Cuando contamos que en Plexera “todo se mueve con agentes”, la pregunta siguiente es siempre la misma: ¿y cómo funciona eso por dentro? Este artículo explica la arquitectura multiagente sin marketing ni jerga innecesaria — la misma explicación que le damos a un gerente de operaciones en la primera reunión.
El problema con el “modelo que hace todo”
La primera generación de soluciones con IA seguía una receta simple: un solo modelo grande recibe la tarea completa y devuelve el resultado completo. Funciona para demos; falla en operaciones reales, por tres razones concretas:
- Nadie revisa: el modelo comete un error y no hay quien lo detecte antes de que llegue al cliente o al sistema contable.
- Contexto desbordado: una tarea real necesita leer correos, consultar el CRM, revisar historial — meter todo en una sola cabeza degrada la calidad de cada paso.
- Todo o nada: si el proceso falla en el paso 7 de 9, se pierde el trabajo completo y nadie sabe bien dónde se rompió.
La alternativa: especialistas que se coordinan
Una malla multiagente reparte el trabajo igual que un equipo humano bien organizado. En la malla Plexera los roles básicos son cuatro:
- El investigador reúne el contexto: lee el correo del cliente, trae los datos del pedido, busca el historial. No decide nada — prepara el terreno.
- El constructor ejecuta la tarea con ese contexto: redacta la respuesta, arma la cotización, actualiza el registro.
- El auditor revisa el resultado contra las reglas del negocio: ¿los números cierran? ¿el tono es correcto? ¿falta un dato obligatorio? Si algo no cumple, lo devuelve con observaciones.
- El ejecutor entrega: envía el correo, impacta el sistema, deja el registro de auditoría.
La clave no es que haya “más IAs” — es que ninguna revisa su propio trabajo. La revisión cruzada, que en un equipo humano llamamos control de calidad, es lo que convierte una demo simpática en un proceso confiable.
El enrutamiento: quién decide qué agente actúa
Sobre los roles hay una capa de orquestación que dirige el tráfico: recibe la tarea, la parte en subtareas, asigna cada una al agente correcto y junta los resultados. Si una subtarea falla, se reintenta o se escala — sin tumbar el proceso completo. Esto también permite algo valioso: usar el modelo correcto para cada paso. Clasificar un correo es barato y rápido; razonar sobre una conciliación compleja amerita un modelo más potente. La malla mezcla modelos (y proveedores) según la subtarea, lo que baja costos sin bajar calidad.
¿Y las personas dónde quedan?
Dentro de la malla, con dos roles: definen las reglas del negocio (qué es aceptable, qué requiere aprobación, qué es intocable) y atienden las excepciones que los agentes escalan — con todo el contexto ya preparado. En la práctica, tu equipo pasa de hacer el trabajo repetitivo a supervisar un sistema que lo hace. Es un cambio de rol, no un reemplazo.
Un ejemplo de punta a punta
Llega un correo: “necesito 40 unidades del producto X para el viernes, ¿precio con descuento por volumen?”. El investigador identifica al cliente, trae su historial y lista de precios. El constructor arma la cotización aplicando la política de descuentos. El auditor verifica margen mínimo y stock disponible para el viernes. El ejecutor envía la respuesta y registra la oportunidad en el CRM. Tiempo total: minutos. Intervención humana: cero — salvo que el margen quede fuera de política, en cuyo caso el gerente comercial recibe el caso listo para decidir con un clic.
Si quieres ver cómo se aplicaría una malla así a tu operación, mira nuestro servicio de agentes de IA o cuéntanos tu proceso — armamos el ejemplo con tu caso real.