Publicado el Deja un comentario

IAM Policy Autopilot adds Java support and Terraform-aware policy generation

IAM Policy Autopilot now supports Java applications and Terraform-aware policy generation, expanding its language coverage and its ability to generate less permissive IAM policies from code. IAM Policy Autopilot is an open-source tool launched at re:Invent 2025 that helps builders quickly and deterministically create baseline IAM policies on AWS that you can refine as your application evolves, reducing the time you spend writing IAM policies and troubleshooting access issues.

Java has been one of the most requested languages from IAM Policy Autopilot users. With this release, Java developers can now analyze their application source code to generate AWS IAM policies, joining Python, TypeScript, and Go as supported languages. In addition, IAM Policy Autopilot can now cross-reference Terraform resource definitions with SDK calls in your application code to resolve actual resource ARNs for each IAM action. For example, a policy generated for an application that calls S3 GetObject will now reference the specific bucket defined in Terraform rather than defaulting to wildcard (*) resources. 

IAM Policy Autopilot is available at no additional cost and can be used from your own machine. To get started, visit the IAM Policy Autopilot GitHub repository

 

​IAM Policy Autopilot now supports Java applications and Terraform-aware policy generation, expanding its language coverage and its ability to generate less permissive IAM policies from code. IAM Policy Autopilot is an open-source tool launched at re:Invent 2025 that helps builders quickly and deterministically create baseline IAM policies on AWS that you can refine as your application evolves, reducing the time you spend writing IAM policies and troubleshooting access issues.
Java has been one of the most requested languages from IAM Policy Autopilot users. With this release, Java developers can now analyze their application source code to generate AWS IAM policies, joining Python, TypeScript, and Go as supported languages. In addition, IAM Policy Autopilot can now cross-reference Terraform resource definitions with SDK calls in your application code to resolve actual resource ARNs for each IAM action. For example, a policy generated for an application that calls S3 GetObject will now reference the specific bucket defined in Terraform rather than defaulting to wildcard (*) resources. 
IAM Policy Autopilot is available at no additional cost and can be used from your own machine. To get started, visit the IAM Policy Autopilot GitHub repository.   

Publicado el Deja un comentario

Defensa impulsada por IA para un entorno de amenazas acelerado por IA

Defensa impulsada por IA para un entorno de amenazas acelerado por IA

Dos personas señalan pantallas de computadoras

Por: Ales Holecek, arquitecto jefe y vicepresidente corporativo de Microsoft Security.

Estamos en un punto de inflexión en ciberseguridad.

Los avances recientes en las capacidades de los modelos de IA han comenzado a cambiar la manera en que se descubren y explotan las vulnerabilidades. Los modelos de IA pueden descubrir de manera autónoma debilidades, encadenar múltiples problemas de menor gravedad en exploits de extremo a extremo y producir código de prueba de concepto funcional. Esto comprime de manera significativa la ventana entre el descubrimiento y la explotación de vulnerabilidades.

Estos cambios obligan a las organizaciones a replantearse la exposición, la respuesta y el riesgo. Sin embargo, las mismas capacidades que pueden dar ventaja a los atacantes también crean una oportunidad única para los defensores. Cuando se aplican de manera correcta, pueden acelerar la detección de vulnerabilidades, mejorar la ingeniería de detección y reducir el tiempo de mitigación. Esperamos trabajar juntos como industria para utilizar estas capacidades de modelos de IA como parte de soluciones empresariales que inclinen la balanza a favor de los defensores.

Colaboración con proveedores líderes de modelos

La seguridad ha sido y sigue como la máxima prioridad en Microsoft. En los últimos dos años, a través de nuestra Iniciativa Futuro Seguro (SFI, por sus siglas en inglés), hemos reforzado nuestras bases de seguridad para esta era de la IA, en parte a través de utilizar la IA para acelerar el descubrimiento y la remediación de vulnerabilidades y ayudar a defendernos de amenazas. También hemos invertido en IA fundamental para la investigación en seguridad, incluido el desarrollo de benchmarks industriales de código abierto que puedan utilizarse para evaluar si los modelos están preparados para trabajos reales de seguridad.

A medida que avanzamos, aceleramos este trabajo y colaboramos con la industria para utilizar modelos líderes, junto con nuestras plataformas y experiencia, para convertir el descubrimiento impulsado por IA en protección a gran escala.

A través del Proyecto Glasswing, Microsoft trabaja de manera estrecha con socios de Anthropic e industria para probar Claude Mythos Preview, identificar y mitigar vulnerabilidades antes y coordinar la respuesta defensiva. Evaluamos Mythos por medio de CTI-REALM, nuestro benchmark de código abierto para tareas reales de ingeniería de detección, y los resultados mostraron mejoras sustanciales en comparación con modelos anteriores.

Microsoft también evalúa otros modelos. Como parte de nuestro enfoque general de seguridad, evaluamos de manera continua modelos de múltiples proveedores a medida que están disponibles y los integramos en nuestra plataforma de seguridad de nivel empresarial. Este enfoque multimodelo es intencionado, ya que ningún modelo único define nuestra estrategia.

Actuar en tres áreas fundamentales

Los defensores deben moverse más rápido para mantenerse al ritmo de las amenazas impulsadas por la IA. Nos centramos en tres áreas para ayudar a los clientes a reducir riesgos y mejorar la resiliencia.

1. Descubrimiento y mitigación de vulnerabilidades liderados por IA para mantenernos actualizados en el software

Planeamos incorporar modelos avanzados de IA, como Claude Mythos Preview, directo en nuestro Ciclo de Vida de Desarrollo de Seguridad (SDL, por sus siglas en inglés) para identificar vulnerabilidades y desarrollar mitigaciones y actualizaciones. Esto nos permite descubrir más problemas más rápido en una superficie más amplia que métodos anteriores y abordarlos más temprano en el ciclo de vida.

Los descubrimientos asistidos por IA se gestionan a través de nuestros procesos existentes del Centro de Respuesta de Seguridad de Microsoft (MSRC, por sus siglas en inglés), incluido el Update Tuesday—nuestra manera predecible y sistemática de distribuir actualizaciones a los clientes—y actualizaciones fuera de banda, cuando corresponde. Los clientes que utilizan la plataforma Microsoft como servicio (PaaS, por sus siglas en inglés) y los servicios de software como servicio (SaaS, por sus siglas en inglés) no necesitan tomar ninguna acción; las mitigaciones y actualizaciones se aplican en automático. Para los clientes que despliegan productos de Microsoft en su propia infraestructura, ya sea local o autoalojado, mantenerse al día con todas las actualizaciones de seguridad ya no solo es la mejor práctica; es un requisito fundamental para mantenerse seguros frente a la exposición a la IA.

Desplegaremos las detecciones en Microsoft Defender, nuestra solución de protección contra amenazas, cuando se publiquen actualizaciones y compartiremos detalles a través de los socios del Programa de Protecciones Activas de Microsoft (MAPP, por sus siglas en inglés) para ayudar a mitigar riesgos. También utilizamos modelos avanzados de IA para escanear de manera proactiva bases de código de código abierto seleccionadas. Los problemas identificados se abordarán mediante una divulgación coordinada de vulnerabilidades.

2. Postura lista para IA para reducir la exposición

El parcheo, aunque crítico, no es suficiente por sí solo. Hemos identificado las cinco dimensiones en las que los ataques autónomos impulsados por IA obtienen una ventaja desproporcionada: parches, software de código abierto, código fuente del cliente, activos conectados a internet e higiene de seguridad básica.

Para cada dimensión, Microsoft Security Exposure Management ofrece orientación y capacidades que los clientes pueden utilizar para:

  • Evaluar su estado actual.
  • Comprender las acciones priorizadas para reducir riesgos.
  • Evaluar los escenarios de «qué pasaría si» antes de hacer cambios.
  • Aplicar automatización para solucionar problemas a gran escala.

Optimicen su postura de seguridad con Microsoft Security Exposure Management

Estas capacidades incluyen herramientas como Microsoft Defender External Attack Surface Management (EASM, por sus siglas en inglés) para el descubrimiento continuo de activos orientados a internet, GitHub Advanced Security con CodeQL, Copilot Autofix para código abierto y de primera mano, y Microsoft Baseline Security Mode (BSM, por sus siglas en inglés) para aplicar controles fundamentales en Exchange, Microsoft Teams, SharePoint, OneDrive, Office y Microsoft Entra, con simulación de impacto antes de la aplicación.

Otros en el sector han compartido orientación y han enfatizado de manera acertada la importancia del descubrimiento continuo de activos y la gestión de la postura. Ofrecemos una experiencia integrada a través de una nueva hoja de gestión de exposición a la seguridad de Microsoft—Secure Now—que combina orientación con la capacidad de actuar, para que los clientes reduzcan de manera proactiva su exposición. Secure Now está disponible hoy en https://security.microsoft.com/securenow

3. Soluciones impulsadas por IA para defender a gran escala

Más allá de los planes de utilizar modelos avanzados de IA directo en nuestro Ciclo de Vida de Desarrollo de Seguridad (SDL, por sus siglas en inglés), desarrollamos por separado nuevas soluciones para ayudar a los clientes a aprovechar modelos avanzados de IA y mejorar su seguridad a escala empresarial.

  • Detecciones Defender desplegadas con rapidez, desarrolladas para vulnerabilidades descubiertas por IA, simulaciones con actualizaciones correspondientes para ayudar a mitigar riesgos de forma inmediata.
  • Hemos aprendido, a través de nuestras propias pruebas, que la capacidad del modelo para descubrir posibles vulnerabilidades es solo el principio. Las organizaciones también deben ser capaces de utilizar la IA para validar y priorizar en función de la explotabilidad y el impacto, y construir la solución. Para ayudar, planeamos convertir en producto un nuevo arnés de escaneo multimodelo impulsado por IA, desarrollado de manera interna, y ponerlo a disposición de los clientes para agilizar su experiencia y ofrecer resultados más rápido. Se espera que esta solución esté disponible en versión preliminar en junio de 2026.

Nuestro objetivo es garantizar que los hallazgos sean accionables. Aunque los modelos son potentes por sí solos, sin priorización ni contexto, grandes volúmenes de resultados pueden abrumar a los equipos de desarrollo. Estas nuevas soluciones están diseñadas para combinar la salida del modelo con el contexto y las soluciones de seguridad necesarias para que las empresas impulsen la eficacia de la seguridad a gran escala.

Empiecen hoy mismo

Los clientes pueden empezar ahora si revisan las recomendaciones en https://security.microsoft.com/securenow. Cualquier cliente con un ID Microsoft Entra podrá acceder a la guía. Además, los clientes de Microsoft Security tendrán acceso a capacidades que les permiten evaluar su exposición y actuar.

Lean la guía y empiecen

También hemos movilizado a nuestra organización de Customer Success para apoyar a los clientes en la implementación de estas orientaciones.

¿Qué hay por delante?

Este trabajo sigue en curso. Compartiremos actualizaciones a medida que avancen las pruebas, surjan nuevos modelos y estén disponibles nuevas directrices y soluciones. El panorama de amenazas seguirá en evolución, pero también lo harán nuestras defensas—y estamos comprometidos a garantizar que nuestros clientes cuenten con las herramientas, la orientación y la colaboración necesarias para mantenerse a la vanguardia.

La seguridad es un deporte de equipo. Las organizaciones que actúen ante este cambio —manteniéndose al día con los parches, con la reducción de la exposición y el aprovechamiento de soluciones de seguridad impulsadas por IA— serán mucho más difíciles de comprometer que aquellas que no lo hagan. El momento de actuar es ahora y esperamos colaborar con la industria para construir un mundo más seguro para todos.

Para saber más sobre las soluciones de seguridad de Microsoft, visiten nuestra página web. Guarden el blog de Security en sus Favoritos  ara estar al día con nuestra cobertura experta sobre temas de seguridad. Además, síguenos en LinkedIn (Microsoft Security) y X (@MSFTSecurity) para las últimas noticias y actualizaciones sobre ciberseguridad.

The post Defensa impulsada por IA para un entorno de amenazas acelerado por IA appeared first on Source LATAM.

 

​The post Defensa impulsada por IA para un entorno de amenazas acelerado por IA appeared first on Source LATAM.  

Publicado el Deja un comentario

AWS Secrets Manager extends managed external secrets to MongoDB Atlas and Confluent Cloud

AWS Secrets Manager now supports managed external secrets for MongoDB Atlas and Confluent Cloud

AWS Secrets Manager now supports managed external secrets for MongoDB Atlas and Confluent Cloud, enabling you to centrally manage and automatically rotate secrets for these third-party services directly from AWS Secrets Manager — without building or maintaining custom Lambda rotation functions.

The MongoDB Atlas integration supports two secret types: database user secrets (username-password authentication via SCRAM) and service account secrets (OAuth client ID and secret). The Confluent Cloud integration supports API key rotation for service accounts, with support for both cluster-scoped and cloud resource management keys. All integrations include automatic rotation enabled by default, eliminating hardcoded secrets and reducing the operational overhead of managing secrets across multiple platforms.

With managed external secrets, secret rotation is fully managed by AWS Secrets Manager using partner-provided rotation logic — no Lambda functions are deployed in your account. For example, a data pipeline using MongoDB Atlas and Confluent Kafka can now centralize secret management in AWS Secrets Manager, automatically rotating database and streaming platform secrets without modifying application code or managing separate rotation logic for each service.

MongoDB Atlas and Confluent Cloud integrations for managed external secrets are available in all AWS Regions where managed external secrets is supported, joining existing integrations with Salesforce, Snowflake, and BigID. To learn more, visit the AWS Secrets Manager managed external secrets documentation (https://docs.aws.amazon.com/secretsmanager/latest/userguide/managed-external-secrets.html).

 

​AWS Secrets Manager now supports managed external secrets for MongoDB Atlas and Confluent Cloud
AWS Secrets Manager now supports managed external secrets for MongoDB Atlas and Confluent Cloud, enabling you to centrally manage and automatically rotate secrets for these third-party services directly from AWS Secrets Manager — without building or maintaining custom Lambda rotation functions.
The MongoDB Atlas integration supports two secret types: database user secrets (username-password authentication via SCRAM) and service account secrets (OAuth client ID and secret). The Confluent Cloud integration supports API key rotation for service accounts, with support for both cluster-scoped and cloud resource management keys. All integrations include automatic rotation enabled by default, eliminating hardcoded secrets and reducing the operational overhead of managing secrets across multiple platforms.
With managed external secrets, secret rotation is fully managed by AWS Secrets Manager using partner-provided rotation logic — no Lambda functions are deployed in your account. For example, a data pipeline using MongoDB Atlas and Confluent Kafka can now centralize secret management in AWS Secrets Manager, automatically rotating database and streaming platform secrets without modifying application code or managing separate rotation logic for each service.
MongoDB Atlas and Confluent Cloud integrations for managed external secrets are available in all AWS Regions where managed external secrets is supported, joining existing integrations with Salesforce, Snowflake, and BigID. To learn more, visit the AWS Secrets Manager managed external secrets documentation (https://docs.aws.amazon.com/secretsmanager/latest/userguide/managed-external-secrets.html).  

Publicado el Deja un comentario

Amazon SageMaker AI launches optimized generative AI inference recommendations

Amazon SageMaker AI now supports inference recommendations, a new capability that eliminates manual optimization and benchmarking to deliver optimal inference performance. By delivering validated, optimal deployment configurations with performance metrics, SageMaker AI accelerates the path to production and keeps your model developers focused on building accurate models, not managing infrastructure.

Customers bring their own generative AI models, define expected traffic patterns, and specify a performance goal (optimize for cost, minimize latency, or maximize throughput). SageMaker AI then analyzes the model’s architecture and applies optimizations aligned to that goal across multiple instance types, benchmarking each configuration on real GPU infrastructure using NVIDIA AIPerf. By evaluating multiple instance types, customers can select the most price-performant option for their workload. The result is deployment-ready configurations with validated metrics including time to first token, inter-token latency, request latency percentiles, throughput, and cost projections.

 The capability is available today in seven AWS Regions: US East (N. Virginia), US West (Oregon), US East (Ohio), Asia Pacific (Tokyo), Europe (Ireland), Asia Pacific (Singapore), and Europe (Frankfurt). To learn more, visit the SageMaker AI documentation.

 

​Amazon SageMaker AI now supports inference recommendations, a new capability that eliminates manual optimization and benchmarking to deliver optimal inference performance. By delivering validated, optimal deployment configurations with performance metrics, SageMaker AI accelerates the path to production and keeps your model developers focused on building accurate models, not managing infrastructure. Customers bring their own generative AI models, define expected traffic patterns, and specify a performance goal (optimize for cost, minimize latency, or maximize throughput). SageMaker AI then analyzes the model’s architecture and applies optimizations aligned to that goal across multiple instance types, benchmarking each configuration on real GPU infrastructure using NVIDIA AIPerf. By evaluating multiple instance types, customers can select the most price-performant option for their workload. The result is deployment-ready configurations with validated metrics including time to first token, inter-token latency, request latency percentiles, throughput, and cost projections.  The capability is available today in seven AWS Regions: US East (N. Virginia), US West (Oregon), US East (Ohio), Asia Pacific (Tokyo), Europe (Ireland), Asia Pacific (Singapore), and Europe (Frankfurt). To learn more, visit the SageMaker AI documentation.  

Publicado el Deja un comentario

Five new Qwen models for coding agents and efficient reasoning are now available in Amazon SageMaker JumpStart

Today, AWS announced the availability of Qwen3-Coder-Next, Qwen3-30B-A3B, Qwen3-30B-A3B-Thinking-2507, Qwen3-Coder-30B-A3B-Instruct, and Qwen3.5-4B in Amazon SageMaker JumpStart, expanding the portfolio of foundation models available to AWS customers. These five models from Qwen bring specialized capabilities spanning agentic coding, efficient reasoning, extended thinking, and multimodal understanding, enabling customers to build sophisticated AI applications across diverse use cases on AWS infrastructure.

These models address different enterprise AI challenges with specialized capabilities:

Qwen3-Coder-Next excels at long-horizon reasoning, complex tool use, and recovery from execution failures, making it ideal for powering coding agents in CLI/IDE platforms.

Qwen3-30B-A3B uniquely supports seamless switching between thinking and non-thinking modes, making it well suited for general-purpose assistant tasks like multilingual dialogue, math reasoning, and tool calling.

Qwen3-30B-A3B-Thinking-2507 delivers significantly improved performance on complex reasoning tasks in math, science, and coding, with enhanced long-context understanding.

Qwen3-Coder-30B-A3B-Instruct is designed for agentic coding workflows with a custom function call format and repo-scale context understanding.

Qwen3.5-4B supports unified vision-language training and  201 languages, making it ideal for lightweight multimodal deployments.

With SageMaker JumpStart, customers can deploy any of these models with just a few clicks to address their specific AI use cases.

To get started with these models, navigate to the Models section of SageMaker Studio or use the SageMaker Python SDK to deploy the models to your AWS account. For more information about deploying and using foundation models in SageMaker JumpStart, see the Amazon SageMaker JumpStart documentation.

 

​Today, AWS announced the availability of Qwen3-Coder-Next, Qwen3-30B-A3B, Qwen3-30B-A3B-Thinking-2507, Qwen3-Coder-30B-A3B-Instruct, and Qwen3.5-4B in Amazon SageMaker JumpStart, expanding the portfolio of foundation models available to AWS customers. These five models from Qwen bring specialized capabilities spanning agentic coding, efficient reasoning, extended thinking, and multimodal understanding, enabling customers to build sophisticated AI applications across diverse use cases on AWS infrastructure.
These models address different enterprise AI challenges with specialized capabilities:
Qwen3-Coder-Next excels at long-horizon reasoning, complex tool use, and recovery from execution failures, making it ideal for powering coding agents in CLI/IDE platforms.
Qwen3-30B-A3B uniquely supports seamless switching between thinking and non-thinking modes, making it well suited for general-purpose assistant tasks like multilingual dialogue, math reasoning, and tool calling.
Qwen3-30B-A3B-Thinking-2507 delivers significantly improved performance on complex reasoning tasks in math, science, and coding, with enhanced long-context understanding.
Qwen3-Coder-30B-A3B-Instruct is designed for agentic coding workflows with a custom function call format and repo-scale context understanding.
Qwen3.5-4B supports unified vision-language training and  201 languages, making it ideal for lightweight multimodal deployments.
With SageMaker JumpStart, customers can deploy any of these models with just a few clicks to address their specific AI use cases.
To get started with these models, navigate to the Models section of SageMaker Studio or use the SageMaker Python SDK to deploy the models to your AWS account. For more information about deploying and using foundation models in SageMaker JumpStart, see the Amazon SageMaker JumpStart documentation.  

Publicado el Deja un comentario

Introducing the Amazon EKS Hybrid Nodes gateway for hybrid Kubernetes networking

Amazon Elastic Kubernetes Service (EKS) now offers the Amazon EKS Hybrid Nodes gateway, a feature that automates networking between your Amazon EKS cluster VPC and Kubernetes Pods running on Amazon EKS Hybrid Nodes. The Amazon EKS Hybrid Nodes gateway eliminates the need to make on-premises pod networks routable or coordinate network infrastructure changes when running in hybrid Kubernetes environments.

Networking in hybrid Kubernetes environments can be complex, often requiring changes to on-premises routing configurations, coordination with network teams, and ongoing maintenance as workloads scale. The Amazon EKS Hybrid Nodes gateway addresses these challenges by automatically enabling Kubernetes control plane-to-webhook communication, pod-to-pod traffic across cloud and on-premises environments, and connectivity for AWS services such as Application Load Balancers, Network Load Balancers, and Amazon Managed Service for Prometheus. Customers deploy the Amazon EKS Hybrid Nodes gateway to Amazon EC2 instances using Helm, and the gateway automatically maintains VPC route tables as workloads scale. The Amazon EKS Hybrid Nodes gateway codebase is open source.

The Amazon EKS Hybrid Nodes gateway is available in all AWS Regions where Amazon EKS Hybrid Nodes is available, except the China Regions. The Amazon EKS Hybrid Nodes gateway is offered at no additional charge. You pay for the underlying AWS infrastructure used to run the gateway, including Amazon EC2 instance charges and any associated data transfer fees. To get started, visit the Amazon EKS Hybrid Nodes gateway documentation.

 

​Amazon Elastic Kubernetes Service (EKS) now offers the Amazon EKS Hybrid Nodes gateway, a feature that automates networking between your Amazon EKS cluster VPC and Kubernetes Pods running on Amazon EKS Hybrid Nodes. The Amazon EKS Hybrid Nodes gateway eliminates the need to make on-premises pod networks routable or coordinate network infrastructure changes when running in hybrid Kubernetes environments. Networking in hybrid Kubernetes environments can be complex, often requiring changes to on-premises routing configurations, coordination with network teams, and ongoing maintenance as workloads scale. The Amazon EKS Hybrid Nodes gateway addresses these challenges by automatically enabling Kubernetes control plane-to-webhook communication, pod-to-pod traffic across cloud and on-premises environments, and connectivity for AWS services such as Application Load Balancers, Network Load Balancers, and Amazon Managed Service for Prometheus. Customers deploy the Amazon EKS Hybrid Nodes gateway to Amazon EC2 instances using Helm, and the gateway automatically maintains VPC route tables as workloads scale. The Amazon EKS Hybrid Nodes gateway codebase is open source. The Amazon EKS Hybrid Nodes gateway is available in all AWS Regions where Amazon EKS Hybrid Nodes is available, except the China Regions. The Amazon EKS Hybrid Nodes gateway is offered at no additional charge. You pay for the underlying AWS infrastructure used to run the gateway, including Amazon EC2 instance charges and any associated data transfer fees. To get started, visit the Amazon EKS Hybrid Nodes gateway documentation.  

Publicado el Deja un comentario

Cibertec y Microsoft se unen para fortalecer la formación técnica en habilidades digitales e inteligencia artificial en Perú


news

Cibertec y Microsoft se unen para fortalecer la formación técnica en habilidades digitales e inteligencia artificial en Perú

  • Gracias a su alianza con Microsoft, Cibertec se posiciona entre los primeros institutos del país en integrar Microsoft 365 Copilot Chat en su experiencia formativa.

 

  • Estudiantes y docentes podrán acceder a contenidos, capacitaciones y certificaciones oficiales de Microsoft.

Dos personas se dan la mano

Lima, Perú – En un contexto donde la inteligencia artificial está transformando el mundo del trabajo, Cibertec y Microsoft anuncian un convenio estratégico orientado a fortalecer la formación en inteligencia artificial y habilidades digitales, con el objetivo de preparar profesionales técnicos para el futuro. Con este acuerdo, Cibertec se convierte en uno de los primeros institutos del Perú en incorporar herramientas Microsoft 365 Copilot Chat como parte de su experiencia formativa, marcando un hito en la modernización de la educación técnica en el país.

Esta iniciativa responde a una tendencia global que impacta directamente en la empleabilidad. De acuerdo con el Future of Jobs Report 2025 del Foro Económico Mundial, hacia el año 2030 el 59% de la fuerza laboral deberá desarrollar nuevas habilidades, principalmente vinculadas a la inteligencia artificial, el análisis de datos y competencias digitales avanzadas, lo que evidencia la magnitud y urgencia del cambio en el mercado laboral.

En línea con el liderazgo que Cibertec ha construido en formación tecnológica orientada a la empleabilidad y, con una propuesta educativa diseñada para responder a las demandas reales del mercado laboral, Jaime Tamashiro, director general de Cibertec menciona: “La incorporación de tecnologías de clase mundial permitirá que los estudiantes se formen en entornos digitales similares a los que encontrarán en el mundo laboral, fortaleciendo competencias clave que hoy son altamente valoradas por los empleadores”, manifestó.

Por su parte Mario Rodríguez, Country Manager de Microsoft Perú detalla: “La inteligencia artificial está marcando un punto de inflexión en la forma en que trabajamos y aprendemos convirtiéndose en un habilitador central de productividad, creatividad e innovación en el mundo del trabajo. En este contexto, el desarrollo de habilidades digitales es clave para que los jóvenes puedan interactuar con la tecnología de manera crítica, responsable y efectiva, y estén mejor preparados para las oportunidades que demanda el mercado laboral actual y futuro. Por eso, la alianza que hoy firmamos con Cibertec representa un paso estratégico para acercar la inteligencia artificial al aula, integrar herramientas como Microsoft 365 Copilot Chat en la experiencia educativa y contribuir a la formación de talento preparado para impulsar el desarrollo del Perú”.

Dos personas muestran documentos a la cámara

Como parte de esta alianza, se incorporarán de manera progresiva herramientas como Microsoft 365 Copilot Chat como punto de partida para la exploración y comprensión de la inteligencia artificial en la comunidad académica. El acuerdo contempla además programas de capacitación y certificación docente, así como la implementación de un Centro de Innovación Tecnológica, enfocado en la experimentación y aplicación de tecnologías digitales en educación.

La adopción de asistentes de inteligencia artificial por parte de los estudiantes se realizará de forma gradual, una vez que los docentes hayan sido capacitados, y siempre bajo criterios pedagógicos, regulatorios y éticos definidos por la institución, asegurando una implementación responsable y centrada en el aprendizaje.

Con esta iniciativa, Cibertec avanza en un modelo educativo que combina el talento humano y pedagógico con herramientas de inteligencia artificial, consolidándose como una institución de educación técnica orientada a formar talento preparado para desempeñarse en entornos cada vez más tecnológicos, dinámicos y competitivos.

La iniciativa se apoya en la trayectoria de ambas organizaciones en el fortalecimiento de capacidades digitales. Desde 2020, Microsoft ha capacitado a más de 130.000 personas en Perú en habilidades digitales, contribuyendo al desarrollo de talento preparado para un entorno laboral cada vez más tecnológico.

Acerca de Microsoft

Microsoft (Nasdaq «MSFT» @microsoft) crea plataformas y herramientas impulsadas por la IA para ofrecer soluciones innovadoras que satisfagan las necesidades cambiantes de nuestros clientes. La empresa de tecnología está comprometida con hacer que la IA esté ampliamente disponible, de manera responsable, con la misión de empoderar a cada persona y a cada organización en el planeta para lograr más.

The post Cibertec y Microsoft se unen para fortalecer la formación técnica en habilidades digitales e inteligencia artificial en Perú appeared first on Source LATAM.

 

​The post Cibertec y Microsoft se unen para fortalecer la formación técnica en habilidades digitales e inteligencia artificial en Perú appeared first on Source LATAM.  

Publicado el Deja un comentario

Amazon CloudWatch pipelines now supports configuration of processors via AI

Amazon CloudWatch pipelines now lets you configure log processors using natural language descriptions powered by generative AI. CloudWatch pipelines is a fully managed service that ingests, transforms, and routes log data to CloudWatch without requiring you to manage infrastructure. Setting up the right combination of processors to parse and enrich logs can be time-consuming, especially when working with complex log formats. With AI-assisted configuration, you can simply describe the processing you need in plain language and have the pipeline configuration generated for you automatically.

When creating a pipeline in the CloudWatch console, toggle the AI-assisted option during the processing step and enter a natural language description of your desired transformations. The system generates the processor configuration along with a sample log event, so you can immediately verify the output before deploying. This reduces setup time and makes it easier to get your pipelines running correctly without needing deep familiarity with individual processor settings.

AI-assisted processor configuration is available at no additional cost in all AWS Regions where CloudWatch pipelines is generally available. Standard CloudWatch Logs ingestion and storage rates still apply.

To get started, open the Amazon CloudWatch console, navigate to pipelines under Ingestion, and follow the pipeline wizard. To learn more, see the CloudWatch pipelines documentation.

 

​Amazon CloudWatch pipelines now lets you configure log processors using natural language descriptions powered by generative AI. CloudWatch pipelines is a fully managed service that ingests, transforms, and routes log data to CloudWatch without requiring you to manage infrastructure. Setting up the right combination of processors to parse and enrich logs can be time-consuming, especially when working with complex log formats. With AI-assisted configuration, you can simply describe the processing you need in plain language and have the pipeline configuration generated for you automatically. When creating a pipeline in the CloudWatch console, toggle the AI-assisted option during the processing step and enter a natural language description of your desired transformations. The system generates the processor configuration along with a sample log event, so you can immediately verify the output before deploying. This reduces setup time and makes it easier to get your pipelines running correctly without needing deep familiarity with individual processor settings. AI-assisted processor configuration is available at no additional cost in all AWS Regions where CloudWatch pipelines is generally available. Standard CloudWatch Logs ingestion and storage rates still apply. To get started, open the Amazon CloudWatch console, navigate to pipelines under Ingestion, and follow the pipeline wizard. To learn more, see the CloudWatch pipelines documentation.  

Publicado el Deja un comentario

AWS Glue now supports OAuth 2.0 for Snowflake connectivity

Starting today, AWS Glue supports OAuth 2.0 authorization and authentication for native Snowflake connectivity, enabling customers to read from and write to Snowflake without sharing user credentials. This makes it easier for enterprises to maintain security compliance while building data integration pipelines. With OAuth support, you can now securely access Snowflake data within AWS Glue using temporary token-based authorization.

AWS Glue provides built-in connector to Snowflake, which helps you to integrate Snowflake data with other sources on a single platform while leveraging the scalability and performance of the AWS Glue Spark engine—all without installing or managing connector libraries. Previously, connecting to Snowflake required using persistent credentials or private keys. With OAuth 2.0 support, you can now eliminate credential management entirely, relying instead on secure, temporary tokens that enhance security and simplify access control. This approach enables granular access control, allowing you to define precise permissions for different users and applications. Additionally, token-based authentication provides improved auditability, making it easier to track and monitor data access patterns across your organization.

OAuth 2.0 support for AWS Glue’s Snowflake connector is available in all AWS commercial regions where AWS Glue is available.

To get started with configuring your AWS Glue Snowflake connection with OAuth, visit the AWS Glue documentation

 

​Starting today, AWS Glue supports OAuth 2.0 authorization and authentication for native Snowflake connectivity, enabling customers to read from and write to Snowflake without sharing user credentials. This makes it easier for enterprises to maintain security compliance while building data integration pipelines. With OAuth support, you can now securely access Snowflake data within AWS Glue using temporary token-based authorization. AWS Glue provides built-in connector to Snowflake, which helps you to integrate Snowflake data with other sources on a single platform while leveraging the scalability and performance of the AWS Glue Spark engine—all without installing or managing connector libraries. Previously, connecting to Snowflake required using persistent credentials or private keys. With OAuth 2.0 support, you can now eliminate credential management entirely, relying instead on secure, temporary tokens that enhance security and simplify access control. This approach enables granular access control, allowing you to define precise permissions for different users and applications. Additionally, token-based authentication provides improved auditability, making it easier to track and monitor data access patterns across your organization. OAuth 2.0 support for AWS Glue’s Snowflake connector is available in all AWS commercial regions where AWS Glue is available. To get started with configuring your AWS Glue Snowflake connection with OAuth, visit the AWS Glue documentation.   

Publicado el Deja un comentario

Amazon SageMaker now supports multi-region replication from IAM Identity Center

Amazon SageMaker now supports multi-region replication from IAM Identity Center (IdC), enabling you to deploy SageMaker Unified Studio domains in different regions from your IdC instance. This new capability empowers enterprise customers, particularly those in regulated industries like financial services and healthcare, to maintain compliance while leveraging centralized workforce identity management.

As an Amazon SageMaker Unified Studio administrator, you can deploy SageMaker domains closer to your workforce based on data residency needs while maintaining seamless single sign-on (SSO) access. Organizations can address use cases such as maintaining IdC in one region while processing sensitive data in compliance-required regions, supporting global operations with centralized identity management, and meeting data sovereignty requirements without compromising SSO capabilities.

To get started see the SageMaker Unified Studio documentation and to learn about setting up IAM Identity Center multi-Region support see the IAM Identity Center User Guide.

 

​Amazon SageMaker now supports multi-region replication from IAM Identity Center (IdC), enabling you to deploy SageMaker Unified Studio domains in different regions from your IdC instance. This new capability empowers enterprise customers, particularly those in regulated industries like financial services and healthcare, to maintain compliance while leveraging centralized workforce identity management. As an Amazon SageMaker Unified Studio administrator, you can deploy SageMaker domains closer to your workforce based on data residency needs while maintaining seamless single sign-on (SSO) access. Organizations can address use cases such as maintaining IdC in one region while processing sensitive data in compliance-required regions, supporting global operations with centralized identity management, and meeting data sovereignty requirements without compromising SSO capabilities.
To get started see the SageMaker Unified Studio documentation and to learn about setting up IAM Identity Center multi-Region support see the IAM Identity Center User Guide.