OpenAI lleva Codex a Amazon Bedrock para programar con sus modelos

Las empresas que ya trabajan con AWS pueden conectar esta herramienta a sus modelos de OpenAI con sus propias identidades y controles. La guía de AWS propone tres caminos y recomienda empezar por un piloto pequeño con permisos mínimos.

OpenAI lleva Codex a Amazon Bedrock para programar con sus modelos

Los programadores ya usan cada vez más Codex, la herramienta de OpenAI que ayuda a entender código ajeno, hacer cambios y automatizar tareas repetitivas. Ahora, Codex puede funcionar también con Amazon Bedrock, la plataforma de Amazon Web Services (AWS) para usar modelos de inteligencia artificial. Para los equipos de plataforma, el reto es ofrecerlo sin crear una segunda infraestructura para gestionar accesos, identidades y operaciones.

Codex puede usar Bedrock para ejecutar los modelos de OpenAI compatibles. El programa sigue instalado en el ordenador del desarrollador. Lo que cambia es el camino que recorren las peticiones hasta el modelo y el lugar donde la empresa aplica sus normas y controles. La guía de AWS usa como ejemplo GPT-5.6 Sol, aunque también menciona Terra y Luna, y recomienda comprobar antes que el modelo está disponible en la región y en la vía elegida.

Tres caminos para conectarlo

AWS propone tres vías, y la recomendada para empezar es el acceso nativo de AWS. Consiste en usar la identidad y los permisos que la empresa ya tiene dentro de AWS, gestionados con IAM, el sistema que decide quién puede hacer qué en la nube. Si esos controles bastan para un piloto, es la opción más sencilla.

La segunda vía es AgentCore Gateway, un componente de Amazon Bedrock AgentCore, la plataforma de AWS para crear y conectar agentes de IA. Es una pasarela gestionada por AWS que dirige las peticiones y permite aplicar Bedrock Guardrails, unas barreras que filtran lo que entra y sale del modelo. Tiene sentido cuando la empresa quiere que AWS se encargue de esa infraestructura.

La tercera vía es un LLM Gateway, un intermediario que el propio equipo controla y que revisa las peticiones antes de llegar al modelo. Una pasarela hecha a medida es la versión más avanzada de esta opción y no es un punto de partida rápido: exige diseñarla, protegerla y mantenerla.

La guía insiste en que la autenticación es solo una parte del despliegue. La empresa también debe decidir quién puede usar el servicio, qué modelos y regiones están aprobados, qué datos de uso se recogen y cómo se reparte el gasto.

Inicio de sesión sin tocar Codex

En el ejemplo de la guía, los empleados entran con el proveedor de identidad que ya usan, en este caso Okta. Ese proveedor se encarga de la autenticación mediante SAML y da de alta a usuarios y grupos en IAM Identity Center mediante SCIM, dos estándares para compartir identidades entre sistemas. IAM Identity Center emite después las credenciales temporales que utiliza Codex. Codex no tiene que configurar nada del proveedor de identidad.

Antes de empezar, cada usuario del piloto debe pertenecer a un grupo dedicado, limitado a quienes participan en la prueba. Hay que elegir una región de Amazon Bedrock y un modelo de OpenAI disponible para esa identidad, y los permisos deben limitarse a lo que Codex necesita. La prueba debe hacerse en un repositorio de código que no sea de producción, y alguien debe responder de deshacerla si algo sale mal.

La configuración consta de tres comprobaciones. Primero, iniciar sesión con el perfil de AWS CLI asociado a IAM Identity Center y llamar directamente a Amazon Bedrock Runtime, el servicio que ejecuta los modelos, para aislar los problemas de acceso antes de tocar Codex. Después, indicar a Codex el modelo aprobado, el perfil y la región. Por último, lanzar una tarea segura. Conviene guardar esta configuración a nivel de usuario o en la gestionada por la empresa, para que un repositorio no pueda cambiarla.

Lo que hay que comprobar antes de ampliar

Antes de dar acceso a más personas, el piloto debe demostrar cuatro cosas. La identidad: el comando de AWS que confirma quién está conectado debe devolver la sesión esperada. El acceso al modelo: el perfil de prueba debe invocar el modelo aprobado en la región elegida. El uso de Codex: un usuario debe completar una tarea de solo lectura y deben quedar registros de esa petición. Y la vuelta atrás: hay que poder retirar la configuración o la asignación del grupo, y comprobar que una nueva invocación queda denegada.

La guía propone además una prueba con dos usuarios. Si ambos ejecutan la misma tarea inofensiva, sus sesiones, sus registros de auditoría y, si están activados, sus datos de telemetría deben seguir siendo distintos. Solo así se sabe quién hizo cada petición.

La guía también separa los distintos tipos de registros. La telemetría de OpenTelemetry de Codex describe la actividad en el lado del cliente. Las métricas y registros de Bedrock muestran la actividad en el servicio, cuando están activados. Los registros de identidad de AWS y el Cost and Usage Report, el informe de costes de AWS, aportan pruebas de qué se usó y qué se facturó. No hay que presentar el volumen de tokens como si fuera un informe de costes.

Por último, la empresa debe definir qué código, indicaciones, archivos y resultados de herramientas podría enviar Codex al modelo. Los secretos, como contraseñas o claves de acceso, y los datos restringidos deben quedar fuera, salvo aprobación expresa.

Para las empresas que ya trabajan con AWS, la novedad es que Codex puede entrar en sus sistemas con las mismas identidades y controles que ya usan. Lo que queda por decidir es quién lo utiliza, con qué modelos y en qué regiones, y cómo se demuestra después qué hizo cada persona.

Newsletter · gratis

La semana de la IA, en cinco minutos.

Únete a los lectores que empiezan la semana sabiendo qué pasa en la IA. Cada domingo, en tu correo.