AWS anunció el 5 de agosto de 2026 la disponibilidad general de la función de búsqueda vectorial dentro de Amazon DynamoDB, lo que permite almacenar incrustaciones vectoriales junto con los datos operativos y realizar búsquedas de similitud directamente dentro de la tabla, sin copiar los datos a una base de datos vectorial independiente.
La función ofrece una latencia de respuesta de un solo dígito en milisegundos, con una tasa de recuperación superior al 99 %, y está diseñada para escalar a cualquier tamaño, incluidos billones de vectores. También se basa en la arquitectura sin servidores de DynamoDB, por lo que el usuario no necesita aprovisionar ni parchear servidores, ni instalar y administrar software. AWS señala que el servicio no requiere versiones ni ventanas de mantenimiento, y ofrece mantenimiento sin interrupciones.
Reducir la complejidad de la arquitectura de las aplicaciones de IA
Incorporar la búsqueda vectorial a una aplicación que utiliza DynamoDB normalmente requería copiar los datos a un almacén vectorial especializado y crear después una canalización para sincronizar ambos servicios. Según AWS, este enfoque añadía cargas operativas y costes de transferencia de datos y licencias, además del desafío de mantener una latencia baja y predecible al escalar.
Con la integración de la búsqueda vectorial en DynamoDB, los datos operativos y las incrustaciones pueden compartir la misma arquitectura sin servidores y el mismo modelo de precios basado en el pago por solicitud. Los índices vectoriales ofrecen una capacidad de almacenamiento ilimitada, con escalado horizontal a medida que crecen los datos.
La función está dirigida a aplicaciones de memoria para agentes, generación aumentada mediante recuperación, motores de recomendación, experiencias personalizadas, detección de anomalías y otros usos que requieren recuperación semántica.
Cómo funciona la búsqueda vectorial
La función crea un nuevo tipo de índice sobre el atributo que almacena las incrustaciones vectoriales. Estas incrustaciones pueden generarse con el modelo que elija el usuario, como Amazon Bedrock Titan Text Embeddings, Cohere Embed o los modelos de incrustación de texto de OpenAI, y después almacenarse como una lista de números decimales mediante una llamada estándar a PutItem.
A continuación, el usuario crea un índice vectorial en el que especifica el número de dimensiones, la función de distancia y cualquier atributo no vectorial que pueda utilizarse para filtrar los resultados durante la búsqueda. La interfaz SearchVectors recibe el vector de consulta y el número de resultados solicitados, con un máximo de 100 resultados, además de las condiciones de filtrado opcionales, y devuelve los resultados ordenados por similitud.
La función admite hasta 4096 dimensiones y las funciones de distancia Euclidean, Cosine y Dot product, además del filtrado integrado. AWS recomienda alinear la función de distancia con la utilizada para entrenar el modelo de incrustación a fin de lograr la mejor precisión.
Ejemplo de una tienda de productos deportivos
La guía de AWS muestra cómo añadir la búsqueda vectorial a una tabla existente de catálogo de productos. En el ejemplo, las incrustaciones de las descripciones de los productos se almacenan en un nuevo atributo llamado descriptionEmbedding, utilizando el tipo List disponible en DynamoDB, sin necesidad de un nuevo tipo de datos ni de cambios en el esquema.
Después de crear un índice llamado ProductDescriptionIndex, se puede utilizar marketplace como clave de partición para distribuir los vectores entre las secciones y limitar la búsqueda a un mercado específico; también se puede añadir category como atributo de filtrado. Las condiciones de filtrado admiten únicamente coincidencias exactas y no admiten condiciones de rango como BETWEEN o BEGINS_WITH.
Al buscar una frase natural como «zapatillas de running ligeras para el verano», el usuario genera un vector de consulta con el mismo modelo y después especifica el índice, el número de resultados, el valor del mercado, como US, y la categoría deseada. DynamoDB devuelve los cinco productos más similares junto con sus atributos operativos, como el nombre y el precio, en la misma respuesta. En las funciones Cosine y Euclidean, los valores más bajos indican una mayor similitud, mientras que los valores más altos indican una mayor similitud cuando se utiliza Dot product.
Disponibilidad
La búsqueda vectorial en DynamoDB ya está disponible de forma general en todas las regiones comerciales de AWS, incluidas las regiones de AWS GovCloud (US). AWS dirige a los usuarios a la página de capacidades de AWS por región para consultar la disponibilidad regional y la futura hoja de ruta, y a la página de precios de Amazon DynamoDB para obtener información detallada sobre los costes.