Desarrollo de agentes de IA para empresas

Diseño, construyo y opero agentes de IA para empresas, por contrato: agentes que leen tus datos, usan tus sistemas y pasan el caso a una persona cuando toca, con pruebas que deciden qué se publica. Trabajo en remoto desde Monterrey con equipos de México y de Estados Unidos.

Un agente de IA es un programa que usa un modelo de lenguaje para decidir su siguiente paso: qué herramienta usar, qué registro leer, cuándo responder y cuándo pasarle el caso a una persona. Una empresa lo necesita cuando un proceso tiene demasiadas variaciones para resolverse con reglas fijas y demasiado volumen para resolverse solo con gente, y cuando un paso equivocado tiene un costo que alguien puede nombrar.

Qué construyo

  • Agentes para un proceso a la vez. Preguntas de admisiones, cotizaciones, casos de soporte, solicitudes internas. Un agente, un proceso y una lista clara de lo que puede hacer.
  • Sistemas multiagente. Varios agentes con tareas separadas detrás de una sola conversación, con ruteo, estado compartido y relevos entre ellos.
  • Las herramientas que usa el agente. Conexiones a tus bases de datos, tu CRM y tus sistemas internos, cada una con sus permisos, sobre el Model Context Protocol cuando conviene.
  • La evaluación que decide una versión. Casos escritos como código, comprobaciones deterministas, un modelo juez calibrado contra personas y una compuerta que detiene la versión cuando el agente empeora.
  • La operación. Despliegue, registro de cada llamada a herramientas y una forma de ver qué hizo el agente y por qué.

Señales de que un proceso está listo para un agente

  • El trabajo llega en lenguaje (mensajes, documentos, solicitudes) y termina en una acción dentro de un sistema.
  • La gente ya sigue un procedimiento, aunque no esté escrito, y sabe distinguir un buen resultado de uno malo.
  • Los datos y los sistemas que hacen falta se pueden alcanzar por una interfaz, con una cuenta que se pueda limitar.
  • Una respuesta equivocada se puede detectar: con una regla, con una persona o en un paso posterior.

Cuando falta una de estas, esa pieza es el primer trabajo y el agente viene después. El orden importa más que el modelo: la empresa que primero describe su proceso obtiene un agente que puede revisar, y la que empieza por el modelo obtiene una demostración.

Cómo se trabaja

  1. Primero el proceso. Leo cómo se hace hoy el trabajo, dónde se rompe y qué es un resultado correcto. Un agente puesto sobre un proceso que nadie ha descrito repite la confusión más rápido.
  2. Casos antes que código. Escribimos las situaciones que el agente debe resolver y los resultados que no se aceptan. Esos casos se vuelven las pruebas.
  3. Un primer agente con datos reales. Una versión acotada corre contra los casos, con las herramientas reales y una copia del estado real.
  4. La compuerta. Antes de cada versión corre la batería de pruebas. Si falla un caso obligatorio, la versión no sale, la pida quien la pida.
  5. Publicar y observar. El agente empieza con una parte pequeña del trabajo. Lo que hace queda registrado y cada falla nueva se vuelve un caso nuevo.

Qué recibes

El agente y sus herramientas en tus repositorios y en tu cuenta de nube, los casos y el harness de evaluación, el despliegue y notas escritas para operarlo y cambiarlo. Nada depende de una cuenta mía.

Qué no incluye

No prometo que un agente sustituya a un equipo, y no pongo un agente frente a clientes sin pruebas que digan qué no puede hacer. Si el proceso no está listo para un agente, lo digo, y el primer trabajo es el proceso.

Dónde está la evidencia

Los agentes de un grupo de educación superior que atiende a más de 700,000 estudiantes operan en producción sobre Vertex AI, el Agent Development Kit y Cloud Run. Mi parte fue el harness de evaluación, el juez calibrado, el estado aislado de cada caso y las compuertas de cada ambiente. El caso de estudio y las guías enlazadas abajo lo describen, con lo que demuestra y lo que no.

Trabajo y evidencia

MetaMCP as a Cloud Run MCP gateway (se abre en una pestaña nueva)

Mi contribución: Construcción y documentación del gateway remoto, artefactos de registro, pruebas de humo y exportación de evidencia.

Qué respalda: Caso público sobre transporte, identidad del consumidor, secretos y evidencia de llamadas a herramientas.

Qué no demuestra: El caso no constituye una auditoría de seguridad independiente ni un benchmark público de concurrencia.

Fuente revisada:

Airtable MCP (se abre en una pestaña nueva)

Mi contribución: Construcción de una integración MCP de código abierto para consultar y editar bases de Airtable.

Qué respalda: Una integración concreta entre bases de datos y agentes, con repositorio público enlazado.

Qué no demuestra: Ejemplo de integración; no demuestra seguridad por defecto para cualquier base corporativa o política de aislamiento.

Fuente revisada:

Evaluation gates for a multi-agent education system (se abre en una pestaña nueva)

Mi contribución: Construcción del harness de evaluación, calibración del juez LLM, aislamiento de casos y controles por ambiente.

Qué respalda: El caso público describe casos de referencia como código, un juez LLM calibrado y el harness de evaluación que los ejecuta, sobre agentes en Google Cloud.

Qué no demuestra: La cifra de más de 700,000 estudiantes describe la población atendida por el sistema. No mide usuarios simultáneos, solicitudes por segundo ni autoría individual de toda la plataforma. El código y los datos del cliente son privados.

Fuente revisada:

Preguntas frecuentes

¿Cuánto tarda desarrollar un agente de IA para una empresa?

Depende de qué tan claro esté el proceso. El modelo es la parte corta. Describir el proceso, escribir los casos que dicen qué es una respuesta correcta y conectar los sistemas se lleva casi todo el tiempo. Doy una estimación después de leer el proceso y los sistemas que intervienen.

¿Con qué plataformas y herramientas construyes los agentes?

Sobre todo con Google Cloud (Vertex AI, el Agent Development Kit y Cloud Run), Python y FastAPI, y el Model Context Protocol para herramientas y datos. El modelo se elige según la tarea y las restricciones de la empresa, no al revés.

¿Un agente puede trabajar con nuestros datos y sistemas internos?

Sí. El agente llega a tus sistemas por medio de herramientas con permisos propios, así que lee y escribe solo lo que su tarea necesita, y cada llamada queda registrada. Una base de datos se conecta con un servidor que separa las consultas de los cambios.

¿Trabajas con empresas de todo México?

Sí. Trabajo en remoto desde Monterrey, en español y en inglés, con empresas de México y de Estados Unidos, por contrato o en puestos senior de tiempo completo.

¿Eres consultor de inteligencia artificial o ingeniero?

Ingeniero que toma trabajo por contrato. Puedo aconsejar qué conviene construir y qué no, y además lo construyo, lo pruebo y lo opero.

Preguntas relacionadas

Por ciudad

Disponible para puestos senior de ingeniería de IA y proyectos por contrato, en remoto para Estados Unidos, México y Latinoamérica.