Agent Launcher
Convertir tareas repetitivas de análisis en agentes reutilizables, sin quedar atado a un modelo ni a un proveedor.
Plataforma para comparar y activar agentes sobre distintos modelos, con las ejecuciones persistidas y auditables. Desarrollada para una gestora de inversiones.
El problema
En una gestora de inversiones, buena parte del trabajo de research es repetitivo: las mismas preguntas sobre distintas compañías, los mismos cruces, el mismo tipo de resumen.
Automatizar eso con IA es tentador, pero tiene una trampa: cada tarea termina atada a un prompt, un modelo y un proveedor específicos. Cuando el proveedor cambia de precio, de modelo o de condiciones, hay que rehacer el trabajo.
Qué construimos
Una capa de adaptación entre los agentes y los distintos proveedores de modelos. El usuario elige agente, modelo y proveedor por separado, y puede cambiar cualquiera de los tres sin rehacer los otros dos.
Cada ejecución queda persistida y auditada, así que se puede revisar qué se preguntó, con qué modelo y qué respondió. En un contexto donde las decisiones tienen consecuencias económicas, poder reconstruir cómo se llegó a una conclusión importa tanto como la conclusión.
Los agentes se exponen además por API, para que otros sistemas los consuman sin pasar por la interfaz.
Cómo evolucionó
En fases posteriores dejó de ser solamente un lanzador de agentes. Se sumaron conversación con contexto, visualización, agentes especializados y el criterio de usar primero los datos internos de la organización antes de recurrir a búsquedas web.
El MVP quedó validado técnicamente y pasó a ser una de las bases de una arquitectura de IA más amplia dentro del cliente.