PILAR EDITORIAL
IA empresarial y sistemas de agentes: menos demo, más control
La IA deja de ser una conversación interesante cuando toca datos, procesos y usuarios reales. Este pilar no parte de la pregunta “cómo hacer un agente”, sino de las que llegan después: qué puede ejecutar, cómo se observa, cuánto cuesta y quién responde cuando se equivoca.
La idea central
Un agente no es el cerebro mágico de un sistema. Es una pieza que necesita herramientas acotadas, memoria diseñada, permisos, trazas y, muchas veces, un workflow determinista alrededor. Añadir más autonomía no siempre añade más valor.
Por dónde empezar
Estas lecturas dan el contexto antes de entrar en decisiones más específicas.
- No todo necesita agentes de IA: el criterio de ingeniería sigue importandoLos agentes de IA pueden elevar la calidad, pero también el costo y la complejidad. Cómo decidir cuándo usarlos y cuándo basta algo más simple.
- Microsoft Agent Framework en .NET: lo que nadie te dice sobre agentes en producciónAnálisis de Microsoft Agent Framework .NET y los problemas reales de llevar agentes a producción: gobernanza, memoria, observabilidad y control.
Para profundizar
Aquí están los problemas que suelen aparecer cuando la solución deja de ser una demo o una decisión aislada.
- A2A y Microsoft Agent Framework en .NET: agentes que hablan entre sí sin casarte con un stackQué es A2A, por qué importa para agentes IA y cómo implementarlo desde .NET con Microsoft Agent Framework para consumir y exponer agentes interoperables.
- Menos Infraestructura, Más Valor: Repensando la Arquitectura RAG en .NETAnaliza cómo la API Files de Gemini simplifica la arquitectura RAG en .NET, reduciendo infraestructura sin sacrificar capacidad de búsqueda semántica.
Casos prácticos y decisiones de implementación
Son artículos para aterrizar el criterio en código, despliegue o configuración concreta.
- GitHub Agentic Workflows: automatizar con IA sin soltar el controlQué son GitHub Agentic Workflows, cómo amplían GitHub Actions y por qué sus permisos mínimos, safe outputs y revisión reducen el riesgo de la IA.
- De repositorio base a skill: cómo llevo mis patrones .NET a la IAPasé de mantener repositorios base de .NET a darle un skill al agente con mis patrones. Por qué la IA todavía necesita tu criterio cuando programas backend.
- Agentes serverless en Azure Functions: Microsoft mueve el foco del código al agenteMi lectura del runtime de agentes serverless en Azure Functions: Microsoft pone al agente primero, pero el código y la ingeniería de software siguen importando.
Recursos propios relacionados
- Serie «De demo a producción»Artículos sobre el paso de una idea funcional a un sistema que se puede mantener y gobernar.
Estas rutas no sustituyen tu contexto. Sirven para llegar a la decisión con mejores preguntas: qué problema existe, cuánto cuesta operarlo y cuándo una solución añade más complejidad de la que quita.