Agentes que trabajan, no que solo responden.
Un agente en MadeForPrivacy no es un prompt con ventana de chat, sino un pipeline de herramientas: pasos definidos, entradas y salidas estructuradas, una zona de datos y autorizaciones claras. Viene listo y adaptado a tus procesos, o lo construyes tú mismo.
En pocas palabras
Agente en lugar de chatbot: así funciona.
Transcripción del vídeo
Hola, soy Neva, tu asistente personal. Tú me preguntas y yo llamo al agente adecuado.
Un agente no es un prompt con ventana de chat, sino un pipeline de pasos. Cada paso es una herramienta con un tipo fijo de entrada y de salida: leer un documento, extraer valores, consultar la base de datos, enviar un correo o preguntar a un modelo.
Entre los pasos viaja el maletín con archivos, campos y metadatos. Así siempre queda claro de dónde viene un valor. Y por el camino se comprueban condiciones: el agente de facturas no contabiliza nada sin un número de factura válido.
Hay agentes listos para usar, por ejemplo, para pedidos, facturas, correos y traducciones. Los prompts, las herramientas y la zona de datos los adaptamos contigo a tus procesos.
No necesitas conocer los agentes. De eso me encargo yo.
Qué es un agente
Tres cosas convierten un prompt en un proceso.
Cada agente tiene una identidad, una zona de datos y un pipeline. El pipeline es una lista ordenada de pasos de herramientas, y estos no intercambian variables sueltas, sino ítems en el maletín.
Pasos y herramientas
Cada paso es una llamada a una herramienta con un tipo definido de entrada y de salida. Leer un documento, extraer valores, consultar una base de datos, enviar un correo, preguntar a un modelo, en el orden que tú definas.
document-processorllm-extractdatabaseapimail-sendMaletín
El contenedor que viaja por el pipeline: archivos, campos, metadatos. Cada paso lee de él y escribe en él; por eso siempre está claro de dónde viene un valor y adónde va.
filedocumentorderresponseCondiciones y validación
Los pasos solo se ejecutan si se cumple su condición; las salidas pueden comprobarse frente a un esquema. Un agente que contabiliza facturas no contabiliza nada sin un número de factura válido.
execution_conditionsjson_templateAgentes listos para usar
El punto de partida ya está listo. El ajuste fino lo pones tú.
En el cliente eliges agentes por categoría o con la búsqueda, o simplemente describes la tarea. Para el trabajo habitual ya existen listos para usar; adaptamos contigo los prompts, las herramientas y la zona de datos a tus procesos.
- 📦Tramitación de pedidos
- 🧾Agente de facturas
- 📧Agente de correo
- 🌐Traducción
- 📄Creador de documentos
- 📚Agente de Knowledge
- 🔧Soporte informático
- 📊Agente de fichas técnicas
- 🧠Interlocutor para contrastar ideas
El creador de documentos entrega archivos Word, Excel, PowerPoint o PDF terminados con tu membrete, con cifras calculadas en lugar de marcadores de posición.
Un único punto de entrada para todo
Neva conoce tus agentes; tú no tienes que conocerlos.
La asistente personal responde ella misma cuando puede y pasa las tareas especializadas al agente adecuado. Si conoces la tarea pero no el agente, usa la selección dinámica de agentes.
Neva responde, recuerda y delega
Responde a preguntas de la conversación, recupera conocimiento almacenado, recuerda lo que te importa (por separado para cada persona) y deja que el agente de correo responda a una factura en lugar de intentarlo ella misma.
Está atenta a las señales
Los agentes pueden enviar señales: factura nueva, respuesta del cliente, pedido en el sistema. Neva las comprueba frente a tus reglas, localmente y sin llamar a un modelo, y solo te avisa cuando algo coincide.
Selección dinámica con +
Describe la tarea, adjunta archivos y listo: un selector elige el especialista adecuado entre los agentes que puedes usar. La zona de datos la ajustas con la insignia que hay al lado.
Workers: agentes sin chat
Los workers programados buscan con regularidad entradas nuevas (tickets, pedidos, buzones) y, para cada una, inician el agente adecuado como trabajo. El trabajo duplicado se evita gracias a las ejecuciones por ítem.
Costes bajo control
La IA interviene cuando hace falta. No todo el rato.
Muchas herramientas de IA dejan que un modelo decida en bucles qué hace a continuación: cada rodeo cuesta tokens. Aquí el pipeline controla el flujo; el modelo recibe solo el paso y el contexto que necesita.
Modelo por paso
Los pasos sencillos funcionan con modelos baratos o locales, los exigentes donde merece la pena, definido por herramienta o paso, no por agente.
Modo ampliado
Los modelos caros o los pipelines alternativos requieren una autorización de grupo. Quien la tiene los activa en cada ejecución con el icono del rayo. También en el modo ampliado se aplica la zona de datos del agente.
Costes al céntimo
Cada llamada a un modelo se registra con tokens de prompt y de respuesta y las tarifas almacenadas: por ejecución, por agente y a lo largo del tiempo.
Registro por ejecución
Qué paso duró cuánto, qué ítems recibió y entregó, qué modelo usó y cuánto costó. Optimizar con cifras, no por intuición.
Automatización
Agentes que se ponen en marcha por sí solos.
No todas las tareas empiezan con una pregunta en el chat. Los workers son exploradores programados: según una programación revisan el sistema de tickets, el buzón o la lista de pedidos, detectan entradas nuevas o modificadas e inician para cada una el agente adecuado, como trabajo en la cola, con las mismas zonas de datos, los mismos permisos y el mismo registro de ejecuciones que una ejecución desde el cliente.
Programación
Una expresión cron determina cuándo revisa el worker: cada cinco minutos, cada hora, cada noche.
cronDetectar
Un pequeño pipeline propio recupera los candidatos: tickets abiertos, correos sin leer, pedidos nuevos, mediante herramientas de API, correo o SQL.
discoveryCotejar
Cada entrada tiene un ID externo y, opcionalmente, un estado. ¿Nueva o modificada? Entonces se crea un trabajo; si no, no. Un límite por pasada evita avalanchas.
item-runEjecutar
Por cada coincidencia, el agente configurado se ejecuta con una cuenta de servicio definida. El resultado, los costes y los errores aparecen en el registro de ejecuciones como en cualquier ejecución.
jobEjemplo: un worker revisa el buzón de soporte cada diez minutos. Por cada correo nuevo inicia el agente de soporte, que clasifica la consulta, recupera contexto de Knowledge y escribe un borrador de respuesta en el ticket. Nadie tiene que lanzar el agente y cada ejecución es trazable por separado.
Actas de reuniones: un worker recupera reuniones de Zoom (se pueden conectar otros proveedores). El agente genera a partir de ellas un resumen, tareas, plazos y una transcripción depurada, y los envía por correo al organizador. Está incluido en la plataforma; no es un módulo adicional.
Adaptar y construir
En el cliente, sin programar.
Afina el prompt, cambia una herramienta, modifica la zona de datos, da acceso a un grupo: los cambios se aplican al instante. Los nuevos agentes los creas con los mismos componentes y en el registro de ejecuciones ves si hacen lo que deben.
- Empezar con la ayudaDescribe la tarea, la ayuda propone una configuración importable: el pipeline, los pasos, los servicios y la zona los ves y los cambias antes de importar.
- Montar el pipelineOrdena las herramientas: los tipos de entrada y salida encajan automáticamente o te indican dónde está el problema.
- Prompts por pasoPrompt de sistema, prompt base y prompt de formato por separado, y marcadores de posición que insertan valores del maletín.
- Zona de datos y autorizacionesElige la zona, añade los grupos de AD y hazlo visible en la selección. Resultado: un agente que solo ven las personas adecuadas.
- Activar, observar, ajustarCada ejecución queda en el registro. Si algo no encaja, cambias el paso y la siguiente ejecución ya lo usa.
Herramienta Script
Donde no encaja ninguna herramienta, la IA escribe el código.
Muchos pasos de un proceso siguen reglas fijas y no necesitan un modelo: unir líneas de dos tablas, sumar por tipo de IVA, comprobar campos obligatorios, convertir formatos de fecha. Para eso, la herramienta Script ejecuta TypeScript como un paso del pipeline, y el código lo escribe la IA. Así la IA construye y amplía agentes por sí misma, aunque no exista una herramienta propia para un paso.
// Totales por tipo de IVA a partir de las líneas de facturaexport function process(items: Item[], ctx: Ctx) { const sums = new Map(); for (const line of items) { const rate = line.data.tax_rate; const sum = sums.get(rate) ?? mfp.decimal(0); sums.set(rate, sum.plus(line.data.net)); } return [...sums].map(([rate, net]) => ctx.item("tax_summary", { rate, net: net.toFixed(2) })); }
- Mismos datos, mismo resultadoEl paso de script calcula sin llamar a ningún modelo y no consume tokens. Calcula los importes con números decimales exactos, así que la suma cuadra al céntimo.
- Código en el paso o desde la ejecuciónEl código está fijado en el paso. O bien un paso de modelo anterior lo escribe durante la ejecución y la herramienta Script lo ejecuta.
- AisladoEl script solo ve los ítems de su propio paso. La red, los archivos, las variables de entorno, las credenciales y las demás herramientas están bloqueados; el tiempo de ejecución y la memoria están limitados. El servidor comprueba cada resultado antes de que se convierta en un ítem.
- Descrita para herramientas de IAA través de la interfaz de IA (MCP), una herramienta como Claude Code recibe la interfaz completa de la herramienta Script y puede construir directamente como script los pasos que faltan.
Preguntas frecuentes
Respuestas breves.
¿Puedo usar IA para crear agentes?
Sí, de dos maneras. La ayuda integrada de MadeForPrivacy te describe el agente adecuado y propone una configuración editable que tú revisas e importas; un agente pegado empieza desactivado hasta que lo activas. O trabajas con una herramienta de IA externa como Claude Code o Codex a través del módulo adicional Interfaz de IA (MCP).
¿Qué hace la herramienta Script?
Ejecuta código como paso de un agente: TypeScript que reestructura ítems, comprueba valores y hace cálculos. El código lo escribe la IA o tu administrador. Está fijado en el paso o lo genera, durante la ejecución, un paso de modelo anterior. El script no tiene acceso a la red, a archivos ni a credenciales, y el servidor comprueba su resultado antes de que se convierta en un ítem.
Demo en vivo
¿Qué agente sería el primero en tu empresa?
Trae un caso real: una factura, un pedido, un buzón. Te mostramos en directo cómo lo procesa el agente adecuado.