Agentes de IA que hacen trabajo real dentro de los sistemas que ya usas.
Aquí un agente es un LLM al que se le da una tarea, acceso a tus sistemas y límites claros sobre lo que puede tocar. Llama a tus API y lee tus bases de datos, y actúa a través de los tools que tu equipo ya tiene abiertos. Los proyectos se presupuestan después de una llamada para definir el alcance; la auditoría de preparación para IA es a precio fijo acordado según el alcance.
La brecha entre una demo y producción
Una demo de IA convincente se hace en una tarde. Conseguir que lo mismo funcione con datos de producción lleva bastante más tiempo.
El obstáculo casi nunca es el modelo.
Es autenticación contra tus sistemas reales, guardrails para acciones que cuestan dinero, logs de auditoría que alguien pueda revisar de verdad, y una vía de rollback para cuando el modelo se equivoca.
Esa ingeniería de alrededor es trabajo de back-end, y es la parte que llevo haciendo desde 2013. El trabajo con LLM en sí es tooling interno y proyectos de cliente bajo NDA, así que te lo enseño en una llamada, no en una página pública.
Qué construyo
Defino el alcance de una primera parte funcional y la voy ampliando un workflow a la vez.
- Agentes web para soporte, operaciones internas y workflows de documentos, anclados en los datos que ya tienes
- Integración de LLM (Anthropic, OpenAI, modelos locales) con fallbacks y control del gasto integrados desde la primera versión
- Pipelines de RAG y vector search sobre tus documentos, tickets y datos de producto; la calidad del retrieval se mide antes de que nadie confíe en ella
- Servidores MCP que exponen de forma controlada tus API REST existentes, para que cualquier cliente compatible con MCP, incluidos los tools que tu equipo ya usa, pueda actuar con seguridad a través de tus sistemas
- Aprobación humana para las acciones de mayor riesgo, con un registro de lo que hizo el agente, revisable desde el primer día
Empieza con un workflow, luego amplía
Qué quieres automatizar, qué sistemas toca y si la IA es siquiera la herramienta adecuada. A veces una consulta SQL bien escrita o un formulario simple te sirve mejor, y te lo digo tal cual.
Un agente, un workflow, conectado a tus sistemas reales en un entorno de staging. Lo ves actuar sobre datos reales antes de que nada toque producción.
Gasto medido y controles ajustados según el uso real, y luego el siguiente workflow. Facturación semanal, informes escritos, y el código y las llaves se quedan contigo en todo momento.
Las preguntas sobre IA que más me hacen
¿Con qué modelos y stack trabajas?
Las API de Anthropic y OpenAI, más modelos locales donde los datos no puedan salir de tu infraestructura. Orquestación en Node.js o PHP/Laravel, los mismos lenguajes en los que ya corre tu back-end. Servidores MCP, pipelines de RAG y vector search cuando el problema de verdad los pide. Nada de frameworks exóticos que después tengas que mantener tú solo.
¿Puedes integrar IA en la app de Laravel o Node.js que ya tenemos?
Es el punto de partida más habitual. El agente se conecta a las API y a la base de datos que ya tienes, normalmente detrás de una capa pequeña de tools o un servidor MCP que expone tus endpoints REST existentes. Tu app actual sigue funcionando exactamente igual que hoy; el agente se convierte simplemente en otro cliente de ella.
¿Qué pasa con nuestros datos? ¿Terminan entrenando el modelo de alguien?
No. El tráfico de API hacia Anthropic y OpenAI no se usa para entrenar según sus términos de negocio, y donde esa garantía no sea suficiente, propongo modelos locales o un enmascaramiento estricto de los datos sensibles. Cómo se gestionan tus datos se acuerda en la primera llamada para definir el alcance y queda incluido en el alcance por escrito.
¿Sabes de ML de verdad o solo usas las API?
Práctica, más allá de la ingeniería de back-end: trabajo real con PyTorch y TensorFlow, y suficiente conocimiento de los conceptos y algoritmos subyacentes como para diseñar funcionalidad a medida cuando una llamada a una API no basta. La mayoría de los proyectos con agentes nunca llega a esa profundidad. Cuando el tuyo llega, no te quedas esperando a contratar un especialista para desbloquearlo.
¿Tienes un workflow que debería hacer la IA?
Describe el workflow y los sistemas que toca. Te digo si un agente es la herramienta adecuada o si algo más simple bastaría.
O escríbeme directamente: office@ecdevlabs.com