Transformando Negocios con IA
Un agente es la opción correcta cuando una tarea necesita criterio, herramientas y contexto a lo largo de varios pasos. Cuando un script, un flujo o un solo prompt resuelven el caso, se lo decimos en su lugar.
Oronts diseña, construye y opera sistemas de IA agéntica desde Múnich: agentes que llaman a herramientas y API, recuperan el contexto adecuado y ejecutan acciones con un humano en el bucle cuando el riesgo lo exige. Construidos sobre frameworks abiertos como Mastra, LangGraph, CrewAI y el Vercel AI SDK, con modelos de OpenAI y Anthropic, de modo que el sistema le pertenece y puede operarlo en su propia infraestructura.
El stack sobre el que construimos
Elija un sistema de IA agéntica cuando una tarea necesite criterio a lo largo de varios pasos: leer el contexto, decidir qué hacer, llamar a herramientas o API y actuar sobre el resultado, en lugar de seguir un camino fijo. Un agente encaja cuando el trabajo es demasiado variable para un flujo determinista pero demasiado repetitivo y conocido para seguir haciéndolo a mano: triaje y enrutamiento, recuperación sobre sus propios documentos, redacción y revisión, investigación en varios pasos y operaciones que tocan varios sistemas. Los construimos sobre frameworks abiertos, Mastra, LangGraph, CrewAI y el Vercel AI SDK, con modelos de OpenAI y Anthropic detrás de una capa independiente del proveedor, de modo que nunca queda atado a un solo proveedor. El compromiso: los agentes son probabilísticos, por lo que necesitan barreras, evaluación y un humano en el bucle allí donde una acción sea de alto riesgo o difícil de revertir. Donde un script determinista, un flujo n8n o un solo prompt cubren la necesidad, lo decimos con claridad en la primera llamada. La prueba que citamos es nuestro propio asistente funcionando en producción en este sitio, construido sobre Mastra.
El asistente de este sitio es un sistema agéntico que construimos sobre Mastra, en producción. No es una demo tras un inicio de sesión: es el mismo tipo de agente que usa herramientas y recupera contexto que construimos para clientes, y puede usarlo aquí antes de hablar con nosotros.
Ver nuestro trabajo en IANuestros agentes llaman a herramientas y API y ejecutan acciones, pero las de alto riesgo funcionan con un humano en el bucle. Definimos dónde un agente actúa por su cuenta y dónde debe proponer y esperar confirmación, de modo que una acción irreversible nunca ocurra en silencio.
Construimos sobre frameworks abiertos, Mastra, LangGraph, CrewAI y el Vercel AI SDK, y mantenemos el proveedor de modelos detrás de una capa, OpenAI o Anthropic. La lógica del agente le pertenece, en su repositorio, de modo que una elección de framework o de modelo nunca es una puerta de un solo sentido.
Diseñamos el flujo de datos para que usted controle a dónde van el contexto y los prompts y qué proveedor de modelos ve qué. Cuando hay datos personales en juego, trabajamos con conciencia del RGPD, firmamos un Auftragsverarbeitungsvertrag alemán y mantenemos la recuperación y el almacenamiento en una infraestructura que usted opera cuando el caso lo exige.
Un coordinador planifica el trabajo y lo distribuye entre agentes especializados, con traspasos explícitos, memoria compartida y herramientas acotadas.
Los traspasos son explícitos y observables, la memoria compartida transporta el estado entre agentes y una compuerta de aprobación humana protege las acciones de mayor impacto.
Definimos qué debe hacer el agente, dónde actúa por su cuenta y dónde un humano aprueba. El resultado es un diseño delimitado: la frontera de la tarea, las herramientas, el contexto que necesita y los puntos en los que debe detenerse y preguntar, antes de empezar a construir.
Los agentes solo son útiles si pueden actuar. Los conectamos a sus sistemas mediante herramientas y API limpias y tipadas, con idempotencia y manejo de errores, de modo que una llamada a una herramienta sea segura de reintentar y un fallo sea visible en lugar de silencioso.
Construimos recuperación sobre sus propios documentos y datos, de modo que el agente responda desde su conocimiento, no desde su entrenamiento. Troceado, embeddings y un almacén vectorial conectados al agente, con citas a la fuente, de modo que una respuesta pueda comprobarse.
Diseñamos la frontera entre lo que un agente hace de forma autónoma y lo que propone para confirmación, más barreras de entrada y salida, límites de tasa y coste y un registro de auditoría claro, de modo que el sistema se mantenga dentro de las líneas que usted fija.
Construimos evaluaciones que miden si el agente cumple la tarea, más trazas y registro para que vea cada paso, cada llamada a herramienta y cada decisión en producción. Sin evaluaciones un agente es una caja negra, por eso las tratamos como parte de la construcción, no como una ocurrencia tardía.
Llevamos un agente de un prototipo funcional a algo que usted puede operar: controles de coste, reintentos y planes alternativos entre proveedores de modelos, validación de prompts y salidas, monitorización y un despliegue que sus ingenieros pueden operar sin nosotros en el bucle.
Los agentes actúan sobre sus sistemas, por lo que cada puesto en la mesa los evalúa de manera diferente.
Usted quiere agentes que pueda ejecutar y cambiar, no una plataforma de caja negra.
Agentes neutrales en cuanto a modelos en marcos abiertos, su código, alojamiento en UE, sin dependencia de proveedores.
Los agentes que actúan sobre sistemas necesitan gobernanza y auditoría.
Aprobación con persona en el bucle, registro de auditoría y barreras de protección, disponibilidad de RGPD y TOM.
Usted necesita un agente que funcione, no un proyecto de investigación.
Un agente acotado entregado en una prueba piloto de 90 días, luego escalado.
Su cliente necesita trabajo agéntico senior bajo su marca.
Ingeniería de agentes de marca blanca, el mismo stack detrás de nuestro trabajo público.
Desde la comprobación de ajuste del caso de uso hasta un agente lanzado y propio: delimitado, construido con evaluaciones, revisado con un humano en el bucle, endurecido y operado, por ingenieros senior, con el código y la hoja de ruta en sus manos.
Fijamos la tarea, las entradas, las acciones que el agente puede ejecutar y el coste de equivocarse en una. Confirmamos que un agente es la herramienta adecuada aquí, y si un flujo o un solo prompt resuelven el caso, lo decimos antes de comprometernos.
Diseñamos el agente: el framework, el proveedor de modelos, las herramientas y API que llama, el contexto y la recuperación que necesita, y los puntos en los que un humano debe aprobar. El diseño es revisable antes del código, no se descubre durante él.
Construimos el agente y sus evaluaciones a la vez. Las evaluaciones miden si cumple la tarea en los casos que importan, de modo que un cambio que ayuda a un camino y rompe otro aparezca antes de producción en lugar de después.
Cableamos los puntos de confirmación: dónde el agente propone y espera, qué ve un revisor y cómo una acción se aprueba, edita o rechaza. Las acciones de alto riesgo e irreversibles nunca funcionan sin que un humano decida.
Añadimos las partes de producción: límites de coste y tasa, reintentos y planes alternativos entre proveedores, barreras de entrada y salida y trazas para que cada paso y cada llamada a herramienta sean visibles. El agente deja de ser una caja negra y se convierte en un sistema que usted puede operar.
Desplegamos el agente en su infraestructura y entregamos el código, las evaluaciones y un runbook para que lo opere sin nosotros en el bucle. Un contrato opcional cubre mantenimiento, evaluaciones, actualizaciones de modelos y guardia hasta un objetivo de SLA acordado.
Un sistema agéntico aporta potencia y complejidad a la vez. Cuatro preguntas deciden si es la herramienta adecuada para su caso.
Los agentes merecen su complejidad cuando una tarea necesita criterio a lo largo de varios pasos: leer el contexto, elegir qué herramienta llamar y actuar sobre el resultado, donde el camino es demasiado variable para un flujo fijo. Si la tarea es una secuencia fija de pasos, un flujo determinista o un script es más simple, más barato y más predecible, y lo recomendamos en su lugar.
Los agentes son probabilísticos, por lo que una acción de alto riesgo o difícil de revertir funciona con un humano en el bucle: el agente propone, una persona confirma. Diseñamos esa frontera de forma explícita, añadimos barreras de entrada y salida y mantenemos un registro de auditoría, de modo que el sistema sea autónomo donde es seguro y supervisado donde no.
Usted controla a dónde van el contexto y los prompts y qué proveedor de modelos ve qué. Mantenemos la recuperación y el almacenamiento en una infraestructura que usted opera donde el caso lo exige, firmamos un Auftragsverarbeitungsvertrag alemán y diseñamos flujos de datos conscientes del RGPD cuando hay datos personales en juego. Las llamadas a modelos de OpenAI o Anthropic se limitan a lo que la tarea necesita.
La lógica del agente, las herramientas, las evaluaciones y los prompts le pertenecen, en su repositorio, construidos sobre frameworks abiertos con el proveedor de modelos detrás de una capa. No hay ninguna licencia de Oronts que bloquee ejecutarlo o cambiarlo, y cualquier equipo de ingeniería competente puede asumirlo, de modo que las elecciones de framework y proveedor nunca son una puerta de un solo sentido.
El mismo objetivo pide herramientas muy distintas según lo variable que sea la tarea y cuánto criterio necesite. Aquí es donde un prompt único se detiene, donde un flujo fijo se detiene, y donde un sistema agéntico merece su complejidad añadida.
Desplace lateralmente para comparar las tres columnas.
| Prompt único | Automatización de flujos | Agéntico + Oronts | |
|---|---|---|---|
| Maneja tareas variables y de varios pasos que no son un camino fijo | |||
| Llama a herramientas y API y ejecuta acciones reales | |||
| Decide qué herramienta usar según el contexto | |||
| Recupera contexto desde sus propios documentos y datos | |||
| Humano en el bucle en acciones de alto riesgo | |||
| Evaluación y trazas integradas para producción | |||
| Salida determinista y totalmente predecible | |||
| Equipo de ingeniería senior detrás |
Una marca significa que encaja bien con el caso de fábrica. Un menos significa parcial o que requiere trabajo. Las celdas de texto dicen lo que realmente hace falta. Un flujo determinista sigue siendo la mejor opción donde el camino es fijo y la previsibilidad total importa más que el criterio.
Situaciones concretas en las que el juicio a lo largo de varios pasos supera a un guion fijo, y el resultado que el agente junto con nuestra ingeniería entrega.
Un asistente de pago agéntico que recupera los productos adecuados mediante herramientas tipadas, comprueba disponibilidad y precio, y propone el pedido para que una persona lo confirme antes de comprometerlo.
Un agente de operaciones que lee el caso, decide qué herramienta llamar y actúa dentro de límites definidos, escalando a una persona siempre que un paso sea de alto riesgo o difícil de revertir.
Un agente de clasificación de soporte que clasifica y enruta cada solicitud, redacta una respuesta fundamentada con citas a sus fuentes, y entrega los casos sensibles a una persona con todo el contexto.
La mayoría de los equipos no necesitan un agente el primer día. Le hacemos subir la escalera solo hasta donde la tarea lo exija, y decimos con claridad cuándo un paso más barato ya cubre la necesidad. Cada etapa es un sistema en funcionamiento que es suyo, no un descarte.
Empezamos con una sola llamada al modelo bien elaborada cuando un solo prompt con buenas instrucciones hace el trabajo. Es la opción más barata y predecible, y para muchas tareas es el punto correcto para detenerse. Le decimos cuándo es suficiente.
Cuando la tarea es una secuencia fija de pasos, cableamos un flujo determinista o un flujo de n8n que llama a las herramientas en un orden conocido. Totalmente predecible, fácil de razonar y sin juicio del modelo donde no hace falta.
Cuando las respuestas dependen de sus propios documentos, añadimos recuperación sobre sus datos con citas a la fuente, de modo que la salida quede anclada en su conocimiento y pueda comprobarse en lugar de confiarse a ciegas.
Cuando el trabajo realmente necesita juicio a lo largo de varios pasos, lo promovemos a un agente que decide qué herramienta llamar, con barreras de protección, límites de coste y de tasa, evaluaciones y una persona en el bucle en cada acción de alto riesgo.
Endurecemos el sistema con trazabilidad, alternativas entre proveedores y un runbook, y luego entregamos el código y las evaluaciones para que lo opere en su propia infraestructura. Un retainer opcional cubre el mantenimiento y las actualizaciones de modelo hasta un objetivo de SLA acordado.
Cómo se reparte la responsabilidad entre Oronts, su equipo y los proveedores de modelos y nube en un proyecto agentic.
| Responsabilidad | Oronts | Su agencia / socio | Usted | Proveedor de modelo / nube |
|---|---|---|---|---|
| Diseño y orquestación de agentes | Oronts se encarga de Diseño y orquestación de agentes | |||
| Evaluaciones y banco de pruebas | Oronts se encarga de Evaluaciones y banco de pruebas | |||
| Guardarraíles y pasos de aprobación | Oronts se encarga de Guardarraíles y pasos de aprobación | Usted se encarga de Guardarraíles y pasos de aprobación | ||
| Prompts, políticas y reglas de negocio | Usted se encarga de Prompts, políticas y reglas de negocio | |||
| Alojamiento, datos y claves de modelo | Usted se encarga de Alojamiento, datos y claves de modelo | Proveedor de modelo / nube se encarga de Alojamiento, datos y claves de modelo | ||
| Guardia y respuesta a incidentes | Oronts se encarga de Guardia y respuesta a incidentes | |||
| Código y PI | Usted se encarga de Código y PI |
Oronts trabaja con equipos serios que necesitan entrega senior, no externalización de bajo coste.
El precio exacto depende del alcance, la responsabilidad, la velocidad de entrega, el tamaño del equipo, las integraciones, las expectativas de soporte y el riesgo de producción.
Entrega dirigida por el fundador, exclusivamente senior, desde Múnich. Delimite su caso de uso de IA agéntica en una conversación.