СВОЙ Тех construye una plataforma interna de agentes de IA: 200 herramientas y 5 chats

El equipo de СВОЙ Тех, una compañía fintech, ha publicado en Habr un análisis de su plataforma interna de agentes de IA. El título menciona dos cifras: unas 200 herramientas y 5 chats. Los autores están construyendo un asistente de IA propio dentro de la infraestructura corporativa, en lugar de una capa añadida sobre una API de terceros. El anuncio plantea tres temas: la arquitectura «bajo el capó», el conjunto de herramientas conectadas y la gestión del contexto. El análisis completo está en el artículo íntegro, así que a continuación solo se recoge lo que puede leerse con seguridad en el anuncio y la lógica de ingeniería que lo rodea.

Prototipo frente a plataforma

El punto de partida de los autores es sencillo: hoy integrar IA en los procesos de trabajo ya no sorprende a nadie, pero la diferencia entre un prototipo rápido y un sistema dentro de la empresa es enorme. Un prototipo sobre una API externa se monta en un par de días. Responde preguntas, escribe borradores y luce bien en una demo. Pero en cuanto el agente necesita datos internos, permisos de acceso y procesos de negocio reales, empieza otro trabajo: integraciones, aislamiento de datos, control de acciones y reproducibilidad de las respuestas.

Las cifras del título indican dónde está la principal dificultad. Doscientas herramientas son doscientas descripciones de funciones, esquemas de parámetros y escenarios de error. Si se entregan todas a la vez al modelo, las descripciones consumen una parte considerable de la ventana de contexto y la elección de la llamada correcta se vuelve menos fiable. El anuncio no revela cómo se dividen exactamente los cinco chats. Pero la lógica se deduce: un chat por clase de tareas reduce el conjunto de herramientas y datos disponibles y, con ello, el espacio de errores posibles.

Qué se sabe a partir del anuncio

El teaser aporta pocos datos, pero concretos:

• Desarrollador: СВОЙ Тех, área fintech.
• Formato: asistente de IA propio y plataforma interna de agentes especializados.
• Escala de conexión: en torno a 200 herramientas.
• Interfaz: 5 chats, cada uno para sus propias tareas de negocio.
• Entorno: infraestructura corporativa, trabajo con datos internos.
• Bloque aparte del artículo: gestión del contexto.

El último punto es, probablemente, el más interesante. En los sistemas de agentes, el contexto es un recurso limitado. Lo comparten el historial de la conversación, los resultados de las llamadas a herramientas, los extractos de documentos y las instrucciones del sistema. Quién decide qué se conserva y qué se descarta o se comprime, y cómo lo hace, suele determinar la calidad del sistema más que la elección del modelo.

Qué revisar si estás construyendo algo similar

Mientras no haya más detalles, el anuncio sirve como lista de preguntas para el propio proyecto. Conviene planteárselas antes de abrir el artículo completo.

1. ¿Cuántas herramientas ve el modelo en una sola petición? Si las ve todas a la vez, tiene sentido agruparlas por tareas o cargarlas bajo demanda.

2. ¿Hay separación por roles y escenarios? Varios chats especializados son más fáciles de probar y de limitar por permisos que un único chat universal.

3. ¿Cómo se gestiona el contexto? Hacen falta reglas explícitas: qué se almacena, qué se comprime y qué se transmite entre agentes.

4. ¿Dónde residen los datos? En fintech, la pregunta de si permanecen dentro del perímetro corporativo condiciona toda la arquitectura.

5. ¿Con qué se mide el resultado? Sin un conjunto de tareas de prueba y métricas de calidad, aumentar el número de herramientas puede convertirse fácilmente en aumentar el caos.

Lo más valioso de la publicación de СВОЙ Тех no está en el tamaño de la plataforma: la compañía enseña su cocina de ingeniería, es decir, cómo un conjunto de integraciones se convierte en un sistema que funciona. Si los detalles resultan convincentes, se verá en el texto completo, pero la dirección está clara. Los agentes de IA corporativos del sector financiero se alejan del chat universal y avanzan hacia un conjunto de perímetros estrechos y controlados, con su propia gestión del contexto.