uruguaya promedio: información valiosa, dispersa en planillas, WhatsApp y la cabeza de los empleados, sin un mapa que la conecte.
Para el ecosistema del Cono Sur, donde la regulación de datos personales avanza —Uruguay con su tradición de protección de datos, Argentina y Chile actualizando sus marcos—, el énfasis de AWS en identidad, permisos y auditoría no es un detalle técnico: es la conversación central. Cualquier empresa de la región que quiera usar agentes de IA con datos de clientes va a tener que responder, tarde o temprano, las mismas preguntas que AWS Context intenta resolver: qué ve el agente, bajo qué permiso, y cómo lo demuestro. Quien empiece a ordenar eso ahora —aunque sea con herramientas simples, sin nubes gigantes— va a llegar parado al momento en que la IA agéntica sea la norma y no la excepción.
La moraleja para un dueño de negocio en Uruguay no es “corré a comprar AWS Context”. Es algo más barato y más urgente: empezá a tratar tus datos como un activo, no como un desorden tolerable. Documentá qué información tenés y dónde. Definí quién puede ver qué. Pasá a sistemas lo que hoy vive solo en la memoria de un empleado. Porque el día que quieras que una IA trabaje de verdad para tu negocio, la pregunta no va a ser cuál modelo elegís —eso será casi un commodity— sino si tus datos están listos para que esa IA los entienda sin inventar.