01What it isQué es
Agent deployment decides where each part of an agent runs — on the edge device next to the event, in the cloud next to large models and data, or split between both — and with which identity, permissions and monitoring.
El despliegue de agentes decide dónde corre cada parte de un agente —en el dispositivo edge junto al evento, en la nube junto a los grandes modelos y datos, o repartido entre ambos— y con qué identidad, permisos y monitoreo.
02Why it mattersPor qué importa
A cold chain alert that waits for a network round trip, or fails in a tunnel, is an alert that arrives after the product is lost. Edge computing moves processing close to where data is generated to cut latency and keep working when connectivity is poor (Shi, Cao, Zhang, Li and Xu, 2016 — IEEE Internet of Things Journal). Agents that act on enterprise systems also need least-privilege access, traceability and monitoring as part of AI risk management (NIST, 2023 — AI Risk Management Framework 1.0, NIST AI 100-1).
Una alerta de cadena de frío que espera un viaje de red de ida y vuelta, o que falla en un túnel, es una alerta que llega después de perder el producto. El edge computing acerca el procesamiento al lugar donde se generan los datos para reducir la latencia y seguir operando con conectividad deficiente (Shi, Cao, Zhang, Li and Xu, 2016 — IEEE Internet of Things Journal). Los agentes que actúan sobre sistemas empresariales también requieren acceso de mínimo privilegio, trazabilidad y monitoreo como parte de la gestión de riesgos de IA (NIST, 2023 — AI Risk Management Framework 1.0, NIST AI 100-1).
03How it is doneCómo se hace
1
Match location to deadline. Run on the edge whatever must react in seconds or offline, and send to the cloud whatever needs heavy compute or an LLM.
2
Give agents own identities. Create a dedicated service account per agent with least-privilege permissions and a full audit trail of its actions.
3
Operate it like a service. Version, monitor and roll back agents with the same availability targets and observability as any critical system.
1
Ubica según el plazo. Corre en edge lo que debe reaccionar en segundos o sin conexión, y manda a la nube lo que requiere cómputo pesado o un LLM.
2
Da identidad propia a cada agente. Crea una cuenta de servicio dedicada por agente, con permisos de mínimo privilegio y bitácora completa de sus acciones.
3
Opéralo como un servicio. Versiona, monitorea y revierte agentes con las mismas metas de disponibilidad y observabilidad que cualquier sistema crítico.
04The concept in depthEl concepto a fondo
Supply chain agent deployment: where the agent lives matters›
The deployment decision (edge vs. cloud) has direct implications for decision latency, connectivity availability, compute cost, and data security.
The 3 deployment patterns for supply chain agents›
(1) Edge deployment: agent lives on the local device (production line PLC, CEDIS WMS, refrigerated truck data logger). Advantage: <10ms latency, offline availability. (2) Cloud deployment: agent lives in AWS/Azure/GCP. Advantage: virtually unlimited compute, LLM integration. Limitation: network latency of tens to hundreds of milliseconds and dependence on connectivity. (3) Hybrid deployment: reactive component on edge, deliberative in cloud. A common pattern for production supply chain agents.
Security implications of agent deployment›
Supply chain agents have access to critical systems. Deployment must include: dedicated service identity, least-privilege authorization, and complete audit trail of all actions.
Intermediate vs. Advanced›
Intermediate: works with deployed agents; reports latency or availability problems.
Advanced: designs the deployment strategy; manages lifecycle (versioning, rollback, monitoring); implements agent security controls.
Advanced: designs the deployment strategy; manages lifecycle (versioning, rollback, monitoring); implements agent security controls.
Despliegue de agentes de supply chain: dónde vive el agente sí importa›
La decisión de despliegue (edge vs. nube) tiene implicaciones directas en la latencia de decisión, la disponibilidad de conectividad, el costo de cómputo y la seguridad de los datos.
Los 3 patrones de despliegue para agentes de supply chain›
(1) Despliegue en edge: el agente vive en el dispositivo local (PLC de la línea de producción, WMS del CEDIS, data logger del camión refrigerado). Ventaja: latencia <10 ms y disponibilidad sin conexión. (2) Despliegue en la nube: el agente vive en AWS/Azure/GCP. Ventaja: cómputo prácticamente ilimitado e integración con LLM. Limitación: latencia de red de decenas a cientos de milisegundos y dependencia de la conectividad. (3) Despliegue híbrido: componente reactivo en edge y deliberativo en la nube. Es un patrón común en agentes de supply chain en producción.
Implicaciones de seguridad del despliegue de agentes›
Los agentes de supply chain tienen acceso a sistemas críticos. El despliegue debe incluir: identidad de servicio dedicada, autorización de mínimo privilegio y bitácora de auditoría completa de todas las acciones.
Intermedio vs. Avanzado›
Intermedio: trabaja con agentes desplegados; reporta problemas de latencia o disponibilidad.
Avanzado: diseña la estrategia de despliegue; gestiona el ciclo de vida (versionado, rollback, monitoreo); implementa controles de seguridad del agente.
Avanzado: diseña la estrategia de despliegue; gestiona el ciclo de vida (versionado, rollback, monitoreo); implementa controles de seguridad del agente.
05In practiceEn la práctica
The hybrid pattern (edge for the reactive layer, cloud for the deliberative) is optimal for most production supply chain agents›
The reactive layer needs the low latency and high availability of the edge. The deliberative layer can tolerate higher cloud latency in exchange for greater computational capacity.
The agent needs a dedicated service identity — never human credentials›
An agent using the Procurement Director credentials to access the ERP is a security and audit risk.
Implement the circuit breaker for agents calling external APIs›
An agent receiving repeated timeouts without a circuit breaker can generate a cascade of failed calls that saturates the system.
Monitor agent behavior in production with the same rigor as a critical service›
Agent metrics (latency, error rate, autonomous decision rate vs. escalated to human) must be in a real-time observability dashboard.
El patrón híbrido (edge para la capa reactiva, nube para la deliberativa) es el óptimo para la mayoría de los agentes de supply chain en producción›
La capa reactiva necesita la baja latencia y la alta disponibilidad del edge. La capa deliberativa puede tolerar la mayor latencia de la nube a cambio de más capacidad de cómputo.
El agente necesita una identidad de servicio dedicada, nunca credenciales humanas›
Un agente que usa las credenciales del Director de Compras para acceder al ERP es un riesgo de seguridad y de auditoría.
Implementa el circuit breaker en agentes que llaman a APIs externas›
Un agente que recibe timeouts repetidos sin circuit breaker puede generar una cascada de llamadas fallidas que satura el sistema.
Monitorea el comportamiento del agente en producción con el mismo rigor que un servicio crítico›
Las métricas del agente (latencia, tasa de error, tasa de decisiones autónomas vs. escaladas al humano) deben estar en un tablero de observabilidad en tiempo real.
06Illustrative caseCaso ilustrativo
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Illustrative case: Edge+cloud hybrid deployment — distribution company, temperature management agent for cold chain
| Agent component | Where deployed | Why |
|---|---|---|
| Temperature monitoring agent (reactive layer) | Edge · In the IoT data logger of the refrigerated truck | Latency <5 seconds · Availability during tunnels and areas without connectivity · Agent detects excursion even offline |
| Severity classification and notification agent | Hybrid · Edge for initial classification · Cloud for personalized customer notification | Severity classification needs <30 seconds (edge) · Customer notification can have 1–2 minute latency (cloud) |
| Deliberative post-incident root cause analysis agent | Cloud · LLM in Azure OpenAI | Root cause analysis is not urgent · Requires the LLM for the Non-Conformance Report narrative |
Result: The hybrid pattern ensured 100% of temperature excursions were detected and notified — including those in areas without connectivity — vs. the 68% detection rate of the previous cloud-only system. Detection latency: <5 seconds for edge vs. >15 minutes for cloud without edge.
Illustrative case built from typical industry values — not data from a specific company.Caso ilustrativo construido con valores típicos de la industria — no son datos de una empresa específica.
Caso ilustrativo: Despliegue híbrido edge+nube — empresa de distribución, agente de gestión de temperatura para cadena de frío
| Componente del agente | Dónde se despliega | Por qué |
|---|---|---|
| Agente de monitoreo de temperatura (capa reactiva) | Edge · En el data logger IoT del camión refrigerado | Latencia <5 segundos · Disponibilidad en túneles y zonas sin conectividad · El agente detecta la excursión incluso sin conexión |
| Agente de clasificación de severidad y notificación | Híbrido · Edge para la clasificación inicial · Nube para la notificación personalizada al cliente | La clasificación de severidad requiere <30 segundos (edge) · La notificación al cliente admite 1–2 minutos de latencia (nube) |
| Agente deliberativo de análisis de causa raíz posincidente | Nube · LLM en Azure OpenAI | El análisis de causa raíz no es urgente · Requiere el LLM para la narrativa del Reporte de No Conformidad |
Resultado: El patrón híbrido aseguró que el 100% de las excursiones de temperatura se detectaran y notificaran —incluidas las ocurridas en zonas sin conectividad— vs. la tasa de detección de 68% del sistema anterior solo en la nube. Latencia de detección: <5 segundos en edge vs. >15 minutos en la nube sin edge.
07How it is measuredCómo se mide
Agent Availability %›
Agent Availability %
(Time the agent is operational and processing / Total period time) × 100
Benchmark: >99.9% availability for critical agents (temperature monitoring, emergency inventory control)
⚠️ A temperature monitoring agent with 99% availability (87 hours of downtime per year) may have its downtime precisely at the highest-risk moments.
Agent Decision Latency by Deployment Pattern›
Agent Decision Latency by Deployment Pattern
Average decision time by pattern: edge (<50ms), cloud (<500ms), hybrid (<100ms for the reactive layer)
Benchmark: <50ms for edge · <500ms for cloud · <100ms for the reactive layer of the hybrid
🔑 Latency determines if the agent can react in time. A temperature control agent with 15 minutes of latency cannot prevent product damage that occurs in the first 5 minutes of an excursion.
Agent Availability %›
Agent Availability % (disponibilidad del agente)
(Tiempo en que el agente está operativo y procesando / Tiempo total del periodo) × 100
Benchmark: >99.9% de disponibilidad para agentes críticos (monitoreo de temperatura, control de inventario de emergencia)
⚠️ Un agente de monitoreo de temperatura con 99% de disponibilidad (87 horas de inactividad al año) puede quedar fuera justo en los momentos de mayor riesgo.
Agent Decision Latency by Deployment Pattern›
Agent Decision Latency by Deployment Pattern (latencia por patrón de despliegue)
Tiempo promedio de decisión por patrón: edge (<50 ms), nube (<500 ms), híbrido (<100 ms para la capa reactiva)
Benchmark: <50 ms en edge · <500 ms en nube · <100 ms para la capa reactiva del híbrido
🔑 La latencia determina si el agente puede reaccionar a tiempo. Un agente de control de temperatura con 15 minutos de latencia no puede evitar el daño al producto que ocurre en los primeros 5 minutos de una excursión.
08What you would useQué se usa
📌 Agent Deployment
Azure IoT Edge / AWS IoT Greengrass›
Module: Edge AI Deployment for Industrial Supply Chain
Azure and AWS edge computing platforms for deploying AI agents on industrial devices.
Azure and AWS edge computing platforms for deploying AI agents on industrial devices.
Kubernetes + Helm / Docker›
Module: Container-Based Cloud Agent Deployment
Container infrastructure for deploying supply chain agents in the cloud with automatic scalability, versioning, and rollback.
Container infrastructure for deploying supply chain agents in the cloud with automatic scalability, versioning, and rollback.
📌 Despliegue de agentes
Azure IoT Edge / AWS IoT Greengrass›
Módulo: Despliegue de IA en edge para supply chain industrial
Plataformas de edge computing de Azure y AWS para desplegar agentes de IA en dispositivos industriales.
Plataformas de edge computing de Azure y AWS para desplegar agentes de IA en dispositivos industriales.
Kubernetes + Helm / Docker›
Módulo: Despliegue de agentes en la nube basado en contenedores
Infraestructura de contenedores para desplegar agentes de supply chain en la nube con escalabilidad automática, versionado y rollback.
Infraestructura de contenedores para desplegar agentes de supply chain en la nube con escalabilidad automática, versionado y rollback.
The bottom lineEn corto
Put the reflexes on the edge and the thinking in the cloud.
Pon los reflejos en el edge y el razonamiento en la nube.
← PreviousAnteriorAgent evaluation frameworks: testing, red-teaming & performance benchmarkingFrameworks de evaluación de agentes: testing, red-teaming y benchmarks de desempeñoNextSiguiente →The AVC Theorem: Autonomy-Veracity-Coordination trilemma in AI supply chainsEl Teorema AVC: el trilema Autonomía-Veracidad-Coordinación en la SC con IA
All D13 componentsTodos los componentes de D13D13 artifactsArtifacts de D13SCRA