Amazon Bedrock traccia i costi fino al principal IAM
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La piattaforma aggiunge la colonna line_item_iam_principal e mostra come usare CUR 2.0, Amazon Athena e dashboard CUDOS per analizzare la spesa per utente, app o team.
Amazon Bedrock aggiunge al Cost and Usage Report 2.0 la colonna line_item_iam_principal tramite Data Exports: ogni chiamata di inferenza si lega all’identità IAM che l’ha emessa1.
Questo legame abilita viste per utente e per applicazione nei dati di costo. Con i tag di allocazione, opzionali, puoi sommare la spesa per team, progetto o tenant in AWS Cost Explorer1. La stessa base dati copre servizi e applicazioni che usano Bedrock, incluse integrazioni di terze parti e build personalizzate1.
Il flusso operativo segue tre passi. Primo: configurare il CUR 2.0 con Data Exports che includono il principal IAM. Secondo: interrogare il CUR con Amazon Athena per filtrare e aggregare per identità e per le altre dimensioni disponibili. Terzo: usare le dashboard CUDOS, aggiornate con il dettaglio granulare su costi e utilizzo di Bedrock, per portare queste analisi in visualizzazioni pronte all’uso1.
La chiave sta nella colonna line_item_iam_principal. Collega ogni richiesta di inferenza all’utente o al ruolo che l’ha effettuata. Le query in Athena possono così isolare consumi e costi per singoli principal o gruppi di principal. Le dashboard CUDOS poggiano sugli stessi dati e aggiungono pannelli che espongono queste aggregazioni senza dover costruire report da zero1.
Le fonti non includono esempi pratici, come query Athena esemplificative o screenshot delle dashboard CUDOS1.
L’approccio si estende agli strumenti di terze parti che si appoggiano a Bedrock. Il post cita, come esempio, tool come Claude Code o Codex, oltre alle implementazioni personalizzate. In tutti i casi, l’attribuzione usa la medesima colonna di identità IAM per distinguere utenti e applicazioni nelle analisi1.
In sintesi, Bedrock porta nei dati di costo un’informazione che prima viveva solo a livello applicativo: chi ha fatto la chiamata. Questo consente di attribuire con precisione l’uso dei modelli e di comporlo con i tag di allocazione, quando presenti, per costruire viste per team e progetti in Cost Explorer o in dashboard CUDOS. La novità non richiede strumenti esterni: bastano CUR 2.0 via Data Exports, Amazon Athena e le dashboard CUDOS aggiornate1.
L’assenza di esempi nel post lascia alle organizzazioni la scelta di come standardizzare principal e tag per ottenere report coerenti; la colonna di identità IAM fornisce però il tassello mancante per un’analisi per-utente e per-applicazione direttamente sui dati di costo1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.