Desarrollo de IA agéntica para flujos de trabajo reales
Soy Sebastian Schkudlara. Diseño y construyo sistemas de IA que trabajan con datos reales, APIs, herramientas, permisos y revisión humana.
El objetivo es conseguir un flujo de trabajo útil que tu equipo pueda revisar y operar. Puede ser un sistema RAG, un agente que use herramientas o un servicio backend más sencillo con una sola llamada al modelo bien ubicada.
Encaja bien si
- El prototipo funciona en una demo controlada, pero falla con datos o usuarios reales.
- El flujo de trabajo necesita documentos internos, APIs, búsqueda o herramientas de negocio.
- El equipo necesita límites claros para permisos, aprobaciones, evaluación y reversión.
- El equipo de ingeniería puede construirlo, pero necesita apoyo senior en arquitectura de IA y backend.
Empieza con el alcance que de verdad necesitas
Auditoría del flujo de trabajo
Mapeo un flujo de trabajo, sus usuarios, datos, herramientas, riesgos y puntos de aprobación. Recibes una nota de decisión, un esquema de arquitectura y un primer bloque de implementación realista.
Construcción o rescate de piloto
Implemento un flujo completo o reparo un prototipo que falla fuera de la demo. El alcance acordado cubre integraciones, casos de evaluación, notas de despliegue y traspaso operativo.
Apoyo de arquitectura fraccional
Apoyo a un equipo existente con revisión de arquitectura, planificación de implementación, decisiones de modelos y proveedores, evaluación y desbloqueo técnico durante un periodo acordado.
Lo que construyo y mejoro
Desarrollo de aplicaciones de IA agéntica
Construyo una aplicación enfocada que puede recuperar contexto, usar herramientas aprobadas, mantener el estado correcto y devolver las decisiones a una persona cuando sea necesario.
El trabajo habitual incluye APIs backend, contratos de herramientas, integración de modelos, rutas de aprobación, pruebas y despliegue. El agente recibe solo el acceso que necesita.
Resultado habitual: un flujo operativo, límites de integración documentados, casos de evaluación y un traspaso operativo.
Sistemas RAG y de conocimiento
Convierto documentos e información empresarial cambiante en contexto que una aplicación puede buscar, revisar y citar.
El trabajo puede cubrir extracción, segmentación, metadatos, recuperación, reranking, visualización de fuentes, controles de acceso y comprobaciones de calidad. Una respuesta fluida no debe ocultar una ruta de datos rota.
Resultado habitual: un bloque de ingestión y recuperación con preguntas de prueba, fuentes visibles y una ruta clara de actualización.
Integración de IA y enrutamiento de modelos
Conecto modelos, búsqueda, APIs, bases de datos y servicios backend existentes sin convertir a un proveedor en el centro permanente de la aplicación.
Defino interfaces estables para las llamadas a modelos y herramientas, aíslo el comportamiento específico de cada proveedor y uso código determinista cuando un agente añadiría riesgo sin aportar valor.
Resultado habitual: contratos de integración, decisiones de enrutamiento, gestión de errores y una API o un bloque backend funcional.
Evaluación y operación segura
Añado las pruebas necesarias para saber si un flujo de IA mejora o está fallando sin que nadie lo vea.
Puede incluir casos representativos, pruebas de regresión, trazas, visibilidad de coste y latencia, colas de aprobación, categorías de fallo y rutas de reversión. La evaluación sigue el flujo de trabajo, no una clasificación genérica de modelos.
Resultado habitual: un conjunto de evaluación, controles operativos, un proceso de revisión y una lista priorizada de fallos.
Flujos documentales y multimodales
Construyo rutas revisables para PDFs, escaneos, imágenes, archivos estructurados, audio o vídeo antes de que lleguen a la recuperación o al razonamiento.
La extracción se mantiene separada de la interpretación. Las personas pueden revisar lo que el sistema leyó, corregirlo y rechazar una entrada deficiente sin depurar solo la respuesta final.
Resultado habitual: una canalización de extracción y revisión con límites claros para el tratamiento y la retención de datos.
Rescate de pilotos y apoyo a la entrega
Averiguo por qué un piloto de IA no sobrevive al uso real y ayudo al equipo a entregar el bloque de producción más pequeño que tenga sentido.
Puedo apoyar directamente a un equipo de producto o trabajar como apoyo técnico para una agencia o consultora cuando la entrega se vuelve técnicamente compleja.
Resultado habitual: una evaluación de riesgos, un plan de implementación y apoyo de arquitectura durante un periodo acordado.
Problemas que merece la pena traer
Búsqueda en conocimiento interno
Busca políticas, manuales, informes o material de proyectos respetando permisos y mostrando las fuentes.
Investigación y comparación
Recopila información actual, elimina duplicados, compara afirmaciones y mantiene las citas unidas al resultado.
Asistentes operativos
Consulta información en sistemas autorizados, prepara una acción y espera la aprobación humana antes de cambiar algo importante.
Procesos intensivos en documentos
Extrae archivos, valida campos estructurados, muestra resultados dudosos y envía las excepciones a una persona.
Puesta a punto de prototipos
Sustituye la lógica oculta en prompts por pasos explícitos, contratos de herramientas, evaluación, registros y reversión.
Integración de sistemas
Conecta un flujo basado en modelos con APIs, bases de datos, colas y herramientas de negocio mediante contratos claros y gestión de fallos.
Del mapa del flujo a un primer bloque en producción
Código y notas de ingeniería cuando puedo compartirlos
Prefiero enlazar trabajo concreto antes que llenar esta página de afirmaciones generales.
Antes de hablar
¿Qué es el desarrollo de aplicaciones de IA agéntica?
Es la ingeniería de un sistema de IA que puede elegir pasos, usar herramientas aprobadas, recuperar contexto y mantener el estado del flujo. En producción, el trabajo suele centrarse en permisos, integración, evaluación, gestión de fallos y revisión humana.
¿Necesito un agente de IA o un sistema RAG?
Usa RAG cuando el trabajo principal sea encontrar información y responder con fuentes. Añade comportamiento de agente cuando el flujo deba elegir herramientas, ejecutar pasos dependientes o preparar una acción. Algunos proyectos solo necesitan un servicio backend normal con una llamada al modelo.
¿Puedes trabajar con un prototipo existente?
Sí. Primero mapeo el flujo real y localizo dónde falla el prototipo: calidad de datos, recuperación, acceso a herramientas, estado, evaluación, latencia, coste, despliegue o propiedad operativa.
¿Necesitas un modelo o framework concreto?
No. El flujo y sus restricciones operativas van primero. Las decisiones actuales pueden mantenerse si encajan. Cuando es práctico, aíslo el comportamiento específico de cada proveedor detrás de límites reemplazables.
¿Cómo empieza un proyecto?
Envíame una descripción breve de un flujo, los sistemas que toca y lo que falla, consume demasiado trabajo manual o todavía hay que construir. Te diré si conviene una auditoría, rescatar el piloto, implementar un primer bloque u otra vía.
Envíame un flujo de trabajo
Usa el formulario de contacto para describir el problema, los sistemas implicados y lo que falla, consume demasiado trabajo manual o todavía hay que construir. Responderé con el siguiente paso que me parezca más útil.
Últimos artículos
Los artículos se publican en inglés.
RAG vs AI Agents: Choose the Smallest System That Works
The practical difference between RAG and an AI agent is control flow.
In ai-engineering, software-architecture, Jul 14, 2026Agentic AI Application Development Beyond the Demo
Agentic AI application development is backend and workflow engineering with a model inside the decision loop.
In ai-engineering, software-development, Jul 14, 2026Memory Does Not Make an Agent a Good Reviewer
An AI agent can remember the whole project and still make a bad decision.
In ai-engineering, ai-tools, Jul 09, 2026An Agent Search API Should Use an Interface You Already Know
Web search is rarely one line of work inside an agent.
In ai-engineering, developer-tools, Jul 08, 2026Nobody Sees the Release Pipeline Until It Breaks
I spent part of a recent Makakoo OS release working on version numbers and package checksums.
In engineering, open-source, Jul 07, 2026A File Is Not Context Just Because You Uploaded It
Uploading a PDF to an AI tool feels like the work is finished.
In ai-engineering, developer-tools, Jul 05, 2026