Agentes de IA
Agentes de IA que trabajan en sus datos de desarrollo, con rastro completo
Los grandes proveedores de PLM entregaron copilotos en 2026. Siemens, PTC, Dassault y Contact ya responden preguntas sobre sus datos. Un agente es otra cosa. Prepara la variante, calcula la campaña, redacta la solicitud de cambio. Ese trabajo no vale nada si el agente ha usado un modelo obsoleto, ha visto datos que no debía ver o no ha dejado rastro.
Las condiciones
Tres cosas que tienen que cumplirse antes
Datos completos y actuales en un solo lugar. Un agente que lee un requisito de Polarion, un modelo de un portátil y un resultado de una unidad de red trabaja con tres estados distintos. Permisos que valen para el agente igual que para la persona que lo ha lanzado. Un rastro: qué ha leído el agente, qué ha calculado, qué ha generado, y que fue el agente y no una persona.
La propia guía de PTC sobre agentes en el desarrollo dice lo mismo sobre el anclaje en los datos. La diferencia entre proveedores está en si la plataforma impone las tres condiciones o el equipo las promete.
En Ref
Así trabajan aquí los agentes
Ref se diseñó desde el principio para agentes. Un agente trabaja en el mismo entorno que el equipo, con las mismas reglas que la persona que lo ha lanzado. Lee lo que esa persona puede leer. Lo que genera queda marcado como creado por máquina y entra en el mismo registro que el trabajo humano, con rastro. Él redacta; una persona decide qué se queda.
La última frase es nuestra decisión. Los modelos podrían más. Defenderíamos la decisión ante un evaluador, y contamos con tener que hacerlo. Investigadores de Virginia Tech encontraron en 2025 que las métricas de texto habituales no pueden distinguir un artefacto de ingeniería de sistemas escrito por un modelo de lenguaje del trabajo de un experto, mientras que una lectura atenta encuentra requisitos prematuros, cifras sin respaldo y sobreespecificación. Eran los modelos de principios de 2025, y cada generación desde entonces es mejor. El motivo para mantener a una persona en el bucle sobrevive a ese progreso: un error que ninguna métrica ve sigue siendo difícil de ver, aunque los borradores mejoren. Justo el borrador que suena correcto necesita a una persona.
El trabajo
Qué hacen los agentes y qué no hacen
Resumen una campaña, redactan una solicitud de cambio a partir de un ensayo fallido, derivan una variante nueva de otra, pasan una evaluación en Python sobre los resultados y la archivan con sus entradas. También trabajan en paralelo: un enjambre de agentes prepara una docena de variantes, las lanza como una campaña en contenedores sobre Azure Batch y le presenta la comparación. No liberan ningún cambio de producto y no aprueban ninguno.
Rendimiento
Cuando la producción se multiplica
Los agentes multiplican la producción. Más variantes, más ejecuciones, más borradores de los que un equipo puede leer. La tarea de la plataforma es que, aun así, las decisiones sigan ancladas en evidencias: cada borrador apunta a aquello de lo que surgió, cada comparación a sus ejecuciones. La revisión se acorta, porque la pregunta de dónde viene una cifra ya está respondida.
Soberanía
Modelos y datos
Los agentes corren sobre modelos alojados en Microsoft Azure en la UE. Sus datos no se usan para ningún entrenamiento. Que un resultado venga de un agente queda registrado con el resultado. Qué modelos empleamos lo decimos en la demostración.
Alcance
Qué cuesta
El trabajo de los agentes consume tokens, medidos por tenant y por tema; administradores y usuarios ven el consumo en la aplicación y deciden sobre él. El borrador de un agente para una campaña necesita la revisión de una persona, y en ese tiempo se decide el valor; cuéntelo en su planificación. Los agentes solo actúan cuando una persona los lanza.
Preguntas
Lo que se pregunta primero
¿El agente lo ve todo?
Ve lo que ve la persona que lo ha lanzado. Nada más.
¿El trabajo de los agentes queda marcado?
Sí. Cada artefacto que ha generado un agente lleva esa marca en el registro, de forma permanente.
¿Qué modelos?
Modelos alojados en Azure en la UE. Los nombramos en la demostración y cambiamos cuando hay uno mejor disponible.
¿Podemos desactivar los agentes?
Solo actúan cuando una persona los lanza. Un equipo que no lanza ninguno no ve ninguno.
Páginas relacionadas
Si quiere ver cómo un agente calcula una campaña y archiva el resultado con su rastro, pida una demostración. Cuéntenos su proyecto.