Las tres nubes venden lo mismo en el papel —modelos, agentes, RAG, guardrails— pero cada una hace apuestas distintas que importan al momento de comprometer una arquitectura por varios años.
AI Foundry apuesta por ser el punto de entrada empresarial a OpenAI más el ecosistema Microsoft (Entra ID, Microsoft 365, Power Platform). Amazon Bedrock apuesta por ser un agregador neutral de modelos de terceros (Anthropic, Meta, Cohere, AI21) más los modelos propios Amazon Nova, integrado profundamente con el resto de servicios de AWS. Google Vertex AI apuesta por sus propios modelos Gemini como eje central, con acceso a un catálogo más amplio vía Model Garden, e integración fuerte con BigQuery y el resto del stack de datos de Google Cloud. Ninguna es "mejor" en abstracto: la pregunta correcta es en qué nube ya vive el resto de la infraestructura de la empresa y qué modelo específico necesita el caso de uso.
Azure es la única de las tres con acceso directo a los modelos de OpenAI bajo SLA empresarial, además de Llama, Mistral, DeepSeek y su propia familia Phi. Bedrock es la única con acceso nativo a los modelos Claude de Anthropic (Opus, Sonnet, Haiku), junto con Llama, Mistral y sus propios modelos Nova. Vertex AI da acceso nativo a Gemini (1.5/2.0 Pro y Flash) y, vía Model Garden, a Llama y otros modelos abiertos, además de integración directa con Anthropic Claude también disponible en Vertex. Si el requisito técnico es un modelo específico —GPT para ciertas capacidades de razonamiento, Claude para ciertas tareas de análisis de documentos largos, Gemini por su ventana de contexto— eso restringe la elección de plataforma antes de cualquier otra consideración.
Los tres ofrecen un servicio administrado de agentes con el mismo patrón de fondo: definición de agente, invocación de herramientas, memoria de conversación. AI Foundry Agent Service se diferencia por Connected Agents para multiagente nativo y su integración directa con Semantic Kernel. Bedrock Agents se apoya fuertemente en Knowledge Bases (su capa de RAG) y Action Groups definidos vía OpenAPI o funciones Lambda. Vertex AI Agent Builder añade Grounding with Google Search de forma nativa y se integra estrechamente con Dialogflow para casos de voz y contact center.
Azure AI Search es, de las tres opciones nativas de RAG, la más madura en capacidades de búsqueda empresarial (semantic ranker, seguridad a nivel de documento, skillsets de enriquecimiento). Bedrock Knowledge Bases es más simple de configurar pero menos flexible en control fino de ranking. Vertex AI Search hereda tecnología de búsqueda de Google y es fuerte en comprensión de intención de búsqueda, con integración directa a BigQuery para RAG estructurado sobre datos tabulares.
Azure AI Content Safety, Bedrock Guardrails y Vertex AI Safety Filters resuelven el mismo problema —bloquear contenido dañino, prevenir jailbreaks, detectar alucinaciones— con enfoques de configuración distintos. Bedrock Guardrails destaca por policies reutilizables aplicables a cualquier modelo del catálogo, incluso modelos de terceros, de forma uniforme. Azure tiene la ventaja de que Content Safety y Prompt Shields ya están integrados por defecto en cada llamada a Azure OpenAI sin configuración adicional. Vertex AI ofrece configuración granular de umbrales por categoría directamente en la llamada a Gemini.
Aquí es donde la decisión suele resolverse en la práctica: una empresa con Microsoft 365, Entra ID y Power Platform ya desplegados obtiene valor desproporcionado de AI Foundry por la integración directa con Teams y Copilot. Una empresa con su stack de datos y aplicaciones ya corriendo en AWS gana lo mismo con Bedrock por su integración con S3, Lambda y IAM. Una empresa con su data warehouse en BigQuery y su stack de analítica en Google Cloud obtiene ese mismo efecto de red con Vertex AI.
Como regla de decisión rápida: elegir AI Foundry si el requisito incluye integración con Microsoft 365/Teams o si el caso de uso depende de capacidades específicas de GPT/o1; elegir Bedrock si el requisito es acceso a Claude o si toda la infraestructura de datos ya vive en AWS; elegir Vertex AI si el caso de uso depende de ventanas de contexto muy largas de Gemini o de integración nativa con BigQuery. En organizaciones grandes, no es raro terminar con una arquitectura multi-cloud deliberada, usando cada plataforma para el modelo o la integración en que es más fuerte.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel