user
Usuario / rol
sso · canal
Kodex
Soluciones tecnológicas
LLM & asistentes de IA
Diseñamos puestos de trabajo aumentados: el asistente entiende su dominio, cita fuentes y actúa sobre sistemas reales — con identidad, guardrails e ISO 27001.
Qué es y por qué importa
Del chatbot al colaborador operativo
Un LLM suelto responde. Un asistente Kodex colabora: memoria (RAG), herramientas (MCP), políticas de identidad y una UX pensada para adopción — de planta a C-Level.
- 01
Definimos el rol
Qué debe hacer el asistente, para quién, con qué permisos y qué KPIs de adopción.
- 02
Anclamos la verdad
RAG con citas y abstención cuando no hay evidencia — menos alucinación, más confianza.
- 03
Habilitamos la acción
MCP y guardrails: puede consultar y ejecutar solo lo permitido, con rastro auditable.
Chatbot genérico
- Respuestas genéricas sin su jerga
- Sin acceso a datos ni sistemas vivos
- Riesgo de alucinación sin citas
- Adopción baja: ‘otro chat más’
Asistente Kodex
- Terminología y roles de su negocio
- Memoria documental + tools MCP
- Guardrails, identidad y evals
- UX que reduce fatiga cognitiva
Flujo en vivo
Del mensaje al puesto aumentado — con memoria y gobierno
Dos carriles: la interfaz del puesto aumentado y el runtime con memoria, tools y guardrails.
Flujo del asistente: usuario, modelo, guardrails, RAG, MCP y respuesta con evidencia
01 · Interfaz del puesto
assistant
Asistente
llm · sesión
guardrails
Guardrails
policy · PII
02 · Runtime con evidencia
memory
RAG
corpus · citas
tools
MCP tools
read · write
policy
HITL / scopes
allow · approve
output
Respuesta
cita · acción · audit
Profundidad
Elija el nivel del asistente
Tres profundidades. Empiece por un copiloto con evidencia y crezca a multi-rol con ejecución gobernada.
- 01Copiloto Responde con citas
- 02Operativo Actúa con tools
- 03Multi-rol Varios puestos
- 04Gobierno Evals · identidad
-
01
Nivel 01
Copiloto con evidencia
Responde bien — y dice de dónde
Ideal para soporte, legal o técnico interno: RAG, citas obligatorias y política de abstención.
Qué incluye
- 1 rol de asistente
- Corpus RAG acotado
- Citas + abstención
- Observabilidad básica
Ideal para · Equipos que necesitan verdad antes que autonomía.
Resultado · Menos tickets repetitivos · más confianza en la respuesta.
-
02
Nivel 02
Asistente operativo
Lee, escribe y escala a humano
El asistente usa tools MCP (CRM, helpdesk, ERP) con scopes y HITL en acciones críticas.
Qué incluye
- Copiloto + tools MCP
- Identidad y roles
- Approval gates
- Evals de calidad
Ideal para · Ops y CX que quieren cerrar el ciclo en el mismo hilo.
Resultado · Menos clics · más casos resueltos con contexto.
-
03
Nivel 03
RecomendadoPuesto aumentado industrial
Multi-rol · multi-modelo · perímetro
Varios perfiles (legal, compras, planta), cloud u on-prem, observabilidad y gobierno ISO.
Qué incluye
- Todo lo operativo
- Multi-rol / multi-canal
- Cloud o on-prem
- Programa de adopción
Ideal para · Producto e IT que industrializan la IA en el día a día.
Resultado · Un sistema de asistentes — no N pilots huérfanos.
El modelo es el motor; RAG, MCP y guardrails son el chasis. Sin ellos, solo tiene un chat.
Asistente corporativo
Así colabora la IA con su equipo
Del mensaje del usuario a la acción: identidad, modelo, memoria, tools y política. Negocio ve adopción; ingeniería ve runtime gobernado.
- Motor
- LLM
- Memoria
- RAG
- Tools
- MCP
- Adopción
- UX
Qué gana el cliente
No vendemos ‘un chatbot’: vendemos capacidad operativa con control.
01
Menos trabajo recurrente
El asistente resuelve lo repetible y escala lo crítico con contexto completo.
02
Respuestas defendibles
Citas, abstención y logs: útiles ante legal, calidad e ISO.
03
Acción sobre el stack real
Actualiza CRM, abre tickets o consulta ERP — vía MCP, no por copiar/pegar.
04
Adopción medible
UX y KPIs de uso: si nadie lo abre, no hay ROI — lo diseñamos para que sí.
Lectura dual
Misma interfaz, dos lenguajes.
-
Negocio
Habla como nuestro equipo
Ingeniería
System prompts · glossario · few-shots sectoriales
-
Negocio
No inventa si no sabe
Ingeniería
RAG + citas · refusal policy · grounded evals
-
Negocio
Puede hacer lo permitido
Ingeniería
MCP tools · scopes · HITL en escritura
-
Negocio
Sabemos qué pasó
Ingeniería
Traces · feedback loops · calidad por caso
De piloto olvidado a puesto adoptado
Ilustración: cómo se redistribuye el valor cuando el asistente deja de ser demo y pasa a trabajo real.
- Consultas del día a día 100%
- Resueltas con evidencia ~65%
- Con acción en sistema ~35%
- Escaladas a humano ~18%
- Sin rastro / sin política ~2%
Casos de uso
01
Inferencia local o cloud
Negocio: usted elige soberanía. Técnico: OpenAI, Anthropic, Llama — mismo contrato de producto.
02
Agentes multi-rol
Negocio: un sistema, varios puestos. Técnico: perfiles, prompts y tools por rol.
03
Ejecución de acciones
Negocio: reportes, CRM, alertas. Técnico: MCP + guardrails + audit trail.
Por qué el asistente protege margen y adopción
Un chat sin memoria ni tools es ruido. Un puesto aumentado con gobierno es capacidad escalable.
Negocio
Capacidad sin headcount lineal
El equipo se concentra en excepciones; lo recurrente lo cierra el asistente con evidencia.
Ingeniería
Runtime + producto
Modelo, RAG, MCP, evals y UX: un sistema versionable — no un prompt en un wiki.
Ilustración · Confianza operativa
+38 pts
confianza ilustrativa vs chatbot genérico sin RAG ni guardrails
Alucinaciones reportadas −55%
↓ 55 % frente a LLM sin anclaje
Casos con evidencia +38 pts
↑ 38 pts frente a LLM sin anclaje
Índice de confianza en respuesta (0–100)
Ejemplo ilustrativo: la confianza sube al pasar de LLM suelto a asistente con RAG, citas y tools.
Impacto en capacidad y riesgo
Cada palanca acerca el asistente al trabajo real — con menos riesgo y más adopción.
- 01 −70% espera
Time-to-answer
Respuestas ancladas en segundos, no en buscar en 4 sistemas.
- 02 Grounded
Evidencia
Citas y abstención cuando el corpus no cubre el caso.
- 03 Scopes
Acción segura
Tools MCP con scopes y HITL en escritura.
- 04 UX
Adopción
UX y roles claros: el asistente entra en el flujo de trabajo.
Ciclo en días
20d → 6d
tiempo ilustrativo de piloto a primer puesto en producción
- Rol, KPIs y permisos 4d → 1.5d
Antes
Con Kodex
- Corpus / tools / prompts 8d → 2.5d
Antes
Con Kodex
- Guardrails y evals 5d → 1.2d
Antes
Con Kodex
- UX y go-live 3d → 0.8d
Antes
Con Kodex
Valores ilustrativos. En proyecto medimos su backlog de casos y el delta post-asistente.
Cómo lo ejecutamos
Metodología: del piloto al puesto aumentado
Del rol de negocio al asistente en producción — con entregables claros para producto e ingeniería.
- 1–2 sem
Fase 1
Consultoría de puestos
Quién, qué y con qué permiso
Definimos roles, canales, KPIs de adopción y frontera humano/asistente.
- Mapa de roles
- Matriz de permisos
- Alcance copiloto / operativo
- 2–3 sem
Fase 2
Auditoría de riesgo
Datos, alucinación y PII
Evaluamos corpus, guardrails, riesgo de alucinación e integración con identidad.
- Gap de datos
- Política de abstención
- Plan de evals
- Por alcance
Fase 3
Implementación del asistente
LLM + RAG + MCP + UX
Desplegamos el runtime, conectamos memoria y tools, y afinamos la interfaz de adopción.
- Asistente en prod
- Traces y feedback
- Playbook de casos
- Continuo
Fase 4
Mejora continua
El asistente aprende del uso real
Evals, prompts, cobertura de corpus y nuevos roles según adopción.
- Dashboard de calidad
- Roadmap de roles
- Retuning periódico
Perímetro de confianza
Identidad, guardrails y evidencia
El asistente hereda su política de seguridad — no es un widget anónimo en la intranet.
-
Identidad
SSO y roles
Cada sesión sabe quién es el usuario y qué puede pedir o ejecutar.
IAM
-
Riesgo
Guardrails y HITL
Filtros de PII, abstención y aprobación humana en acciones críticas.
Policy
-
Evidencia
Citas y traces
De dónde salió la respuesta y qué tool se invocó — retenido y auditable.
Audit trail
FAQ — producto y operaciones
¿Puede sustituir un equipo?
No. Amplifica capacidad: resuelve lo recurrente y escala lo crítico a humanos con contexto completo.
¿Cómo evitamos respuestas inventadas?
Con RAG, citas obligatorias, políticas de abstención y evals de groundedness en el pipeline.
¿Integración con herramientas internas?
Sí, vía MCP y conectores gobernados — el asistente opera sobre su stack real, no solo sobre PDFs.
¿Cloud u on-premise?
Usted elige soberanía: cloud para elasticidad u on-prem / VPC para datos sensibles — mismo diseño de producto.
Filtro de oro
¿Qué nivel de autonomía necesita?
Opción A · Asistente corporativo (DFY)
Diseño, despliegue y operación del asistente con RAG, MCP y guardrails.
Agendar diseño de asistenteOpción B · Explorar modelos (DIY)
Revise guías y recursos para orientar la decisión de stack.
Ver recursosMás soluciones
-
Procesos
Automatizaciones orquestadas
Menos horas y errores para negocio; eventos, MCP y logs para ingeniería — no triggers aislados.
Ver → -
RAG
Sistemas RAG
Base vectorial + citas: menos alucinaciones, más casos cerrados y conocimiento que mueve CRM/tickets.
Ver → -
MCP
Integraciones & MCP
Puerto MCP: la IA lee y actúa sobre ERP/CRM con scopes y auditoría — sin conectores punto a punto.
Ver →
Convierta el chat en un puesto aumentado
Asistentes Kodex: LLM con memoria, tools y gobierno — para que su equipo haga más con menos riesgo.