Türkçe
English
Deutsch
Français
Español
Русский
Български
العربية
Tecnología
Convertimos veinte años de modelos de dominio en capacidades que la IA puede operar.
- Inicio
- /
- Tecnología
En un proyecto de software empresarial, buena parte del esfuerzo va a las pantallas. Formularios, listados, pantallas de permisos, páginas de informes. Todo eso existe para que una persona pueda usar lo que el sistema es capaz de hacer. Incluso una vez definida la regla de negocio, llevarla a la pantalla es un trabajo en sí mismo.
Los agentes de IA cambian ese panorama. Cuando un sistema define lo que puede hacer de una forma que la máquina entiende, el usuario puede trabajar con él sin esperar una pantalla. Para un proceso de su organización, esto significa que puede ponerse en marcha sin esperar su turno en la cola de interfaces.
No escribimos la parte repetitiva del código
El mismo esqueleto se repite en cada proyecto empresarial: modelo de datos, capa de acceso a datos, contratos de servicio, autorización, registro de auditoría. Estas capas no son lo que distingue a un proyecto, pero deben escribirse, y bien. Ahí es donde suelen retrasarse los proyectos; el verdadero trabajo específico de la organización llega tarde a su turno.
Ese esqueleto lo produce nuestro propio framework de desarrollo y las herramientas de generación de código construidas sobre él. Desarrollamos estas herramientas a lo largo de años en nuestros propios proyectos, afinándolas en cada uno. El tiempo que ganamos lo dedicamos a la parte del trabajo genuinamente específica de la organización.
Esto tiene una segunda ventaja. El código que sale del mismo molde se comporta igual en cada proyecto. Un equipo que hereda el sistema más adelante encuentra la misma estructura que ya conocía; por eso el mantenimiento y la transferencia no son un problema.
También colocamos la generación asistida por IA sobre esta misma línea. El generador de código construye con precisión la estructura ya definida. El modelo de lenguaje produce borradores rápidos en la parte que aún no está definida. Cada uno hace un trabajo distinto y funcionan juntos.
No todo sistema necesita una pantalla propia
Usar un sistema empresarial siempre ha implicado aprender sus pantallas. Se capacita al personal nuevo, se explican los menús, se enseña qué tarea se hace en qué pantalla. Quien usa el sistema en realidad aprende su interfaz, no el sistema en sí.
Los agentes de IA cambian esta relación. Cuando un sistema expone sus capacidades a través de una definición estándar, el usuario le explica a la IA con la que trabaja lo que quiere, y la tarea se realiza dentro del sistema. Basta con describir la tarea, en lugar de aprender la pantalla.
El nombre común de esta definición hoy es MCP. Su nombre y detalles pueden cambiar con el tiempo. Lo que permanece es que los sistemas empresariales se vuelven explicables no solo a las personas, sino también a las máquinas.
Para nuestra propia familia de productos, esto es concreto. Flujo documental, arrendamiento y estructura de cuotas de centros comerciales, seguimiento de proyectos, datos de sensores. Cada uno de estos modelos está en condiciones de ponerse en uso sin escribir una nueva pantalla.
La parte difícil, la tenemos nosotros
Añadir este tipo de interfaz a un sistema es la parte relativamente fácil. Está técnicamente bien definida y se sigue esa definición.
Lo difícil es el modelo que hay detrás de la interfaz. En qué condición pasa un documento a qué estado, en qué orden se obtienen las aprobaciones, dónde limita la normativa, cómo se gestionan las excepciones. Las respuestas a estas preguntas están ocultas en el propio funcionamiento de la organización. No se leen en un documento ni se adivinan desde fuera; solo se aprenden trabajando con esa organización.
De ahí viene el valor de los sistemas que ya tenemos. Estos modelos no se quedaron en el papel: funcionaron en organizaciones reales y se corrigieron en el camino.
Por eso nuestra dirección no es crear un producto nuevo desde cero. Estamos trasladando los sistemas que ya tenemos a esta nueva forma de trabajar.
Dónde aplicamos este modelo
Aplicamos primero el enfoque de construir sistemas abiertos a la IA en nuestros propios productos y programas de I+D; las decisiones de esta página tienen su reflejo allí.