Agenda

How can AI move beyond simply understanding a customer conversation to actually classifying an issue, finding the right context, recommending actions, and routing the case to the right team? In this session, we’ll explore a practical agentic AI workflow on AWS using a customer complaint classification use case. We’ll walk through how a conversation can be transformed into structured decisions using Amazon Bedrock AgentCore, Strands Agents, Amazon Transcribe, Knowledge Bases, IAM, and downstream API integrations. The session will cover the architecture behind supervisor and specialised agents, knowledge-grounded classification, severity assessment, evidence and auditability, authentication, and human-in-the-loop controls. We’ll also look at the engineering considerations involved in moving an AI-agent prototype toward a more production-ready workflow. The focus will be on understanding how the pieces work together, the design decisions involved, and the practical lessons developers can apply when building their own agentic AI applications on AWS.

¿Cómo garantizamos que un agente de IA no cometa errores críticos antes de llegar a producción? En esta sesión, exploraremos un framework de validación robusto para Agentes de IA, integrando técnicas de evals, pruebas de alucinación y sandboxes automatizados dentro de la infraestructura de AWS para desplegar con total confianza. Te llevaras una metodología para poder implementar pruebas a tus agentes en producción y un repositorio de ejemplo que podras implementar.

Explore how to take a machine learning model from experimentation to a production-ready endpoint using Amazon SageMaker. Through a real-world use case, we’ll walk through key MLOps capabilities including training, model management, deployment, inference, and monitoring—highlighting the practical challenges and engineering decisions involved in productionizing ML on AWS.

¿Qué pasa cuando conectas a un Agente de IA a un juego de Capture the Flag? En esta sesión interactiva, construiremos y desplegaremos un agente autónomo paso a paso. Comenzaremos resolviendo la experiencia de desarrollo: usaremos el ecosistema open-source Strands (Harness y SDK) para conectar nuestro agente al juego. Exploraremos cómo integrar el nuevo Strands Decider, un pequeño modelo local que toma micro-decisiones de enrutamiento en milisegundos, reduciendo drásticamente la latencia y los costos para los movimientos básicos del juego. Una vez que nuestro agente sea capaz de jugar localmente, lo llevaremos a la nube utilizando Amazon Bedrock AgentCore.