A AWS detalha a segunda parte de um guia sobre governança de modelos entre contas usando MLflow gerenciado no Amazon SageMaker AI e o Model Registry. O foco é o que muda quando organizações maiores separam desenvolvimento e produção em contas diferentes.
O texto apresenta duas topologias. No modelo hub-and-spoke, a conta central compartilha o aplicativo MLflow com as contas de desenvolvimento por meio do AWS Resource Access Manager (AWS RAM), para que a governança veja os candidatos em um único ponto. O post também observa que o registro automático cria a versão no hub junto com a chamada de registro, e que o modelo aparece com métricas, cartão de avaliação e linhagem vindos da execução na conta de desenvolvimento.
Já o modelo híbrido é voltado a ambientes regulados e evita que as contas de desenvolvimento escrevam, mesmo indiretamente, na conta central. Nessa abordagem, o proprietário do modelo aprova a versão localmente, e um fluxo acionado pelo Amazon EventBridge copia o pacote aprovado para o hub, levando os artefatos para um bucket controlado pelo hub e recriando o pacote com referência à origem.
Em ambos os casos, a aprovação no registro não implanta o modelo sozinha: ela apenas dispara um evento que pode iniciar um pipeline de CI/CD para criar ou atualizar o endpoint. O guia também alerta que a linhagem fica na conta onde a sincronização ocorreu, e não acompanha automaticamente a cópia para a implantação.