c2.8 Asegura el flujo de promoción de modelos entre cuentas
Mueve los modelos por las cuentas de desarrollo, entrenamiento e inferencia con escaneo y aprobaciones en cada etapa, para que solo los artefactos validados lleguen a producción.
Guía de implementación
Cómo implementarlo en AWS
Construye el flujo de promoción como un pipeline (p. ej. AWS CodePipeline) que mueva los modelos dev → entrenamiento → inferencia con escaneo automatizado de artefactos y puertas de aprobación manual explícita en cada etapa. Mantén cada entorno en una cuenta separada, guarda los artefactos aprobados en un bucket de Amazon S3 controlado con acceso auditado entre cuentas, y registra cada promoción.
Criterios de aceptación
Los modelos pasan escaneo automatizado y aprobación documentada antes de producción; las promociones se auditan; cada entorno es una cuenta separada.
Implementación práctica
Cómo se implementa este control en cada arquitectura de referencia:
Un flujo de promoción con CodePipeline mueve los modelos dev → entrenamiento → inferencia entre cuentas separadas de la OU, con escaneo de artefactos y puertas de aprobación manual en cada etapa.
- Construye el pipeline de promoción con AWS CodePipeline que mueva el artefacto del modelo dev → entrenamiento → inferencia, cada etapa en una cuenta separada de la OU de IA generativa.OU de IA generativa
CodePipeline 
AWS Organizations - Agrega escaneo automatizado de artefactos y una puerta de aprobación manual explícita antes de cada promoción, guardando los artefactos aprobados en un bucket S3 controlado con acceso auditado entre cuentas.OU de IA generativa CodePipeline
Amazon S3 - Registra cada promoción (quién aprobó, qué hash) y reenvía la traza al Log archive.Cuenta de IA generativa → Log archive
CloudTrail Amazon S3
Cómo validar: Los modelos pasan escaneo y una aprobación documentada antes de producción; cada entorno es una cuenta separada; cada promoción se audita.
Evita: Copiar un modelo directo a la cuenta de inferencia a mano. Sin escaneo ni puertas de aprobación, un artefacto sin validar o manipulado puede llegar a producción.
Aproxima el flujo de promoción con etapas de pipeline y aprobaciones dentro de la cuenta; la separación de dev/entrenamiento/inferencia a nivel de cuenta es la razón para graduarse.
- Usa un CodePipeline con etapas dev/staging/prod distintas (separadas por roles, tags y prefijos) y escaneo automatizado de artefactos dentro de la cuenta.Capa de IA generativa (rol IAM) CodePipeline Amazon S3
- Exige una puerta de aprobación manual y guarda los artefactos aprobados en un bucket controlado antes de que la etapa de prod pueda consumirlos.Capa de aplicación (rol IAM) CodePipeline
IAM - Planifica la graduación a una OU multi-cuenta para que dev/entrenamiento/inferencia sean cuentas separadas; registra cada promoción mientras tanto.OU de IA generativa (estado objetivo) AWS Organizations CloudTrail
Cómo validar: Las promociones pasan escaneo y aprobación; los artefactos están controlados; existe un plan documentado para pasar a cuentas por entorno.
Evita: Entrenar y servir desde la misma ubicación mutable sin puerta. Agrega escaneo y aprobación ahora, y gradúate a separación a nivel de cuenta para producción.
Amenazas que atiende
- Modelos sin validar o manipulados promovidos directo a producción.
- Sin traza de aprobación de qué modelo se desplegó.
Servicios AWS
AWS CodePipeline Amazon S3 AWS Organizations Mapeos de frameworks
OWASP GenAI/LLM Top 10 (2026)
- LLM04 Supply Chain
- LLM05 Data and Model Poisoning
NIST AI Risk Management Framework (AI 100-1)
- GOVERN.1 Policies, processes, procedures and accountability structures
- GOVERN.6 Policies for third-party software, data and supply chain risk
- MANAGE.3 Third-party risks and benefits are managed
AWS Well-Architected Generative AI Lens (Security)
- GENSEC01-BP01 Grant least privilege access to foundation model endpoints
Recursos de aprendizaje
Referencias
- AWS SRA para IA — Capacidad 2, Cuenta de entrenamiento multi-cuenta