# Agentes de IA a medida para su sector

Construya un agente de IA en torno a un flujo de trabajo útil: los sistemas a los que se conecta, los casos con los que se evalúa, las acciones que aprueba una persona y el acceso que recibe. Acordamos ese alcance con sus especialistas del sector y elegimos un modelo según esos requisitos. La integración y el registro de evaluación siguen formando parte de su entrega cuando cambia el modelo.

## Conectado: a los sistemas donde se realiza el trabajo

Un agente que no puede acceder a sus sistemas solo puede conversar. Lo conectamos a aquellos donde se realiza el trabajo — el ERP, el CRM, el sistema de reservas, el buzón de correo, el repositorio documental —, cada uno mediante una herramienta descrita con una función acotada: buscar un buque, redactar un presupuesto o registrar un expediente. Las herramientas se ofrecen mediante MCP o una API, cada entrada tiene un tipo definido y se valida, y un agente que necesita los registros de su empresa los lee a partir de datos preparados para él. La memoria de casos anteriores reside en su base de datos, no en el historial de conversación de un proveedor.

## Medido: con casos que redactan sus especialistas

Sin pruebas, «parece mejor» es la única medida disponible. Nos sentamos con las personas que realizan el trabajo y documentamos casos reales de su sector, cada uno con la respuesta que daría alguien con experiencia. Cada cambio — una instrucción, una herramienta, un modelo — se contrasta con todos los casos antes de publicarse, y la puntuación de cada caso se conserva a lo largo del tiempo, para que la revisión pueda detectar regresiones en los casos acordados. Es el control de calidad obligatorio que aplicamos a nuestro propio código, aplicado a las respuestas de un agente.

## Supervisado: una persona decide donde importa

No todas las acciones deben quedar exclusivamente en manos del agente. Documentamos con usted qué puede hacer por su cuenta, qué prepara para que una persona lo apruebe y qué no debe tocar nunca. Las reglas se hacen cumplir en las herramientas, en lugar de limitarse a pedirlo en las instrucciones. Una pantalla de revisión muestra a una persona qué propone el agente y por qué; una corrección realizada allí se convierte en un nuevo caso de prueba. Cada paso se traza con OpenTelemetry, de modo que, cuando una respuesta falla, puede ver qué herramienta, qué documento y qué modelo la produjeron.

## Evaluar los cambios de modelo antes de desplegarlos

La elección del modelo es configurable cuando la integración lo permite. Comparamos un candidato con sus casos acordados en cuanto a calidad de respuesta, comportamiento ante fallos, coste y latencia. La evaluación sirve para decidir sobre su despliegue; un modelo más reciente no mejora automáticamente su flujo de trabajo. Los cambios siguen el proceso acordado de revisión y despliegue, con la configuración anterior disponible para una reversión.

## El trabajo que lo respalda

Los hábitos que hacen fiable a un agente son los que ya seguimos en nuestra propia ingeniería. Construimos un motor de controles con 268 comprobaciones por commit y un control obligatorio de commits con 22 analizadores y sin nivel de advertencia, y después escribimos pruebas para los propios comprobadores para que una comprobación que no lea nada no pueda declarar que todo está bien. Construimos supervisión y trazabilidad de errores propias, hicimos que seis recopiladores indicaran qué habían omitido y gestionamos todo un programa de desarrollo mediante 51 iniciativas escritas, cada una con sus mediciones y las decisiones que descartó. La propia preparación de este sitio para agentes se construyó del mismo modo.

## Cómo se desarrolla un encargo

Empieza con una tarea y sus casos. Nos sentamos con las personas que la realizan, documentamos entre treinta y cincuenta ejemplos reales con las respuestas correctas y acordamos qué puede hacer el agente por su cuenta. Después construimos el agente más sencillo que supere esas pruebas, detrás de una pantalla de revisión, en su infraestructura o en su cuenta de nube, con el acceso limitado a lo que necesita. Luego abordamos la siguiente tarea. El código, los casos y los datos son suyos, por lo que el agente sigue siéndolo cuando cambia el modelo subyacente. Se contrata como el resto de nuestro trabajo, según las condiciones de cuánto cuesta.

Si en su sector hay trabajo que un agente debería quitarle de encima a alguien, cuéntenos cuál es (lo lee la ingeniera).

=> /es/ai-data/ datos preparados para él
=> https://engineer.company/es/portfolio/built-a-268-check-guard-engine-for-the-repo/ Construimos un motor de controles con 268 comprobaciones por commit
=> https://engineer.company/es/portfolio/built-a-22-linter-commit-gate/ un control obligatorio de commits con 22 analizadores y sin nivel de advertencia
=> https://engineer.company/es/portfolio/wrote-tests-for-the-checkers-themselves/ escribimos pruebas para los propios comprobadores
=> https://engineer.company/es/portfolio/built-first-party-error-monitoring-and-tracing/ Construimos supervisión y trazabilidad de errores propias
=> https://engineer.company/es/portfolio/made-six-collectors-state-what-they-skipped/ hicimos que seis recopiladores indicaran qué habían omitido
=> https://engineer.company/es/portfolio/ran-development-as-51-written-initiatives/ gestionamos todo un programa de desarrollo mediante 51 iniciativas escritas
=> /es/ai-ready/ preparación de este sitio para agentes
=> /es/ai-security/ limitado a lo que necesita
=> /es/what-it-costs/ cuánto cuesta
=> /es/contact/ cuéntenos cuál es

=> https://brand.engineer.company/es/ai-agents/ Esta página en la web
