Agentic Data Ingestion è una soluzione di riferimento di AWS che usa modelli Amazon Bedrock, agenti Strands su AgentCore, Step Functions e AWS Glue per proporre mappature dei dati, generare trasformazioni e avviare job ETL con passaggi di approvazione umana. Per i file, ogni caricamento su S3 avvia una nuova esecuzione; le sorgenti JDBC vengono elaborate su richiesta o secondo una pianificazione. AWS ha descritto il flusso nel suo articolo tecnico, pubblicato il 9 novembre 2026.
ETL è il processo che estrae dati da una sorgente, li trasforma e li carica in una destinazione. Qui gli agenti assistono nella creazione della pipeline, ma il flusso prevede controlli prima che il job venga eseguito. È una distinzione importante se la tua esigenza è aggiornare i dati in modo continuo: il modello descritto lavora per caricamenti singoli o letture JDBC pianificate e su richiesta, non come elaborazione continua in streaming.
Prima di valutare una pipeline, chiarisci quando devono arrivare i dati e su quali righe si basano i test: il percorso cambia tra file e database.
Sorgenti, frequenza e test
La soluzione gestisce file e database tramite percorsi diversi. JDBC è lo standard usato per collegare applicazioni Java a database relazionali; in questo flusso le sorgenti supportate sono PostgreSQL, Amazon Aurora, MySQL, MariaDB, Oracle e SQL Server.
| Sorgente | Frequenza documentata | Base del test |
| File caricati su Amazon S3 | Ogni file caricato avvia una nuova esecuzione | Trasformazione provata in una sessione AWS Glue interattiva, con la stessa versione di Spark del job e un campione di 100 righe |
| Database tramite JDBC | Esecuzione su richiesta o pianificata; i caricamenti incrementali usano un riferimento temporale o numerico | Righe generate a partire dallo schema, perché la sessione di test non accede al database |
I file supportati sono CSV, TSV, delimitati da barra verticale, JSON, Parquet, Avro, ORC ed Excel .xlsx; per ogni esecuzione .xlsx viene elaborato un solo foglio di lavoro. Per i caricamenti JDBC incrementali, il riferimento temporale o numerico permette di selezionare le righe più recenti rispetto all’ultima esecuzione.
La differenza nei test è pratica: nel caso dei file, il codice viene provato su un campione di dati; nel caso JDBC, il test usa righe sintetiche costruite dallo schema, non record letti dal database. Le destinazioni previste sono tabelle Apache Iceberg in S3 Tables, database relazionali collegati via JDBC e file Parquet partizionati in un bucket S3. S3 Tables supporta scrittura in aggiunta, sovrascrittura e fusione dei dati.
Le dieci fasi e i punti di approvazione
Step Functions coordina il flusso, dall’ingresso dei dati all’esecuzione del job Glue. La sequenza descritta da AWS è:
- Convalidare il file.
- Estrarre lo schema, cioè la struttura dei campi e dei tipi di dato.
- Confrontare lo schema della sorgente con quello atteso.
- Proporre la mappatura dei campi.
- Generare il codice di trasformazione.
- Provare il codice.
- Predisporre l’infrastruttura della destinazione.
- Creare il job AWS Glue.
- Registrare i controlli di qualità.
- Eseguire la pipeline.
Una persona può esaminare la mappatura dopo la quarta fase e il codice dopo la sesta. La revisione della mappatura può essere saltata soltanto quando ogni coppia di campi ha alta confidenza ed è corroborata da una corrispondenza dei nomi; le mappature riutilizzate passano invece in revisione per impostazione predefinita. I passaggi di approvazione si chiudono in caso di errore nel determinare se la revisione sia necessaria, registrano l’identità del revisore e scadono dopo 72 ore.
AWS limita inoltre la parte di codice scritta dal modello: template Jinja2 specifici per la destinazione forniscono l’impalcatura già revisionata e, negli esempi, il modello produce in genere un blocco di trasformazione di 5–15 righe. Il blocco viene controllato con una lista di elementi consentiti; prima di creare il job, il flusso analizza e convalida anche i parametri richiesti.
Per i file, la sessione Glue interattiva controlla conteggi dei record, valori nulli e conformità allo schema sul campione di 100 righe. Un agente di recupero può avviare un nuovo tentativo per alcuni errori di schema o tipo e per errori di memoria. Salta il tentativo se il job potrebbe aver già scritto dati o se riprovare non risolverebbe il problema, come nel caso di permessi mancanti.
Requisiti di distribuzione e accesso
La distribuzione richiede autorizzazioni nell’account AWS e nella regione scelta, oltre che in us-east-1; servono anche accesso a Claude Sonnet 4.6, Node.js 20 o successivo, Python 3.12 o successivo, AWS CLI, Docker, capacità di compilazione per ARM64 oppure QEMU, circa 100 GB di spazio libero e un’app di autenticazione. Il campione distribuisce otto stack CloudFormation. Se si salta la configurazione iniziale del modello, la distribuzione può terminare, ma le funzioni di intelligenza artificiale falliscono con AccessDeniedException: la prima chiamata al modello richiede una configurazione iniziale dell’account con le credenziali dell’utente che esegue la distribuzione.
Il profilo di inferenza incrociata us.anthropic.claude-sonnet-4-6 usato dal campione è descritto da AWS come disponibile soltanto dalle regioni AWS statunitensi. Per distribuire il campione fuori dagli Stati Uniti occorre modificare l’identificativo del modello. AWS ha provato la soluzione in us-west-2; lo stack WAF viene distribuito in us-east-1 per CloudFront.
Sul piano della sicurezza, il codice generato viene provato in isolamento con un ruolo di sola lettura. I job della pipeline hanno ruoli IAM circoscritti e un limite alle autorizzazioni; i runtime degli agenti usano ruoli separati. I dati sono cifrati in transito e a riposo, e le credenziali JDBC vengono richiamate tramite ARN di AWS Secrets Manager. L’accesso a Cognito richiede MFA per impostazione predefinita. Nel pannello, però, tutti gli utenti autenticati hanno accesso completo: la federazione delle identità e i permessi basati sui ruoli non sono inclusi nel campione e sono indicati come interventi di rafforzamento per l’uso in produzione.
Prima di rimuovere la distribuzione, considera che potrebbe essere necessario eliminare pipeline e risorse create durante l’esecuzione, tra cui dati, tabelle, segreti, database, risorse IAM e stack. Lo stack di bootstrap CDK resta attivo se non viene rimosso separatamente.
Come interpretare le stime di costo AWS
AWS stima un costo di 0,10–0,25 USD per esecuzione campione e 15–20 USD al mese per la distribuzione inattiva. Le cifre si riferiscono a un test in us-west-2, con file campione da sette o otto colonne e prezzi pubblici AWS. Sono stime di quella configurazione, non un preventivo per un carico di lavoro o una regione diversi.
Per ogni esecuzione campione, AWS attribuisce 0,05–0,14 USD alle chiamate al modello, 0,01–0,02 USD a ogni tentativo di test nella sessione interattiva di Glue e circa 0,02 USD al job Glue. AgentCore Runtime, Step Functions, DynamoDB, S3 e CloudWatch insieme restano sotto 0,05 USD per esecuzione. Il costo mensile inattivo comprende circa 14 USD per due web ACL WAF e le relative regole, fino a 5 USD per CloudWatch in base all’uso del piano gratuito e circa 1 USD per lo storage e un segreto.