Cómo preparar tus datos para la era agéntica.

Preguntas frecuentes

¿Por qué fallan los proyectos de agentes de IA al pasar a producción?

Porque ni los datos ni su gobierno están preparados para los agentes. Los datos del negocio están dispersos, sin relacionar y sin describir, y los permisos pensados para personas no sirven para un sistema autónomo. El agente tiene que reconstruir el contexto por su cuenta, y eso lo hace caro y poco fiable.

¿Qué es el linaje a nivel de dato?

Es el registro, para cada dato individual, de su sistema de origen, la fecha en que entró y las transformaciones que ha recibido. Se registra por campo y por registro, no por lote ni por fichero. Permite recorrer cualquier respuesta hacia atrás hasta el dato concreto que la sustenta.

¿Qué es el dome de seguridad y cómo decide cada acceso?

Es la capa de seguridad que envuelve todo el conocimiento y es la única vía para llegar al dato. Cada acceso se decide en el momento evaluando cuatro dimensiones: qué agente pregunta, para qué tarea, sobre qué dato concreto y en qué contexto. Cada decisión queda registrada.

¿Por qué el control de acceso por roles no sirve para agentes de IA?

Porque el control por roles descansa en el criterio de la persona: sabe que no debe usar un dato fuera de su propósito aunque tenga acceso. Un agente no aplica criterio, ejecuta. Además lanza miles de consultas por minuto y combina fuentes, y los roles son estáticos mientras su actividad cambia con cada tarea.

¿Cómo se protege el contenido no estructurado, como contratos o llamadas?

El control llega dentro del documento. Según la política que aplica a cada agente y tarea, las partes que la tarea no justifica se ocultan antes de entregar el contenido. Un agente que analiza el tono de las llamadas recibe la transcripción sin números de cuenta ni saldos.

¿Por qué un agente debe definirse por tarea y contexto?

Porque la seguridad necesita algo contra lo que evaluar cada acceso. Un agente genérico, que «ayuda en lo que haga falta», no tiene una tarea acotada: casi cualquier acceso resulta defendible y ninguno es garantizable. Con agentes específicos, cada acceso se decide de forma determinista contra la política. Además funcionan mejor.

¿Qué es el modelo headless y por qué afecta a la soberanía del dato?

Es la arquitectura en la que una plataforma expone los datos mediante API para que los consuman agentes, normalmente facturando por uso. Si los datos que generó una organización viven en la infraestructura del proveedor, tiene que pagar para que sus agentes los lean, y quedan sujetos a la jurisdicción de ese proveedor.

¿Cuánto hay que construir antes de obtener valor?

No hace falta tenerlo todo. Desde el primer conjunto de datos bien ingerido, relacionado y descrito, el conocimiento ya se puede consultar y responde preguntas de negocio que antes exigían trabajo manual. El primer agente es el que más cuesta; cada agente posterior solo necesita definir su pregunta, su tarea y sus políticas.

¿Qué incluye el whitepaper?

Son 43 páginas en seis capítulos, con introducción y conclusión. Explica las tres capas de la arquitectura (data lake con linaje, capa semántica y dome de seguridad), cómo empezar a obtener valor y la respuesta a cinco marcos: GDPR, DORA, EU AI Act, ISO 27001 y ENS. Define términos como linaje, corpus y ontología.