Visibilidad total sobre tus agentes de código: Amazon CloudWatch Coding Agent Insights
Amazon CloudWatch Coding Agent Insights centraliza la telemetría OpenTelemetry de Claude Code, OpenAI Codex y GitHub Copilot en dashboards pre-construidos, con consumo de tokens, costo, productividad y latencia segmentados por departamento, centro de costos, equipo y usuario.
Tus desarrolladores ya están usando agentes de código. La pregunta difícil es cuánto cuesta ese uso, qué equipos están obteniendo valor de él, y si la próxima expansión de licencias se justifica.
Amazon CloudWatch Coding Agent Insights responde esas preguntas con dashboards listos para usar que centralizan la telemetría de Claude Code , OpenAI Codex y GitHub Copilot. En este artículo cubrimos cómo llega la telemetría a CloudWatch, qué muestran los dashboards, y cómo los atributos organizacionales convierten números agregados en chargeback por departamento.
Por qué esto importa
La adopción de agentes de código suele avanzar más rápido que la capacidad de medirla. Un equipo de plataforma habilita Claude Code para un squad, ese squad se lo cuenta a otro, y en un trimestre el agente está corriendo en tres departamentos sin una vista compartida del consumo. Token por token, sesión por sesión, el gasto crece.
Las consecuencias aparecen en conversaciones concretas. A un líder de ingeniería le piden justificar el presupuesto del próximo año y no tiene datos de consumo por equipo. Un analista de FinOps necesita atribuir el gasto de los agentes a centros de costos y encuentra una sola línea indiferenciada. Un equipo de plataforma debe elegir entre dos modelos y no tiene una comparación medida de costo-rendimiento sobre la cual razonar, así que la decisión se toma por preferencia.
Ninguno de estos es un problema de tecnología, sino de reportería. La telemetría ya existe.
Cómo funciona Coding Agent Insights
Los agentes de código emiten métricas OpenTelemetry (OTel) de forma nativa: consumo de tokens, latencia por turno, llamadas a herramientas, requests API y decisiones de aprobación. Coding Agent Insights recibe esa telemetría a través del endpoint nativo OTLP de CloudWatch y la presenta en dashboards pre-construidos, disponibles en GenAI Observability → Coding Agent Insights dentro de la consola de CloudWatch.
No hay nada que crear ni importar. Los dashboards aparecen automáticamente una vez que los agentes envían datos en la estructura esperada. Tu única tarea es configurar cada agente para que publique sus métricas OTel hacia CloudWatch.
Requisitos previos
Necesitas una cuenta de AWS con CloudWatch habilitado, una versión del agente que soporte exportación OTel, y credenciales con permisos de ingesta de métricas OTLP. Antes de desplegar más allá de un puñado de desarrolladores, define la taxonomía de tus atributos organizacionales: los valores que elijas para
department , cost_center y team son la base de cada filtro y cada reporte de chargeback posterior, y reconciliar valores inconsistentes después es un trabajo tedioso.Agentes soportados
Agente | Documentación de configuración |
|---|---|
Claude Code | Set up OpenTelemetry for Claude Code — Bearer Token o Enterprise |
OpenAI Codex | Set up OpenTelemetry for OpenAI Codex — Bearer Token o Enterprise |
GitHub Copilot | Set up OpenTelemetry for GitHub Copilot — Bearer Token |
Cómo elegir el modo de configuración
El modo Bearer Token es el camino más rápido para un desarrollador individual o un equipo pequeño. El agente envía métricas OTLP directamente al endpoint de CloudWatch con un header
Authorization: Bearer , no requiere collector, y los atributos de identidad y organización viajan en la variable de entorno OTEL_RESOURCE_ATTRIBUTES .El modo Enterprise difiere según el agente. Para Codex es un enterprise rollout que federa identidad a través de tu proveedor de SSO corporativo — Okta, Microsoft Entra ID, Auth0 o AWS IAM Identity Center — y centraliza el acceso a Amazon Bedrock. Para Claude Code se implementa con el Claude apps gateway autohospedado: los desarrolladores inician sesión con el proveedor de identidad corporativo, y el gateway controla el acceso a los modelos y retransmite la telemetría. El gateway soporta Amazon Bedrock, Claude Platform on AWS, Google Cloud y Microsoft Foundry como upstreams.
La diferencia práctica entre ambos es la calidad de la atribución. En modo Bearer Token cada desarrollador define sus propios resource attributes, así que un error de tipeo en
department archiva su consumo en el bucket equivocado. El modo Enterprise define esos atributos de forma centralizada, que es justamente lo que quieres tener resuelto antes de que alguien use los números para chargeback.Dimensiones organizacionales
Cada dashboard puede segmentarse y filtrarse por los atributos organizacionales que tus agentes envían como resource attributes de OTel:
- Organization — la organización o empresa
- Department — ingeniería, producto, QA
- Cost Center — centro de costos para chargeback
- Team — equipo específico
- User — desarrollador individual, por email
- Role — rol del desarrollador
- Model — el modelo de IA en uso
- Location — ubicación geográfica
Explorando el dashboard de Claude Code
Las capturas de esta sección provienen de un ambiente de demostración con datos sintéticos. La siguiente imagen muestra el tab de Claude Code.

El Executive Summary responde la primera pregunta que hace la mayoría de los líderes: cuánto estamos gastando y quién lo está usando. Reporta total de tokens y costo total en USD para el periodo seleccionado, junto con usuarios activos, cantidad de sesiones y horas activas, lo que alcanza para derivar costo por desarrollador y por sesión sin exportar nada. El cache hit rate marca 99.4% aquí. Como las lecturas de caché se facturan a una fracción de los tokens de entrada, una caída en ese indicador se traduce de forma bastante directa en mayor gasto, lo que lo convierte en un buen objetivo para una alarma.
Los paneles de Usage & Cost desglosan ese total en dos ejes. Una serie temporal muestra si el consumo sube porque la adopción está creciendo o porque los prompts se están volviendo menos eficientes, dos situaciones que exigen respuestas opuestas. Las vistas por departamento de tokens y costo entregan las cifras que necesita una conversación de chargeback. El desglose por tipo de token separa input, output, cache read y cache creation, lo cual importa porque esas cuatro categorías tienen precios distintos.
El costo solo significa algo puesto frente al resultado. Los paneles de Developer Productivity reportan líneas de código generadas, más commits, pull requests y horas activas por departamento. Trátalos como indicadores de adopción y throughput, no como medidas de desempeño. Las líneas de código nunca han sido un buen proxy de valor, pero un equipo que produce commits y pull requests a ritmo constante claramente integró el agente a su flujo de trabajo, y un equipo con alto consumo de tokens y actividad de commits plana amerita una conversación.
Los paneles de Code Editing muestran dónde se está usando el agente y cuánto de su salida sobrevive a la revisión. La generación se divide por lenguaje entre Python, TypeScript, JavaScript, SQL y Bash, y las decisiones de edición registran conteos de aceptación y rechazo. La tasa de aceptación es lo más cercano a una señal de calidad en este dashboard: un equipo que rechaza la mayoría de las ediciones propuestas es uno donde el agente todavía no está bien ajustado al código base.
Filtrado por organización
Los paneles te dan agregados. El filtrado es lo que los convierte en respuestas sobre una parte específica de la organización. La siguiente imagen muestra la vista reducida a un solo desarrollador.

La vista está acotada a organización
octank-corp , departamento engineering , centro de costos cc-1234 , usuario ffagas@octankgoods.com y rol software-engineer . El dashboard recalcula de inmediato, lo que habilita las tres conversaciones que mencionamos antes: un líder de ingeniería revisando el gasto de su departamento, un analista de FinOps produciendo cifras de chargeback por centro de costos, y un manager comparando throughput entre equipos.Explorando el dashboard de OpenAI Codex
Codex reporta sobre los mismos ejes de costo y atribución, y agrega dos dimensiones que Claude Code no tiene: resultados de los requests y percentiles de latencia. La siguiente imagen muestra el tab de Codex.

El Overview cubre el total de tokens, 132K en este ambiente, junto con requests API, usuarios activos, turnos de conversación y un cache hit rate de 74.2%. Los turnos de conversación son el denominador útil acá, porque el trabajo con Codex se mide en intercambios más que en sesiones.
El uso de tokens sigue las mismas series temporales y desgloses por departamento, con una adición en el split por tipo: el reasoning output se reporta separado del output. En modelos de razonamiento suele ser el mayor de los dos, y separarlos te dice si un aumento de costo vino de respuestas más largas o de más deliberación.
Los paneles de API & Tool Activity son donde afloran los problemas operativos. Los requests se agrupan por resultado, así que un alza en fallas se vuelve visible antes de que los desarrolladores la reporten. Las llamadas a herramientas se desglosan por herramienta —
apply_patch , exec_command , tool_search y update_plan — lo que describe cómo está trabajando el agente y no solo cuánto se está usando. Las decisiones de aprobación registran con qué frecuencia los desarrolladores aceptan las acciones que Codex propone.La latencia se reporta en p50, p90 y p99 para turnos de conversación, time to first token y llamadas a herramientas, con la latencia p90 de requests API también dividida por departamento. Los percentiles son la vista correcta para herramientas de desarrollo. Una latencia p99 de varios segundos por turno es la experiencia que hace que la gente vuelva a escribir código a mano, y desaparece dentro de un promedio.
Filtrado por modelo y ambiente
La vista de Codex ofrece los mismos filtros organizacionales que Claude Code, más Environment, que separa desarrollo, staging y producción, y Model, que aísla el consumo por modelo específico. La siguiente imagen muestra el dashboard filtrado a un modelo.

Con la vista acotada a
openai.gpt-5.6-luna , puedes comparar costo, latencia y tasas de aceptación contra otro modelo como openai.gpt-5.4 sobre la misma carga de trabajo, y enrutar cada carga al modelo que ofrezca la mejor relación costo-rendimiento. Esta es justamente la medición que suele faltar en los debates de selección de modelo.Conclusión
Coding Agent Insights cierra una brecha específica: te da visibilidad operativa sobre la adopción de agentes de código a escala organizacional sin construir ni mantener dashboards. Los dashboards aparecen por sí solos cuando llega la telemetría, cubren Claude Code, Codex y Copilot en una sola consola, y los atributos organizacionales hacen posible el chargeback real y las decisiones de expansión basadas en evidencia. Como las métricas subyacentes son consultables con PromQL, también puedes construir vistas personalizadas y alarmas proactivas sobre ellas.
Primeros pasos
- Elige tu agente y sigue la guía de configuración .
- Configura los resource attributes organizacionales como
department,cost_centeryteampara que la segmentación funcione desde la primera métrica.
- Abre la consola de CloudWatch y navega a GenAI Observability → Coding Agent Insights.
- Define alertas de presupuesto de tokens por departamento con PromQL.
Coding Agent Insights está disponible en todas las Regiones comerciales de AWS excepto Middle East (UAE), Middle East (Bahrain) e Israel (Tel Aviv). Se aplica el precio estándar de ingesta de métricas OpenTelemetry de CloudWatch; consulta precios de CloudWatch para más detalles.
Francisco Fagas es Senior Specialist Solutions Architect para IA Generativa en AWS, basado en San Juan, Puerto Rico, cubriendo cuentas enterprise de LATAM NOLA. Con más de 20 años de experiencia en TI, combina conocimiento técnico en arquitectura de nube, desarrollo de aplicaciones e IA/ML para ayudar a clientes enterprise a adoptar IA Generativa y acelerar la innovación mediante IA agéntica, grandes modelos de lenguaje y prácticas modernas de desarrollo.
Las opiniones expresadas en este artículo son las del autor y no necesariamente reflejan las opiniones de AWS.
Enjoyed reading this content? Let the author know!
Your likes, comments, shares, and saves help creators reach more builders.
Loading recommendations
Loading article