Autoridad antes del acto

Quién lo hizo y con qué

El agente fue Claude Opus 5.5, de Anthropic, uno de los modelos más capaces del mercado. Fue operado por Claude Code en la terminal, junto con Jev, el modelo de decisión tipada de TypeSafe AI, y con acceso directo al navegador mediante la extensión Claude in Chrome, dentro de la consola de Snowflake ya autenticada con el rol de administrador. El dueño del área acompañó y autorizó por la conversación.

Es la configuración que muchos equipos ya usan hoy: modelos de mercado excelentes, con las manos en la consola y el poder de quien la abrió. Los modelos resolvieron todo. Justamente por eso el problema no está en los modelos.

1. Acceso. El trabajo corrió con el rol de administrador de la cuenta, el más amplio que existe. Nadie registró por qué ese acceso, para qué y hasta cuándo.
2. Estructura y carga. Más de 170 instrucciones en una tarde: crear base de datos, roles y áreas de carga, subir archivos, cargar 152 tablas.
3. Desvíos en el camino. Un archivo superó el límite de envío y se dividió en dos. La carga del DW se hizo con un bloque equivalente a los 124 comandos del paquete. Las decisiones fueron correctas, pero quedaron en el historial de la conversación.
4. Dos defectos encontrados y corregidos. Un comando del paquete no corre en la plataforma. El script de conciliación sumaba como entero, porque NUMERIC sin precisión se vuelve entero en Snowflake, y generó 96 fallas falsas. Las correcciones quedaron en el repositorio del proyecto.
5. Prueba. Conteos idénticos en las 152 tablas y 707 controles de suma coincidiendo con Postgres. Una buena prueba, guardada en un archivo que la organización no ve.

Todo funcionó. La velocidad era del agente, no de la organización

Técnicamente, la carga salió bien. Rastrear sería posible, pero como investigación: juntando historial de consultas, conversación y commits. Al final de la tarde, Acme no podría responder preguntas simples:

EDAVEN Organización y Agentes es el sistema operativo de la organización de personas y agentes. Es el hub donde la empresa asigna equipos de personas y agentes, concede modelos, define mandatos y mantiene la relación fiduciaria, es decir, quién responde por qué. Datos y Decisiones son los motores que conectan el hub con el ecosistema, para consumir y para entregar.

Los modelos son los mismos del laboratorio. Lo que cambia es que entran por el hub. Jev, por ejemplo, se conecta en pantalla como proveedor de decisión: clave de la propia organización guardada en el cofre, consentimiento de salida de datos registrado y habilitación aprobada por una segunda persona. Puede correr en modo sombra, solo para calibrar, con la calibración registrada por caso de uso.

El hub trata el ecosistema por clase de herramienta, siempre con el mismo contrato: describir lo que puede hacer, simular, ejecutar con recibo, verificar contra la plantilla de prueba y revertir cuando se puede. Las plataformas SQL, el código versionado y los servidores MCP tienen puertas en el producto. Orquestadores y herramientas de BI, semántica y catálogo se conectan por el servicio de implantación, por la API o el MCP de la propia herramienta, bajo la misma gobernanza.

1. Caso. El pedido entra como caso, con dueño, propósito y plazo.
2. Equipo. Una ingeniera de datos y un agente de ingeniería de datos, con los modelos concedidos por la organización: el de lenguaje del agente y, si ella quiere, Jev como proveedor de decisión.
3. Mandato. Alcance (base de datos y esquemas), verbos permitidos y vigencia, aceptado por nombre por quien responde. Nunca la cuenta entera.
4. Plan con sobre. El agente propone el plan. La persona aprueba una vez el sobre entero: alcance, origen de los datos, verbos, límite de costo, ventana y plantilla de prueba. La segunda persona entra donde el riesgo lo pide.
5. Credencial arrendada. Un rol de entrega con alcance y plazo, activado para esa ejecución y desactivado al final; si se pasa de la ventana, el hub alerta y registra. Sin administrador.
6. Ejecución con recibo. Cada paso genera un recibo con el SQL exacto y el identificador devuelto por la plataforma. Un desvío, como dividir un archivo, se vuelve una nueva versión del plan con motivo.
7. Prueba contra la plantilla. Los 152 conteos y los 707 controles entran como evidencia en el libro de la organización, evidente ante alteraciones.
8. Aprendizaje y costo. El defecto del NUMERIC se vuelve candidato a memoria de la organización, con curaduría humana. El costo cierra por plan: el de los agentes que corren en EDAVEN se mide; el de la plataforma, se mide cuando ella informa o se estima con la base declarada; el tiempo de las personas, se declara. Y se liga al valor de la decisión que usa ese dato.

Las pantallas de abajo son de EDAVEN en operación sintética: el producto real, en un tenant de demostración con personas, agentes y datos sintéticos de Acme.

Gartner pone el dato listo, la gobernanza y el valor en el camino crítico de la IA. Las previsiones de abajo vienen del informe de previsiones de datos, analytics e IA hasta 2031 y del estudio sobre preparación de datos.

“Without AI-ready data, the promise of AI will fail to materialize.”
Gartner, Over 100 Data, Analytics and AI Predictions Through 2031

El laboratorio tiene una ingeniera y un agente. Una organización tiene decenas de personas, cientos de agentes, varios dominios y más de una unidad de negocio. La pregunta correcta no es si se puede rastrear todo. Rastrear todo es fácil. Lo difícil es decidir, en cada acto, si necesita a una persona.

EDAVEN fue diseñado para que la atención humana crezca con el riesgo, no con el volumen.

La escala de personas y agentes no se prueba con el número de agentes. Se prueba con estos indicadores:

• horas de revisión por persona por semana;
• parte de los actos que queda dentro de la autonomía y parte que sube a una persona;
• tiempo hasta que la pendiente llega a quien decide;
• actos fuera del sobre y rebajas de autonomía;
• tiempo de verificación de la cadena de prueba.

Esos son los números que sigue una operación gobernada, por dominio y por unidad.