Un asistente que explica un pedido de compra es útil. Uno que prepara la siguiente acción puede serlo aún más: reunir información, proponer un proveedor o redactar una solicitud. El reto de ingeniería cambia cuando el resultado puede afectar al ERP, además de aparecer en una conversación.
Considera una empresa hipotética de mantenimiento cuyos coordinadores reponen piezas con frecuencia. Un asistente podría preparar un pedido a partir de la solicitud de trabajo, las existencias y el catálogo aprobado. El negocio sigue necesitando saber qué se comprobó, quién puede aprobar la compra y qué ocurre si cambia la solicitud antes de ejecutar.
Define una tarea acotada antes de elegir herramientas
Describe la tarea en términos de negocio: información inicial, salida deseada y puntos donde puede detenerse. «Preparar una reposición para revisar» es más fácil de evaluar que «automatizar compras». También distingue claramente preparar una acción de estar autorizado a ejecutarla.
Identifica los pasos ya deterministas. Consultar existencias, validar un proveedor y comprobar un límite de gasto pueden pertenecer a servicios ordinarios de aplicación. Utiliza razonamiento del modelo donde ayude la interpretación, como convertir una descripción de mantenimiento en una lista de candidatos, y conserva las reglas establecidas en código comprobable.
Microsoft Agent Framework documenta agentes, herramientas y procesos, incluida interacción humana y puntos de control. Evalúa sus capacidades frente a la tarea sin tratar una función del framework como prueba de que el proceso terminado sea seguro o correcto. Documentación de Microsoft Agent Framework.
Expón operaciones de negocio con contratos limitados
Ofrece al asistente operaciones acordes al proceso. Buscar piezas aprobadas tiene una finalidad más clara que un acceso irrestricto a la base de datos. Una herramienta que crea borradores puede validar campos y devolver un resultado comprensible sin conceder capacidad para emitir el pedido final.
Especifica entradas, salidas y fallos. Si una pieza está descatalogada o un proveedor no entrega en esa ubicación, devuelve explícitamente la condición. Evita que el modelo deduzca el estado de un mensaje ambiguo o trate cualquier respuesta técnica correcta como éxito de negocio.
Conserva la identidad del usuario y la organización pertinente en cada operación. El servidor debe imponer permisos independientemente de la conversación. Un correo, documento o nota recuperada son datos de la tarea; no deben adquirir autoridad para cambiar las acciones permitidas ni eludir controles.
Haz que la aprobación corresponda a una propuesta concreta
Presenta la acción de forma revisable: proveedor, artículos, cantidades, ubicación y otros detalles relevantes. Incluye información para evaluar incertidumbre, como una sustitución sin resolver. Un botón vago de «¿Continuar?» no explica qué responsabilidad se acepta.
Vincula la aprobación a la versión revisada. Si cambian cantidades o destino, decide qué modificaciones requieren otra revisión. Aprobar una solicitud no debe convertirse en un permiso permanente para acciones sustancialmente distintas construidas más adelante en la conversación.
Valida de nuevo al ejecutar. Existencias, autoridad de gasto y estado del proveedor pueden cambiar mientras espera un borrador. Explica cualquier rechazo o necesidad de nueva aprobación. Así se respetan las reglas normales del ERP, sin crear una vía alternativa por proceder de una interfaz de IA.
Planifica la finalización parcial y los resultados inciertos
Supón que el ERP acepta un pedido pero se pierde la respuesta al asistente. Repetirlo sin identidad estable podría crear otro pedido. Define cómo se sigue la ejecución y cómo se comprueba el resultado antes de decidir si corresponde otro intento.
Mantén separados los estados propuesto, aprobado, en ejecución, completado y sin resolver. El asistente debe poder decir que todavía se comprueba el resultado. Inventar una confirmación segura es peor que mostrar un estado pendiente claro con una referencia investigable.
Considera por separado las acciones de varios pasos. Reservar existencias y avisar a un proveedor pueden fallar en puntos distintos. Decide qué efectos se revierten, cuáles necesitan una compensación explícita y cuáles requieren intervención humana. Documéntalo en el proceso, sin depender de que el modelo improvise la recuperación.
Evalúa tareas completas con casos representativos
Crea un conjunto pequeño de escenarios realistas y adecuadamente protegidos. Incluye referencias de pieza ausentes, descripciones ambiguas, cantidades inusuales y solicitudes que el usuario no puede aprobar. Marca el comportamiento esperado: borrador correcto, pregunta aclaratoria, rechazo o revisión humana.
Mide más que la fluidez del texto. Inspecciona registros seleccionados, gestión de permisos, precisión de propuestas y estado final de la aplicación. Sigue cuánto debe corregir el revisor. Un proceso aparentemente automatizado puede consumir mucho esfuerzo si cada borrador necesita reconstruirse.
Repite evaluaciones pertinentes cuando cambien modelo, contrato de herramienta, prompt o catálogo. Puede haber regresiones sin cambiar código si varían entradas o comportamiento. Mantén una vía manual ordinaria para continuar cuando el asistente no esté disponible o no alcance el nivel acordado.
Introduce el sistema con responsables definidos
Empieza por un proceso acotado y un grupo pequeño que lo conozca. Permite comunicar propuestas problemáticas con contexto suficiente para investigarlas. Registra acciones aprobadas y resultados, limitando la retención innecesaria de contenido conversacional sensible.
Asigna responsables de interfaces, casos de evaluación y soporte. El negocio debe definir resultados aceptables y los desarrolladores hacerlos observables y exigibles. Ninguna responsabilidad desaparece porque se utilice un modelo en lugar de un formulario.
Worktechlabs diseña integraciones de IA que conectan asistencia útil con autoridad explícita. Combina este enfoque con IA en aplicaciones existentes y gestión fiable de integraciones para que la primera función tenga límites claros, una finalidad medible y una vía fiable para las excepciones.
Fuentes oficiales y lecturas adicionales
- Microsoft: documentación de Agent Framework — agentes, herramientas, procesos e interacción humana.
- Microsoft: ejemplos de migración de Semantic Kernel a Agent Framework — material oficial para integraciones existentes.
