Amazon Redshift improves the performance of BI dashboards and ETL workloads by speeding up new queries by up to 7x. This significantly improves the response times of low-latency SQL queries, such as those used in near real-time analytics applications, BI dashboards, ETL pipelines, and autonomous, goal-seeking AI agents. Customers experience substantially faster query response times as Redshift accelerates the process of preparing the SQL query for execution. Queries start faster and return results quicker. This improvement is automatically enabled at no additional cost.
To deliver this major improvement, Redshift added a new optimization to query compilation where new queries are processed immediately using composition. Composition is a technique that generates a lightweight arrangement of pre-existing logic while simultaneously creating highly optimized, query-specific code that is compiled and executed across available compute resources to further boost performance. Composition removes compilation from the critical path of query execution and provides immediate execution while compilation proceeds in the background. With this optimization, new queries processed by Redshift start faster and deliver performance consistent with subsequent runs.
This optimization is enabled by default for any SQL query across all provisioned clusters and serverless workgroups, in all commercial AWS Regions where Amazon Redshift operates. It is available on the Redshift current track with other tracks following in upcoming patch releases. No action is required from customers to benefit from this enhancement, and it is free of charge.
Amazon Redshift improves the performance of BI dashboards and ETL workloads by speeding up new queries by up to 7x. This significantly improves the response times of low-latency SQL queries, such as those used in near real-time analytics applications, BI dashboards, ETL pipelines, and autonomous, goal-seeking AI agents. Customers experience substantially faster query response times as Redshift accelerates the process of preparing the SQL query for execution. Queries start faster and return results quicker. This improvement is automatically enabled at no additional cost. To deliver this major improvement, Redshift added a new optimization to query compilation where new queries are processed immediately using composition. Composition is a technique that generates a lightweight arrangement of pre-existing logic while simultaneously creating highly optimized, query-specific code that is compiled and executed across available compute resources to further boost performance. Composition removes compilation from the critical path of query execution and provides immediate execution while compilation proceeds in the background. With this optimization, new queries processed by Redshift start faster and deliver performance consistent with subsequent runs. This optimization is enabled by default for any SQL query across all provisioned clusters and serverless workgroups, in all commercial AWS Regions where Amazon Redshift operates. It is available on the Redshift current track with other tracks following in upcoming patch releases. No action is required from customers to benefit from this enhancement, and it is free of charge.
You can now run OpenSearch version 3.5 on Amazon OpenSearch Service. OpenSearch 3.5 introduces significant improvements in agentic AI capabilities, search relevance tooling, and observability features to help you build powerful agentic applications.
With this launch, agentic conversation memory captures conversation context and tool reasoning in persistent storage, enabling your agents to provide coherent, accurate responses across multi-turn conversations. In addition to this, context management optimizes what you send to large language models (LLMs) through automatic truncation and summarization, reducing your token costs while maintaining response quality. Finally a redesigned no-code agent interface supports Model Context Protocol (MCP) integration, search templates, conversational memory, and single model configurations, allowing you to build sophisticated agents without writing code.
You can now tune search quality faster with expanded search relevance workbench capabilities. LLM-powered evaluation automatically assesses search results with customizable prompts, letting you scale relevance testing beyond manual judgments and accelerate quality improvements. Scheduled experiments run tests nightly, weekly, or monthly, helping you track search quality trends over time and catch regressions early. Enhanced single query comparison displays agentic search queries alongside agent summaries, making it easier to validate and optimize agent-driven search experiences.
For information on upgrading to OpenSearch 3.5, please see the documentation. OpenSearch 3.5 is now available in all AWS Regions where Amazon OpenSearch Service is available.
You can now run OpenSearch version 3.5 on Amazon OpenSearch Service. OpenSearch 3.5 introduces significant improvements in agentic AI capabilities, search relevance tooling, and observability features to help you build powerful agentic applications.
With this launch, agentic conversation memory captures conversation context and tool reasoning in persistent storage, enabling your agents to provide coherent, accurate responses across multi-turn conversations. In addition to this, context management optimizes what you send to large language models (LLMs) through automatic truncation and summarization, reducing your token costs while maintaining response quality. Finally a redesigned no-code agent interface supports Model Context Protocol (MCP) integration, search templates, conversational memory, and single model configurations, allowing you to build sophisticated agents without writing code.
You can now tune search quality faster with expanded search relevance workbench capabilities. LLM-powered evaluation automatically assesses search results with customizable prompts, letting you scale relevance testing beyond manual judgments and accelerate quality improvements. Scheduled experiments run tests nightly, weekly, or monthly, helping you track search quality trends over time and catch regressions early. Enhanced single query comparison displays agentic search queries alongside agent summaries, making it easier to validate and optimize agent-driven search experiences.
For information on upgrading to OpenSearch 3.5, please see the documentation. OpenSearch 3.5 is now available in all AWS Regions where Amazon OpenSearch Service is available.
Bienvenidos a la tercera edición anual de la FabCon y a nuestro primer SQLCon aquí en Atlanta, Georgia. Con casi 300 talleres y sesiones, este evento conjunto destacará cómo se unen el poder de Microsoft SQL y Microsoft Fabric para crear una plataforma única y unificada. Pero FabCon 2026 y SQLCon 2026 van más allá de la innovación de producto. Se trata de ofrecer un espacio para que nuestros 8.000 asistentes se reúnan y compartan experiencias reales, aprendan unos de otros y resuelvan desafíos codo con codo. Solo juntos podemos superar la expectativa y alcanzar resultados significativos.
La emoción que rodea este evento refleja el mismo impulso que vemos en nuestro portafolio de datos. Apenas dos años y medio después de que Microsoft Fabric alcanzara la disponibilidad general, ya atiende a más de 31.000 clientes y sigue como la plataforma de datos de más rápido crecimiento en la historia de Microsoft. Empresas Fortune 500 como The Coca-Cola Company ya utilizan Fabric a gran escala en sus organizaciones.
Microsoft Fabric nos ayuda a evolucionar nuestra base de datos hacia una plataforma más unificada y lista para IA. Combinado con Power BI y capacidades como Fabric IQ, permite a la empresa convertir datos en inteligencia y actuar sobre ellos más rápido.
Shekhar Gowda, vicepresidente de tecnologías de marketing global en The Coca-Cola Company
Nuestras bases de datos se aceleran igual de rápido, con un crecimiento de SQL Server 2025 de más del doble de rápido que la versión anterior.
Hoy, estamos encantados de compartir cómo unimos el poder de las bases de datos y Fabric para formar una plataforma de datos en verdad convergente, que unifica los datos transaccionales, operativos y analíticos bajo una única y coherente arquitectura. También destacaré cómo hemos mejorado Fabric para ayudarlos a transformar datos en el conocimiento semántico que la IA necesita para entender su negocio, impulsado por Fabric IQ y la tecnología líder en el sector de modelos semánticos de Power BI.
Presentamos el Database Hub en Microsoft Fabric
Las bases de datos están en el corazón del patrimonio de datos empresarial: un sistema de registros que impulsa aplicaciones, transacciones e información de valor crítica. Sin embargo, a medida que las organizaciones se expanden en entornos de nube, locales y de entorno, los estados de bases de datos se han vuelto cada vez más fragmentados y aislados. A medida que la IA exige aún más a los patrimonios de datos, unificar las bases de datos bajo un único punto de acceso y plano de control se ha vuelto esencial.
Para abordar este desafío, Fabric amplía su papel como punto de acceso central para los datos empresariales con el Database Hub en Fabric, ahora disponible en acceso anticipado. Database Hub en Fabric ofrece una experiencia unificada de gestión de bases de datos que reúne bases de datos de entorno, nube y Fabric en una única visión coherente. Los equipos ahora tienen un solo lugar para explorar, observar, gobernar y optimizar todo su patrimonio de bases de datos—incluido Azure SQL, Azure Cosmos DB, Azure Database para PostgreSQL, SQL Server (habilitado por Azure Arc), Azure Database para MySQL y Fabric Databases—sin cambiar la manera en que se despliega cada servicio.
Diseñado para escalar, el Database Hub en Fabric introduce un enfoque asistido por agentes y con el humano en el bucle para la gestión de bases de datos. Con observabilidad integrada, gobernanza delegada y conocimientos impulsados por Microsoft Copilot, los equipos pueden desplegar agentes inteligentes para razonar de manera continua las señales a nivel de la propiedad y mostrar qué ha cambiado, explicar por qué es importante y guiar a los equipos sobre qué hacer a continuación. El resultado es una forma más sencilla y segura de gestionar bases de datos a gran escala. Con el tiempo, este modelo permite que los conjuntos de bases de datos sean más proactivos, resilientes e inteligentes, lo que sienta las bases para una mayor autonomía, para mantener a los humanos en control de objetivos, límites y confianza de manera firme.
Reunir bases de datos bajo una única capa de gestión es un paso fundamental mientras preparan sus bienes para la IA a gran escala. Pero no es el final del camino. El reto pasa de dónde residen los datos a cómo se entienden, conectan y activan los datos en toda la empresa.
Preparar su patrimonio de datos para IA con Fabric
A medida que las organizaciones pasan de aplicaciones tradicionales a sistemas multiagente impulsados por IA, la ventaja está desviándose del modelo específico que se despliega. Ahora reside en la inteligencia y el contexto que permiten a los agentes entender cómo se gestiona tu negocio, el estado de tu negocio y su conocimiento institucional para ayudar a tomar acciones significativas.
Este es el reto que Microsoft IQ está diseñado para abordar. A diferencia de las soluciones puntuales del mercado actual, Microsoft IQ proporciona una capa de inteligencia que proporciona un contexto empresarial compartido y de nivel empresarial a cada agente. Ese contexto se basa en tres fuentes complementarias: señales de productividad de Work IQ, conocimiento institucional de Foundry IQ y datos empresariales en tiempo real de Fabric IQ.
Sin embargo, al igual que la capa de base de datos, aunque la capa de contexto de CI es una parte crítica de una base de IA exitosa y saludable, no es toda la historia. Construir una base de datos completa lista para IA requiere invertir en cuatro pasos clave:
Unificar su patrimonio de datos para eliminar compartimentos y reducir la complejidad arquitectónica.
Procesar y armonizar los datos para que estén listos para IA, sean limpios, conectados y estructurados tanto para uso operativo como analítico.
Seleccionar el significado semántico para dar a los agentes una comprensión contextual, permitiéndoles interpretar los datos de la manera que ya lo hacen sus equipos. Aquí es donde entra en juego Microsoft IQ.
Empoderar a los agentes de IA para actuar, aplicar ese contexto para automatizar flujos de trabajo, acelerar decisiones y transformar operaciones de extremo a extremo.
Unificar su patrimonio de datos con Microsoft OneLake
Cada iniciativa de IA comienza con el mismo desafío fundamental: entender dónde residen sus datos y cómo unirlos. Microsoft OneLake fue creado para resolver ese problema al unificar los datos entre nubes, entornos locales y plataformas de terceros en un único lago de datos lógico sin extraer, transformar y cargar (ETL, por sus siglas en inglés) de manera innecesaria, fragmentar o duplicar copias de la organización.
Conectar con más fuentes que nunca
Hoy, ampliamos el Mirroring en Fabric para soportar aún más sistemas de los que dependen nuestros clientes. El espejado para listas de SharePoint y Dremio ya está en vista previa, con Azure Monitor más adelante, mientras que el reflejo para Oracle y SAP Datasphere está disponible a nivel general, todos ellos como parte de las capacidades principales de espejamiento. También introducimos capacidades ampliadas de espejo diseñadas para ayudarlos a operacionalizar fuentes espejadas a gran escala, incluido Change Data Feed (CDF) y la capacidad de crear vistas sobre datos espejados y empezamos por Snowflake. Las capacidades ampliadas de espejamiento se ofrecerán como opción de pago.
Las transformaciones de acceso directo también están ahora disponibles a nivel general, lo que permite que los datos se moldeen en automático al conectarse o moverse dentro de OneLake. Pueden convertir formatos como Excel a tablas Delta, ahora en vista previa, y aplicar transformaciones impulsadas por IA.
También me entusiasma compartir que Auger, una plataforma de cadena de suministro en rápido crecimiento diseñada para llevar inteligencia y automatización a operaciones globales, ha construido su plataforma sobre Fabric, con todos los datos almacenados de forma nativa en OneLake. Esta arquitectura permite a los clientes de Auger acceder sin problemas a sus datos operativos a través de atajos OneLake dentro de sus propios entornos Fabric y aprovechar todo el poder de la plataforma, incluido Power BI, agentes de datos Fabric y más. Descubran más en mi blog, coescrito con Dave Clark, director ejecutivo de Auger.
Protejan sus datos con la seguridad de OneLake, ya disponible de forma general
La seguridad y la gobernanza se mantienen fundamentales para OneLake. Me alegra anunciar que la seguridad en OneLake estará disponible en general en las próximas semanas, para permitir a los propietarios de los datos definir roles, hacer cumplir controles a nivel de fila y columna, y gestionar permisos mediante un único modelo unificado que siga los datos.
Procesamiento y armonización de datos con Fabric Analytics
Los agentes de IA solo son tan fiables como los datos que se les proporciona. Antes de que los datos puedan entrenar o conectar a un agente, deben integrarse, limpiarse y estructurarse, para que el agente opere a partir de información consistente y confiable. Con motores líderes en la industria en Fabric como Spark, T-SQL, KQL y Analysis Services, podemos equipar a los equipos de datos para hacer justo eso.
Ahora, ampliamos estas capacidades con la introducción de Runtime 2.0 en previsualización, diseñada en específico para el cálculo de datos a gran escala. Incorpora Apache Spark 4.x, Delta Lake 4.x, Scala 2.13 y Azure Linux Mariner 3.0 para impulsar cargas de trabajo empresariales avanzadas. Las vistas materializadas del lago también están ahora disponibles a nivel general, lo que simplifica la implementación de la arquitectura medallón en Spark SQL y PySpark y permite pipelines siempre actualizados sin orquestación manual. Además, una nueva experiencia agéntica Copilot en cuadernos ofrece una mayor conciencia del contexto, razonamiento sobre su espacio de trabajo y generación de código con mayor rapidez y precisión.
Para escenarios en tiempo real, lanzamos Microsoft Fabric Maps en disponibilidad general. Los mapas añaden contexto geoespacial a sus agentes y operaciones al convertir grandes volúmenes de datos basados en la ubicación en insights visuales interactivos y en tiempo real.
Preparar datos en bruto para la IA es esencial. El siguiente paso es transformar esos datos en un contexto empresarial unificado y significativo. Ahí es donde entra Fabric IQ.
Fabric IQ unifica datos analíticos y operativos, incluidos telemetría, series temporales, gráficos y datos geoespaciales, dentro de un marco semántico compartido de entidades empresariales, relaciones, propiedades, reglas y acciones. En lugar de pensar en términos de tablas y esquemas, sus equipos y agentes pueden operar con este marco, u ontología, alineado con cómo funciona en verdad el negocio.
Las ontologías de Fabric IQ pronto serán accesibles a través de un servidor MCP en vista previa, para permitir a los agentes descubrir, comprender y actuar sobre esta capa semántica. Las ontologías también pueden servir como fuentes de contexto para mapas y pronto en agentes de operaciones en Fabric, lo que extiende el contexto empresarial compartido directo a la toma de decisiones y ejecución operativa.
También nos complace anunciar la planificación en Fabric IQ, una nueva capacidad de planificación empresarial que permite a las organizaciones crear planes, presupuestos, previsiones y modelos de escenarios directo sobre los modelos semánticos de Fabric. Al complementar las ontologías de Fabric IQ con una planificación integrada, ustedes obtienen una visión completa y contextual de sus datos históricos, en tiempo real y de planificación futura. Esto permite a usuarios y agentes responder con rapidez a lo que ha ocurrido, lo que ocurre al momento y lo que debería ocurrir, todo desde una única fuente. Miren esto en acción:
Por último, de manera reciente anunciamos una colaboración estratégica con NVIDIA para impulsar la próxima generación de IA física al integrar Real-Time Intelligence y Fabric IQ con las bibliotecas NVIDIA Omniverse. La plataforma combinada unifica datos operativos en tiempo real, semántica empresarial y simulación física para permitir a las organizaciones optimizar sus operaciones físicas en escenarios como gemelos digitales inteligentes, mantenimiento predictivo, logística autónoma y optimización energética.
Como un impulso de gran parte de la rica experiencia de Fabric IQ está la combinación de la tecnología líder en el sector y rica en modelos semánticos de Power BI y el grafo en Fabric, nuestra base de datos de grafos de una alta escalabilidad. Ya brindan información de valor a más de 35 millones de usuarios activos y además, los modelos semánticos proporcionan la base ideal para entrenar agentes a través de Fabric IQ. Ahora, con la disponibilidad general de Direct Lake en OneLake, sus tablas pueden leerse de manera directa desde OneLake con aplicación de seguridad nativa, modelado a través del sitio más rico y rendimiento de clase importación sin movimiento ni actualización de datos.
También me entusiasma compartir que el gráfico en Fabric estará disponible en general en las próximas semanas, para permitir a los equipos visualizar y consultar relaciones complejas entre clientes, socios y cadenas de suministro.
Empoderar a los agentes para que actúen con los agentes de datos y operaciones de Fabric
Las organizaciones frontera van más allá de los asistentes de propósito general y, en su lugar, adoptan sistemas multiagente compuestos por agentes especializados. Estos agentes se basan en datos específicos y son reutilizables en diferentes sistemas, permitiéndoles ofrecer resultados más precisos, acelerados y escalables.
Para soportar sus sistemas multiagente, Fabric incluye capacidades integradas de creación de agentes con agentes de datos y agentes de operaciones Fabric. Me entusiasma compartir que los agentes de datos Fabric ya están disponibles en general. Los agentes de datos en Fabric pueden considerarse analistas virtuales, alineados con datos específicos de dominios para apoyar un análisis más profundo y ofrecer conocimientos. Los agentes de operaciones los complementan al monitorizar datos en tiempo real, detectar patrones y tomar medidas proactivas.
Den un vistazo a una rápida demostración de agentes de operaciones en Fabric:
Estos agentes pueden usarse en Fabric o como fuentes de conocimiento fundamentales en herramientas de IA líderes como Microsoft Foundry, Copilot Studio o incluso Microsoft 365 Copilot. Para saber más sobre nuestros anuncios de IA, consulten el blog de analítica de Fabric sobre agentes de datos y el blog de Fabric IQ sobre agentes de operaciones.
Crear aplicaciones de misión crítica con experiencias de desarrollador en Fabric
Los desarrolladores que desarrollan la próxima generación de aplicaciones de IA necesitan una plataforma de datos completa y rentable que ya esté integrada con sus herramientas y flujos de trabajo existentes. Hoy en día, ampliamos las herramientas de desarrollador de Fabric para satisfacer esa demanda.
Primero, el Protocolo de Contexto del Modelo Fabric (MCP, por sus siglas en inglés) avanza con dos hitos principales. Fabric local MCP está ahora disponible de manera general, para proporcionar un servidor local de código abierto que conecta asistentes de programación con IA como GitHub Copilot directo con Fabric. De manera paralela, presentamos la vista previa pública de Fabric remote MCP, un motor de ejecución seguro y alojado en la nube que permite a agentes de IA y herramientas de automatización realizar acciones autenticadas en Fabric.
También mejoramos nuestra integración con Git con ramificaciones selectivas, para permitir a los desarrolladores diversificarse para una función específica y extraer solo los elementos que necesitan. También obtienes mejores comparaciones de cambios para revisar más fácil las actualizaciones recientes, y nuevas relaciones de carpetas que muestran cómo los espacios de trabajo de características se conectan con los espacios de trabajo de origen.
También lanzamos dos proyectos de código abierto para ayudar a los equipos a avanzar más rápido con Fabric: Agent Skills for Fabric y Fabric Jumpstart. Agent Skills for Fabric es un conjunto de plugins de código abierto diseñados en específico que les permiten usar lenguaje natural en el terminal GitHub Copilot para aprovechar todo el poder de Microsoft Fabric. Además, Fabric Jumpstart está diseñado para ayudarlos a arrancar con guías detalladas, arquitecturas de referencia y despliegues con un solo clic para conjuntos de datos de ejemplo, cuadernos, pipelines e informes.
Por último, anunciamos que el Fabric Extensibility Toolkit (FET), una evolución del Workload Development Kit (WDK), ya está disponible de forma general. Junto con esta versión, habilitamos soporte para CI/CD completo, librería de variables y una nueva experiencia de gestión en el portal de Administración.
A medida que Fabric sigue con su crecimiento en funcionalidad, también simplificamos la migración desde otros servicios de Azure. Además de nuestras herramientas Synapse existentes, traemos nuevos asistentes de migración para Azure Data Factory, Azure Synapse Analytics y Azure SQL en vista previa pública.
El nuevo asistente de migración de Fabric para Azure Data Factory y Synapse Analytics ayuda a mover sus pipelines y artefactos existentes, como pools de Spark y notebooks, a Fabric con la mínima interrupción. Está diseñado para apoyar la modernización incremental, lo que permite a los equipos evaluar, convertir y optimizar las canalizaciones a medida que hacen la transición a Fabric. El asistente de migración para bases de datos SQL ayuda a trasladar SQL Server a Fabric con la importación de esquemas a través de DACPACs, la identificación y resolución de problemas de compatibilidad con la asistencia de IA, y al guiar a los equipos en los flujos de trabajo de evaluación y copia de datos para lograr un cambio más fluido.
Amazon Inspector now offers expanded agentless EC2 scanning with enhanced detection coverage, including new support for Windows operating system vulnerability scanning without requiring an agent. Security teams and IT administrators can now detect vulnerabilities across a broader range of software and applications on their EC2 instances — including WordPress, Apache HTTP Server, Python packages, and Ruby gems — as well as Windows OS vulnerabilities, all through agentless scanning. Customers automatically receive findings for newly supported software and applications with no configuration changes required.
Amazon Inspector is also introducing Windows Knowledge Base (KB)-based findings for Windows OS vulnerabilities. Rather than receiving a separate finding for each CVE addressed by a single Microsoft patch, customers now receive a single consolidated KB finding that groups all related CVEs together. Each KB finding surfaces the highest CVSS score, EPSS score, and exploit availability from its constituent CVEs, and includes a direct link to the relevant Microsoft KB article — making it straightforward to understand exactly which patch to apply and why. All existing CVE-based Windows OS findings will automatically transition to KB-based findings. All existing CVE-based Windows OS findings will automatically transition to KB-based findings, and customers do not need to take any additional action.
Amazon Inspector now offers expanded agentless EC2 scanning with enhanced detection coverage, including new support for Windows operating system vulnerability scanning without requiring an agent. Security teams and IT administrators can now detect vulnerabilities across a broader range of software and applications on their EC2 instances — including WordPress, Apache HTTP Server, Python packages, and Ruby gems — as well as Windows OS vulnerabilities, all through agentless scanning. Customers automatically receive findings for newly supported software and applications with no configuration changes required.
Amazon Inspector is also introducing Windows Knowledge Base (KB)-based findings for Windows OS vulnerabilities. Rather than receiving a separate finding for each CVE addressed by a single Microsoft patch, customers now receive a single consolidated KB finding that groups all related CVEs together. Each KB finding surfaces the highest CVSS score, EPSS score, and exploit availability from its constituent CVEs, and includes a direct link to the relevant Microsoft KB article — making it straightforward to understand exactly which patch to apply and why. All existing CVE-based Windows OS findings will automatically transition to KB-based findings. All existing CVE-based Windows OS findings will automatically transition to KB-based findings, and customers do not need to take any additional action.
Both capabilities are available in all AWS Regions where Amazon Inspector is available. To learn more, visit the Amazon Inspector product page and the Amazon Inspector documentation.
Amazon Connect now offers agentic speech-to-speech voice experiences in an additional AWS Region: Europe (London). Amazon Connect also adds three new speech-to-speech voices across US Spanish and UK English: Pedro (es-US), Amy (en-GB), and Brian (en-GB).
Amazon Connect’s agentic self-service capabilities enable AI agents to understand, reason, and take action across voice and messaging channels to automate routine and complex customer service tasks. Connect’s agentic speech-to-speech voice AI agents understand not only what customers say but how they say it, adapting voice responses to match customer tone and sentiment while maintaining natural conversational pace. With these updates, you can deliver agentic speech-to-speech voice experiences to customers across a new region with a wider selection of voices.
To learn more about this feature, see the Amazon Connect Administrator Guide. To learn more about Amazon Connect, a complete AI-powered contact center solution delivering personalized customer experiences at scale, visit the Amazon Connect website.
Amazon Connect now offers agentic speech-to-speech voice experiences in an additional AWS Region: Europe (London). Amazon Connect also adds three new speech-to-speech voices across US Spanish and UK English: Pedro (es-US), Amy (en-GB), and Brian (en-GB).
Amazon Connect’s agentic self-service capabilities enable AI agents to understand, reason, and take action across voice and messaging channels to automate routine and complex customer service tasks. Connect’s agentic speech-to-speech voice AI agents understand not only what customers say but how they say it, adapting voice responses to match customer tone and sentiment while maintaining natural conversational pace. With these updates, you can deliver agentic speech-to-speech voice experiences to customers across a new region with a wider selection of voices.
To learn more about this feature, see the Amazon Connect Administrator Guide. To learn more about Amazon Connect, a complete AI-powered contact center solution delivering personalized customer experiences at scale, visit the Amazon Connect website.
Amazon Connect now supports 13 new languages for voice AI agents, bringing the total to 40 language locales. New languages include Arabic (Saudi Arabia), Czech, Danish, Dutch (Belgium), English (Ireland), English (New Zealand), English (Wales), German (Switzerland), Icelandic, Romanian, Spanish (Mexico), Turkish, and Welsh.
Amazon Connect’s agentic self-service capabilities enable AI agents to understand, reason, and take action across voice and digital channels to automate routine and complex customer service tasks across multiple languages.
To learn more about this feature, see the Amazon Connect Administrator Guide. To learn more about Amazon Connect, a complete AI-powered contact center solution delivering personalized customer experiences at scale, visit the Amazon Connect website.
Amazon Connect now supports 13 new languages for voice AI agents, bringing the total to 40 language locales. New languages include Arabic (Saudi Arabia), Czech, Danish, Dutch (Belgium), English (Ireland), English (New Zealand), English (Wales), German (Switzerland), Icelandic, Romanian, Spanish (Mexico), Turkish, and Welsh.
Amazon Connect’s agentic self-service capabilities enable AI agents to understand, reason, and take action across voice and digital channels to automate routine and complex customer service tasks across multiple languages.
To learn more about this feature, see the Amazon Connect Administrator Guide. To learn more about Amazon Connect, a complete AI-powered contact center solution delivering personalized customer experiences at scale, visit the Amazon Connect website.
AWS Glue Data Catalog now supports AWS IAM-based authorization for Amazon S3 Tables and Apache Iceberg materialized views. With IAM-based authorization, you can define all necessary permissions across storage, catalog, and query engines in a single IAM policy.
This capability simplifies the integration of S3 Tables or materialized views with any AWS Analytics service, including Amazon Athena, Amazon EMR, Amazon Redshift, and AWS Glue. You can also opt in to AWS Lake Formation at any time to manage fine-grained access controls using the AWS Management Console, AWS CLI, API, and AWS CloudFormation.
AWS Glue Data Catalog now supports AWS IAM-based authorization for Amazon S3 Tables and Apache Iceberg materialized views. With IAM-based authorization, you can define all necessary permissions across storage, catalog, and query engines in a single IAM policy. This capability simplifies the integration of S3 Tables or materialized views with any AWS Analytics service, including Amazon Athena, Amazon EMR, Amazon Redshift, and AWS Glue. You can also opt in to AWS Lake Formation at any time to manage fine-grained access controls using the AWS Management Console, AWS CLI, API, and AWS CloudFormation. This feature is now available in select AWS Regions. To learn more, visit the S3 Tables documentation and the AWS Glue Data Catalog documentation.
Amazon SageMaker Unified Studio now provides an aggregated view of data lineage, displaying all jobs contributing to your dataset. The aggregated view gives you a complete picture of data transformations and dependencies across your entire lineage graph, helping you quickly identify all upstream sources and downstream consumers of your datasets.
Previously, SageMaker Unified Studio showed the lineage graph as it existed at a specific point in time, which is useful for troubleshooting and investigating specific data processing events. The aggregated view now provides a complete picture of data transformations and dependencies across multiple levels of the lineage graph. You can use this view to understand the full scope of jobs impacting your datasets and to identify all upstream sources and downstream consumers.
The aggregated view is available as the default lineage view in Amazon SageMaker Unified Studio for IdC-based domains. You can switch to the previous view by toggling the «display in event timestamp order» option. You can also query the lineage graph using the new QueryGraph API, which provides lineage node graphs with metadata and augmented business context.
Aggregated view of lineage is available in all existing Amazon SageMaker Unified Studio regions. For detailed information on how to get started with lineage using these new features, refer to the documentation and API.
Amazon SageMaker Unified Studio now provides an aggregated view of data lineage, displaying all jobs contributing to your dataset. The aggregated view gives you a complete picture of data transformations and dependencies across your entire lineage graph, helping you quickly identify all upstream sources and downstream consumers of your datasets. Previously, SageMaker Unified Studio showed the lineage graph as it existed at a specific point in time, which is useful for troubleshooting and investigating specific data processing events. The aggregated view now provides a complete picture of data transformations and dependencies across multiple levels of the lineage graph. You can use this view to understand the full scope of jobs impacting your datasets and to identify all upstream sources and downstream consumers. The aggregated view is available as the default lineage view in Amazon SageMaker Unified Studio for IdC-based domains. You can switch to the previous view by toggling the «display in event timestamp order» option. You can also query the lineage graph using the new QueryGraph API, which provides lineage node graphs with metadata and augmented business context. Aggregated view of lineage is available in all existing Amazon SageMaker Unified Studio regions. For detailed information on how to get started with lineage using these new features, refer to the documentation and API.
AWS Blu Insights capabilities are now available as part of AWS Transform, enabling customers to launch mainframe refactoring projects from the AWS Transform console. This launch unifies all three mainframe modernization patterns — refactor, replatform, and reimagine — within AWS Transform for mainframe. Code transformation is now offered at no cost, replacing the previous lines-of-code based pricing model.
With this launch, you can access AWS Transform for mainframe refactor directly from the AWS Transform console using your existing AWS credentials. The mandatory three-level certification requirement to access the Transformation Center has been removed, lowering the friction to exploring refactor projects. Self-paced training content remains available within the application for those who want to build deeper knowledge.
AWS Transform for mainframe refactor is available in 18 AWS Regions. In regions where AWS Transform for mainframe is not yet available, you can continue to access the service through the AWS Mainframe Modernization console.
To get started, visit the AWS Transform for mainframe refactor user guide.
AWS Blu Insights capabilities are now available as part of AWS Transform, enabling customers to launch mainframe refactoring projects from the AWS Transform console. This launch unifies all three mainframe modernization patterns — refactor, replatform, and reimagine — within AWS Transform for mainframe. Code transformation is now offered at no cost, replacing the previous lines-of-code based pricing model. With this launch, you can access AWS Transform for mainframe refactor directly from the AWS Transform console using your existing AWS credentials. The mandatory three-level certification requirement to access the Transformation Center has been removed, lowering the friction to exploring refactor projects. Self-paced training content remains available within the application for those who want to build deeper knowledge. AWS Transform for mainframe refactor is available in 18 AWS Regions. In regions where AWS Transform for mainframe is not yet available, you can continue to access the service through the AWS Mainframe Modernization console. To get started, visit the AWS Transform for mainframe refactor user guide.
Amazon Bedrock AgentCore Runtime now supports InvokeAgentRuntimeCommand, a new API that lets you execute shell commands directly inside a running AgentCore Runtime session. Developers can send a command, stream the output in real time over HTTP/2, and receive the exit code — without building custom command execution logic in their containers.
AI agents often operate in workflows where deterministic operations such as running tests, installing dependencies, or executing git commands need to run alongside LLM-powered reasoning. Previously, developers had to build custom logic inside their containers to distinguish agent invocations from shell commands, spawn child processes, capture stdout and stderr, and handle timeouts. InvokeAgentRuntimeCommand eliminates this undifferentiated work by providing a platform-level API for command execution. Commands run inside the same container, filesystem, and environment as the agent session, and can execute concurrently with agent invocations without blocking.
Executing shell commands in AgentCore Runtime is supported across fourteen AWS Regions: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai), Canada (Central), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Sydney), Asia Pacific (Tokyo), Europe (Frankfurt), Europe (Ireland), Europe (London), Europe (Paris), and Europe (Stockholm).
Amazon Bedrock AgentCore Runtime now supports InvokeAgentRuntimeCommand, a new API that lets you execute shell commands directly inside a running AgentCore Runtime session. Developers can send a command, stream the output in real time over HTTP/2, and receive the exit code — without building custom command execution logic in their containers.
AI agents often operate in workflows where deterministic operations such as running tests, installing dependencies, or executing git commands need to run alongside LLM-powered reasoning. Previously, developers had to build custom logic inside their containers to distinguish agent invocations from shell commands, spawn child processes, capture stdout and stderr, and handle timeouts. InvokeAgentRuntimeCommand eliminates this undifferentiated work by providing a platform-level API for command execution. Commands run inside the same container, filesystem, and environment as the agent session, and can execute concurrently with agent invocations without blocking.
Executing shell commands in AgentCore Runtime is supported across fourteen AWS Regions: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai), Canada (Central), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Sydney), Asia Pacific (Tokyo), Europe (Frankfurt), Europe (Ireland), Europe (London), Europe (Paris), and Europe (Stockholm).
To learn more, see Execute shell commands in AgentCore Runtime.
