Amazon SageMaker AI es una plataforma de aprendizaje automático basada en la nube que permite a los desarrolladores crear, entrenar e implementar modelos de aprendizaje automático (ML) en la nube. Lanzada en noviembre de 2017 en la conferencia AWS re:Invent, admite la implementación de modelos de ML en sistemas integrados y dispositivos periféricos. La plataforma forma parte de Amazon Web Services (AWS) e integra otros servicios de AWS para almacenamiento de datos, procesamiento por lotes y flujos de datos en tiempo real.
SageMaker ofrece múltiples niveles de abstracción para los desarrolladores, desde modelos preentrenados hasta algoritmos totalmente personalizados. Incluye algoritmos de ML integrados, instancias gestionadas de TensorFlow y Apache MXNet, e interfaces para varios lenguajes de programación. La plataforma ha evolucionado con funciones como escalado automático, aprendizaje por refuerzo y capacidades de implementación en el borde.
Capacidades
SageMaker permite a los desarrolladores operar en diferentes niveles de abstracción al entrenar e implementar modelos de aprendizaje automático. En su nivel más alto, proporciona modelos de ML preentrenados que se pueden implementar tal cual. También ofrece varios algoritmos de ML integrados que los desarrolladores pueden entrenar con sus propios datos, cubriendo tareas comunes como clasificación, regresión y agrupamiento.
La plataforma cuenta con instancias gestionadas de TensorFlow y Apache MXNet, donde los desarrolladores pueden crear sus propios algoritmos de ML desde cero. Esta flexibilidad admite tanto flujos de trabajo de aprendizaje automático como de aprendizaje profundo. Los desarrolladores pueden conectar modelos de ML habilitados por SageMaker a otros servicios de AWS, como Amazon DynamoDB para almacenamiento de datos estructurados, AWS Batch para procesamiento por lotes fuera de línea o Amazon Kinesis para procesamiento en tiempo real.
Interfaces de Desarrollo
Hay varias interfaces disponibles para que los desarrolladores interactúen con SageMaker. Una API web puede controlar de forma remota una instancia del servidor SageMaker, y aunque la API es agnóstica al lenguaje de programación utilizado por el desarrollador, Amazon proporciona enlaces de API de SageMaker para varios lenguajes, incluidos Python, JavaScript, Ruby, Java y Go. El SDK de Python de SageMaker es accesible a través del canal conda-forge liderado por la comunidad de Anaconda.
SageMaker también proporciona instancias gestionadas de Jupyter Notebook para programar interactivamente SageMaker y otras aplicaciones. En diciembre de 2025, se anunció una nueva personalización sin servidor en SageMaker AI para interactuar con modelos de IA como Amazon Nova, Llama, Qwen, DeepSeek y GPT-OSS, ampliando su soporte para cargas de trabajo de IA generativa.
Historia y Funciones
SageMaker se lanzó el 29 de noviembre de 2017 en la conferencia AWS re:Invent. El desarrollo inicial se centró en ampliar las capacidades de entrenamiento e inferencia:
- 27 de febrero de 2018: Se admitió el entrenamiento e inferencia de redes neuronales profundas gestionadas de TensorFlow y MXNet dentro de SageMaker.
- 28 de febrero de 2018: SageMaker escala automáticamente la inferencia de modelos a múltiples instancias de servidor.
- 13 de julio de 2018: Se añadió soporte para el entrenamiento de redes neuronales recurrentes, entrenamiento de word2vec, entrenamiento de aprendices lineales multiclase y entrenamiento distribuido de redes neuronales profundas en Chainer con Escalado de Tasa Adaptativo por Capas (LARS).
- 17 de julio de 2018: AWS Batch Transform habilitó la inferencia de aprendizaje automático de alto rendimiento no en tiempo real en SageMaker.
- 8 de noviembre de 2018: Se introdujo soporte para el entrenamiento e inferencia de incrustaciones de palabras Object2Vec.
- 27 de noviembre de 2018: Se lanzó SageMaker Ground Truth, facilitando a los desarrolladores el etiquetado de sus datos mediante anotadores humanos a través de Mechanical Turk, proveedores externos o sus propios empleados.
- 28 de noviembre de 2018: SageMaker Reinforcement Learning (RL) permitió a desarrolladores y científicos de datos desarrollar modelos de aprendizaje por refuerzo a escala.
- 28 de noviembre de 2018: SageMaker Neo permitió implementar modelos de redes neuronales profundas desde SageMaker a dispositivos periféricos como teléfonos inteligentes y cámaras inteligentes.
- 29 de noviembre de 2018: Se lanzó el AWS Marketplace para SageMaker, permitiendo a desarrolladores externos comprar y vender modelos de aprendizaje automático que se pueden entrenar e implementar en SageMaker.
- 27 de enero de 2019: SageMaker Neo se lanzó como software de código abierto.
Integración y Ecosistema
SageMaker se integra con el ecosistema más amplio de AWS, permitiendo a los desarrolladores construir pipelines de ML de extremo a extremo. Admite aumento de datos y otras técnicas de preprocesamiento, y su infraestructura gestionada reduce la sobrecarga operativa de entrenar e implementar modelos. El soporte de la plataforma para la implementación en el borde a través de SageMaker Neo aborda escenarios donde se requiere baja latencia u operación fuera de línea, como en vehículos autónomos o sistemas automotrices.
La evolución de SageMaker refleja tendencias más amplias en inteligencia artificial, incluido el cambio hacia modelos de lenguaje grandes y la computación sin servidor. El anuncio de diciembre de 2025 sobre la personalización sin servidor para modelos como Llama y DeepSeek indica un movimiento hacia opciones de implementación más flexibles y rentables para aplicaciones de IA generativa.