La mayoría de los equipos no necesita un nuevo producto de IA — necesita una o dos herramientas de IA dentro del producto que ya envía.

Este engagement es para ese punto medio: el producto ya existe, los usuarios son conocidos y la función de IA tiene que vivir con tu auth, permisos, observabilidad, release process y soporte.

Dónde encajamos

Un buscador que entiende la intención del usuario.
Un asistente de flujo que redacta el primer 80% de una tarea interna.
Un clasificador que prioriza tickets antes de llegar a una persona.
Una cola de revisión donde la IA sugiere la siguiente acción pero un humano aprueba.
Un flujo de soporte o ventas que necesita retrieval, resumen y auditabilidad en una sola ruta.
Un agente interno que llama tools aprobadas, actualiza registros estructurados y se detiene para revisión antes de acciones irreversibles.
Un workbench de conocimiento que combina búsqueda, citas, redacción e historial de aprobación dentro del producto que tu equipo ya usa.

Qué lo hace agentico

Agentico no significa "dejar que el modelo haga lo que quiera." Significa que el sistema puede tomar acciones acotadas a través de tools: leer el contexto correcto, decidir el siguiente paso, llamar una función aprobada, verificar el resultado y continuar o pasar a un humano.

En productos existentes, eso normalmente implica:

Contratos de tools para las acciones que la IA puede tomar.
Permisos que respetan tus roles actuales.
Máquinas de estado para revisión, escalación, reintentos y fallas.
Evals para calidad, grounding, rechazo, costo y corrección de tools.
Observabilidad que muestra qué vio el modelo, qué hizo y por qué se detuvo el workflow.

Cómo lo construimos

Elegimos un flujo. Tomamos el flujo más pequeño donde la IA puede ahorrar tiempo sin quitarle ownership al usuario.
Escribimos la evaluación. Reunimos ejemplos reales, outputs esperados, casos de rechazo y umbrales antes de afinar prompts o elegir modelos.
Diseñamos el límite de tools. Definimos qué puede leer la IA, qué puede escribir, qué tools puede llamar y dónde debe aprobar un humano.
Enviamos dentro de tu stack. La función usa tu auth, permisos, CI, analytics, logging y soporte. No construimos un producto paralelo salvo que las restricciones lo exijan.
Metemos un usuario en el loop. Un usuario real toca la función en la semana 2. Sus ediciones y rechazos entran a la evaluación.
Dejamos el kit operativo. Tu equipo recibe arnés de evaluación, prompts, hooks de observabilidad, notas de costo de modelo y runbook.

Restricciones

Respetamos el resto de tu stack. No te pedimos cambiar autenticación, observabilidad ni CI. Las funciones de IA pasan por el mismo proceso de release que todo lo demás.

Qué no hacemos

Agregar IA donde el flujo no tiene criterio de éxito medible.
Enviar output generado directo a clientes cuando el dominio necesita aprobación humana.
Esconder un prompt frágil detrás de una UI pulida y llamarlo producción.
Tomar ownership de producto que debería quedarse en el equipo que operará la función.

La aritmética

La mayoría de este trabajo cae dentro de Build: $40–80k para una función acotada, $80–160k cuando el flujo toca varios sistemas o revisión regulada. Discovery-only empieza en $8k cuando la primera pregunta es si la función debería existir.