Interfaz conversacional con inteligencia artificial generativa para consultar el estado de servicios en Amazon Web Services (AWS)
Cargando...
Autores
Tipo de contenido
Editor
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El crecimiento exponencial en la adopción de servicios en la nube ha generado desafíos críticos en el monitoreo y control de costos, particularmente para personal no técnico. El 48% de las empresas identifican la falta de conocimiento técnico como la principal barrera para una gestión eficiente de recursos cloud, resultando en pérdidas económicas significativas.
Este trabajo presenta el diseño, desarrollo y validación de una interfaz conversacional basada en inteligencia artificial generativa para consultar métricas de costos y datos organizacionales en Amazon Web Services. La investigación adoptó un enfoque aplicado con tres ciclos de desarrollo iterativo e incremental.
La arquitectura integra un agente conversacional orquestado mediante LangGraph sobre el modelo Gemini 2.5 Pro, implementando el patrón cognitivo ReAct. La contribución arquitectónica principal radica en la adopción del estándar Model Context Protocol, que desacopla la lógica del agente de las APIs de AWS mediante servidores MCP especializados en documentación, costos, precios y presupuestos.
La validación mediante una prueba de concepto en un entorno productivo corporativo, ejecutando 100 pruebas funcionales con datos financieros reales, demostró 90.91% de exactitud al contrastar respuestas con las APIs oficiales de AWS. El análisis identificó oportunidades de mejora en consultas con múltiples filtros simultáneos y agregaciones complejas.
Este trabajo demuestra que la integración de modelos de lenguaje con arquitecturas basadas en herramientas especializadas constituye una aproximación técnicamente viable para facilitar el acceso a información financiera de infraestructura cloud, sentando bases para un entorno de producción robusto, escalable y alineado con las necesidades de gestión de costos en la nube. (Texto tomado de la fuente)
Abstract
The exponential growth in the adoption of cloud services has created critical challenges in cost monitoring and control, particularly for non-technical personnel. Forty-eight percent of companies identify a lack of technical knowledge as the main barrier to efficient cloud resource management, resulting in significant financial losses.
This work presents the design, development, and validation of a generative AI–based conversational interface for querying cost metrics and organizational data in Amazon Web Services. The research followed an applied approach through three iterative and incremental development cycles.
The architecture integrates a conversational agent orchestrated with LangGraph on the Gemini 2.5 Pro model, implementing the ReAct cognitive pattern. The main architectural contribution lies in adopting the Model Context Protocol standard, which decouples the agent’s logic from AWS APIs through specialized MCP servers for documentation, costs, pricing, and budgets.
Validation through a proof of concept in a corporate production environment—running 100 functional tests using real financial data—showed 90.91\% accuracy when comparing the system’s responses against official AWS APIs. The analysis identified opportunities for improvement in queries involving multiple simultaneous filters and complex aggregations.
This work demonstrates that integrating language models with tool-based architectures built around specialized components is a technically viable approach to facilitating access to cloud infrastructure financial information, laying the groundwork for a robust, scalable production environment aligned with cloud cost management needs.
Palabras clave propuestas
Interfaz Conversacional; Inteligencia Artificial Generativa; Amazon Web Services; Model Context Protocol; Gestión de Costos en la Nube; Grandes Modelos de Lenguaje; Conversational Interface; Generative Artificial Intelligence; Amazon Web Services; Model Context Protocol; Cloud Cost Management; Large Language Models
Descripción
ilustraciones a color, diagramas, fotografías