Práctica 05 · AI
Inteligencia aplicada con criterio y evaluación.
Empezamos por el ciclo de desarrollo, donde el retorno se mide en semanas, y avanzamos hacia agentes solo cuando los datos, las APIs y el gobierno lo sostienen.
Si algo de esto te suena
- Se compraron licencias de asistentes y nadie midió si algo cambió.
- Los pilotos funcionan en la demo y no sobreviven a producción.
- No hay criterio escrito sobre qué datos pueden salir de la organización.
- Cada equipo integra modelos a su manera, sin evaluación ni trazas.
- Se habla de agentes antes de tener las APIs y los datos en orden.
Qué hacemos exactamente
En orden de retorno. El ciclo de desarrollo primero; los agentes, cuando los datos y las APIs aguanten.
-
01 · PUNTO DE ENTRADA
Assessment de madurez en IA
Casos de uso candidatos, estado de los datos y las APIs, capacidad del equipo y restricciones de riesgo. Salida: qué hacer primero y qué todavía no.
-
02
Adopción de asistentes de código
Copilot, Claude Code y Amazon Q instalados con criterio: reglas del repositorio, contexto del proyecto, revisión obligatoria y medición del efecto real en la entrega.
-
03
IA-DLC
El ciclo de desarrollo asistido de punta a punta: especificación, generación, revisión, pruebas y despliegue, con el humano en los puntos donde su criterio decide.
-
04
Agentes y automatización de procesos
Agentes con alcance acotado, herramientas declaradas y permisos mínimos. Cada acción con traza y con un punto de intervención humana.
-
05
RAG y plataforma de datos para IA
Recuperación sobre datos gobernados, con permisos heredados del origen y evaluación de la calidad de la respuesta, no solo de la similitud.
-
06
MCP e integración interna
Los sistemas internos expuestos como herramientas mediante el Model Context Protocol, con autorización y auditoría en el borde.
-
07
Evaluación y observabilidad de modelos
Conjuntos de evaluación propios del dominio, umbrales de aceptación en el pipeline y trazas en producción. Sin evaluación no hay despliegue.
Responde un ingeniero de la práctica, no un comercial.
Hablar con un ingenieroCómo entramos
Un caso de uso medido antes que una plataforma.
-
FASE 01
Assessment y caso de uso
Elegimos un caso con valor claro y riesgo acotado, y definimos cómo se va a medir antes de construirlo.
-
FASE 02
Implementación y evaluación
Construimos con tu equipo, con evaluación automática desde el principio y el criterio de aceptación acordado por escrito.
-
FASE 03
Escala y gobierno
Extendemos a más equipos con las reglas ya probadas: permisos, trazas, evaluación continua y responsabilidad definida.
Contra qué nos medimos
Trabajamos sobre marcos publicados de gestión de riesgo y seguridad de IA, no sobre una metodología propia.
- NIST AI RMF — gobernar, mapear, medir y gestionar el riesgo de los sistemas de IA
- OWASP Top 10 para LLM — riesgos concretos de aplicaciones con modelos de lenguaje y sus controles
- ISO/IEC 42001 — sistema de gestión de IA, cuando el requisito es certificable
- Model Context Protocol — estándar abierto para conectar modelos con herramientas y datos internos
- DORA — el efecto de la IA en la entrega, medido sobre las mismas cuatro métricas
Contacto
Primero entender. Después construir.
Cuéntanos qué caso de uso te piden desde el negocio y qué dato no puede salir de la organización.
- Responde un ingeniero de la práctica, no un comercial.
- Contestamos en un día hábil, con una pregunta o con una hora propuesta.
- No hace falta preparar material ni tener el problema diagnosticado.
- Si prefieres el correo directo: contacto@rooketh.com
Otras prácticas