Por qué usar Claude dentro de tu nube

Daniela Garza dirige el equipo de plataforma de Tlali Logística, una distribuidora de Monterrey con 40 centros de entrega. El área de servicio al cliente quiere un asistente que lea los reportes de incidencias (paquetes dañados, entregas tardías, direcciones equivocadas), los clasifique y proponga una respuesta. Iván, el desarrollador que hizo la prueba de concepto, usó una clave de la API de Claude y funcionó en una tarde. El problema llegó el lunes: finanzas no quiere dar de alta otro proveedor con tarjeta corporativa, seguridad pregunta dónde quedan los textos de los clientes y quién puede usar la clave, y auditoría quiere ver cada llamada en los mismos registros que el resto de la infraestructura.

Toda la operación de Tlali ya corre en AWS. Y la empresa que compraron el año pasado, Paquetería Ágil, trabaja en Google Cloud. Daniela no necesita aprender a llamar a Claude; necesita decidir por dónde entra Claude a la empresa. De eso trata esta lección.

Al terminar podrás:

• distinguir las cinco formas de usar Claude y quién opera cada una;
• explicar qué ganas al usar Claude desde tu nube: facturación, identidad, residencia de datos, red privada y cercanía a tus datos;
• reconocer lo que pagas a cambio: funciones que llegan después, cuotas ajenas e IDs distintos;
• tomar una decisión documentada para un caso concreto con una matriz sencilla.

Cinco caminos hacia el mismo modelo

Los modelos Claude son los mismos en todos lados, pero el servicio que los entrega cambia. Según la documentación de Anthropic consultada en octubre de 2026, hoy hay cinco caminos:

Tres detalles de nombres que conviene aclarar desde ahora:

• Amazon Bedrock tiene dos integraciones para Claude. La original usa las API InvokeModel y Converse en el endpoint bedrock-runtime. La más nueva, que la documentación de Anthropic llama "Claude in Amazon Bedrock", expone la API de Mensajes de Anthropic en un endpoint llamado bedrock-mantle. Las verás a detalle en el módulo 2.
• Claude Platform on AWS no es Bedrock. Es la plataforma de Anthropic (con su consola, sus lotes, su Files API y sus herramientas del servidor) que se contrata y se paga a través de AWS Marketplace. Anthropic es quien procesa los datos de inferencia.
• Google Cloud renombró Vertex AI. La documentación de Google ahora habla de Gemini Enterprise Agent Platform y la de Anthropic de "Google Cloud's Agent Platform, formerly Vertex AI". La consola, el Model Garden, el host aiplatform.googleapis.com y la clase AnthropicVertex del SDK conservan el nombre anterior. En este curso decimos "Google Cloud" o "Agent Platform" y mencionamos Vertex AI cuando el nombre aparece en código o en la consola.

El curso se concentra en Bedrock y Google Cloud, que son las dos nubes de Tlali. Claude Platform on AWS y Foundry aparecen como comparación, porque a veces son la mejor respuesta.

Lo que ganas al usar tu nube

1. Una sola factura y tus compromisos de gasto

Con Bedrock, el consumo de Claude se cobra a través de AWS Marketplace y aparece en tu factura de AWS. La ficha de cada modelo en la documentación de AWS aclara un detalle útil para finanzas: en AWS Cost Explorer el cargo aparece bajo el proveedor del modelo, no bajo "Amazon Bedrock". En Google Cloud, el consumo de Claude llega a la cuenta de facturación del proyecto, como cualquier otro servicio.

Muchas empresas en México y Latinoamérica tienen un compromiso de gasto anual con su nube, negociado con descuento. Si el consumo de Claude cuenta para ese compromiso depende de tu contrato: pregúntalo a tu equipo de cuenta antes de decidir, porque puede inclinar la balanza. Tampoco das de alta un proveedor nuevo: el contrato ya existe.

2. Identidad y permisos que ya administras

En la API de Claude, quien tiene la clave puede llamar al modelo. En tu nube, el permiso es una política de IAM sobre una identidad: un rol de una función Lambda, la cuenta de servicio de un contenedor en Cloud Run, el grupo de desarrolladores que entra por SSO. Eso permite:

• no guardar claves de larga duración en el código ni en variables de entorno;
• limitar qué modelos puede invocar cada aplicación;
• revocar acceso con el mismo proceso de baja de personal que ya usa la empresa;
• auditar cada llamada en AWS CloudTrail o en los registros de auditoría de Google Cloud.

3. Quién procesa los datos y dónde

Para seguridad y cumplimiento, la pregunta importante es quién opera la inferencia. Según la documentación de Anthropic, Claude en Amazon Bedrock corre en infraestructura administrada por AWS "con cero acceso de operador": el personal de Anthropic no tiene acceso a esa infraestructura. En Google Cloud, el manejo de datos lo rige Google Cloud. En Claude Platform on AWS, en cambio, Anthropic es el procesador de datos.

Además puedes elegir el tipo de endpoint. Bedrock ofrece endpoints globales, que enrutan a cualquier región con capacidad, y regionales o geográficos, que mantienen el tráfico dentro de una zona (por ejemplo, Estados Unidos o la Unión Europea). Google Cloud ofrece global, multirregión (us y eu) y regional. Los endpoints regionales y multirregionales tienen un sobreprecio frente al global; consulta el porcentaje vigente en la sección de precios de plataformas en la nube de Anthropic y en las páginas de precios de cada nube.

4. Red privada

Si tus servidores no tienen salida a internet, puedes llegar a Bedrock por AWS PrivateLink con un endpoint de interfaz en tu VPC. En Google Cloud, VPC Service Controls crea un perímetro que impide que las solicitudes de inferencia salgan de él. Con la API de Claude, en cambio, tu tráfico sale a api.anthropic.com por internet. Lo veremos en la lección 4.2.

5. Cerca de tus datos

Los tickets de Tlali llegan a un bucket de S3 y los de Paquetería Ágil están en BigQuery. Si el modelo vive en la misma nube, el flujo se arma con piezas conocidas: un evento de S3 que dispara una función, o un trabajo de predicción por lotes de Google Cloud que lee y escribe directamente en BigQuery.

Lo que pagas a cambio

La nube no es gratis en flexibilidad. Antes de decidir, pon esto sobre la mesa:

• Funciones que no llegan o llegan después. La documentación de Anthropic lista lo que Bedrock y Google Cloud no ofrecen hoy, por ejemplo la Message Batches API, la Files API y varias herramientas del servidor como la ejecución de código. Cada nube tiene alternativas propias (lotes nativos, por ejemplo), pero con otro formato. La lección 1.2 recorre la lista completa.
• Cuotas de otro dueño. Los límites de solicitudes y tokens por minuto los fija y amplía AWS o Google, con su proceso de soporte, no Anthropic.
• IDs y ciclos de vida distintos. claude-opus-5-5 en la API se convierte en global.anthropic.claude-opus-5-5 en Bedrock. Y las fechas de retiro de cada modelo las fija cada nube, no necesariamente las mismas que Anthropic.
• Más piezas que configurar. Acceso al modelo, permisos, regiones y endpoints son trabajo de plataforma antes de la primera línea de código.

Una matriz de decisión que puedes defender

Para que la discusión no sea de gustos, Daniela convierte los requisitos en una matriz. Cada requisito tiene un peso y cada camino una calificación de 0 a 2. Las calificaciones son juicios del equipo, no datos de un proveedor: lo valioso es que quedan por escrito y se pueden discutir.

# matriz_decision.py
# Calificaciones: 0 = no cumple, 1 = cumple con trabajo extra, 2 = cumple bien.
# Son el criterio del equipo de Tlali, revísalas con el tuyo.

REQUISITOS = {
    # requisito: peso (1 a 3)
    "factura_en_nube_actual": 3,
    "iam_sin_claves_fijas": 3,
    "datos_procesados_por_la_nube": 2,
    "red_privada": 2,
    "funciones_nuevas_el_mismo_dia": 1,
    "lotes_con_descuento_nativos": 1,
}

CALIFICACIONES = {
    "api_claude": {
        "factura_en_nube_actual": 0, "iam_sin_claves_fijas": 0,
        "datos_procesados_por_la_nube": 0, "red_privada": 0,
        "funciones_nuevas_el_mismo_dia": 2, "lotes_con_descuento_nativos": 2,
    },
    "bedrock": {
        "factura_en_nube_actual": 2, "iam_sin_claves_fijas": 2,
        "datos_procesados_por_la_nube": 2, "red_privada": 2,
        "funciones_nuevas_el_mismo_dia": 0, "lotes_con_descuento_nativos": 1,
    },
    "claude_platform_on_aws": {
        "factura_en_nube_actual": 2, "iam_sin_claves_fijas": 2,
        "datos_procesados_por_la_nube": 0, "red_privada": 2,
        "funciones_nuevas_el_mismo_dia": 2, "lotes_con_descuento_nativos": 2,
    },
}


def puntaje(camino: str) -> int:
    notas = CALIFICACIONES[camino]
    return sum(peso * notas[req] for req, peso in REQUISITOS.items())


def ranking() -> list[tuple[str, int]]:
    return sorted(((c, puntaje(c)) for c in CALIFICACIONES), key=lambda x: x[1], reverse=True)


if __name__ == "__main__":
    maximo = 2 * sum(REQUISITOS.values())
    for camino, total in ranking():
        print(f"{camino:<24} {total:>3} de {maximo}")

Con los pesos de Tlali gana Bedrock, 21 contra 20 de Claude Platform on AWS: lo decisivo fue que seguridad exige que AWS sea quien procese los datos de clientes. Si el peso de "funciones nuevas el mismo día" fuera 3, porque el producto depende de la ejecución de código o de Agent Skills, Claude Platform on AWS pasaría al primer lugar. Esa es la utilidad del ejercicio: el resultado cambia con los requisitos y todos ven por qué.

Para Paquetería Ágil el razonamiento es el mismo con Google Cloud: sus datos están en BigQuery, su equipo administra IAM de Google y su contrato de nube está ahí. Resultado: Tlali tendrá Claude en dos nubes, y el servicio de incidencias deberá correr en ambas. En el proyecto final (lección 4.4) construyes la capa de abstracción que lo permite.

Cuándo la nube no es la respuesta

No todo proyecto debe pasar por la nube corporativa:

• Prototipos de una semana sin datos reales: la API de Claude con un workspace de desarrollo y un límite de gasto bajo es más rápida.
• Productos que dependen de funciones nuevas de la plataforma de Anthropic (Agent Skills, ejecución de código, Files API): evalúa Claude Platform on AWS o la API directa.
• Empresas en Azure: Microsoft Foundry ofrece Claude con facturación en Azure Marketplace y autenticación con Microsoft Entra ID. La documentación de Anthropic indica que un despliegue "Hosted on Azure" mantiene los prompts y las respuestas dentro de Azure.

Lo importante es que la decisión quede escrita con sus razones. Dentro de seis meses alguien preguntará por qué no se usó la API directa, y la matriz responde.

Práctica

Dedica 25 minutos. No necesitas una cuenta de nube todavía.

1. Escribe los requisitos reales de tu empresa (o los de Tlali) y asígnales un peso de 1 a 3. Agrega al menos uno que no esté en el ejemplo, como "operación en México" o "soporte en español".
2. Copia matriz_decision.py, agrega una entrada "google_cloud" y otra "foundry", y califica cada camino con tu criterio. Escribe en un comentario una frase que justifique cada calificación de 0.
3. Ejecuta el script y anota el ganador. Cambia un peso a la vez y observa qué requisito decide el resultado.
4. Pregunta a tu equipo de finanzas o de cuenta si el consumo de modelos de terceros cuenta para tu compromiso de gasto en la nube. Anota la respuesta.
5. Redacta en cinco líneas la decisión para tu caso: camino elegido, requisito decisivo, qué funciones pierdes y cómo las compensarás.

Resumen

• Hay cinco caminos hacia Claude: la API de Claude, Bedrock, Claude Platform on AWS, Google Cloud y Microsoft Foundry; difieren en quién opera la inferencia, cómo se factura y cómo te autenticas.
• La nube aporta factura y compromisos existentes, IAM sin claves fijas, control sobre quién procesa los datos y dónde, red privada y cercanía a tus datos.
• A cambio, algunas funciones de la API no existen o llegan después, las cuotas las administra tu nube y los IDs y fechas de retiro cambian.
• Google Cloud renombró Vertex AI como Agent Platform, pero el SDK y la consola conservan el nombre anterior.
• Una matriz de requisitos con pesos convierte la elección en una decisión documentada y discutible.

Quiz