Agentes de IA empresariales
que puede controlar y auditar

Primo Epic es una plataforma de agentes de IA empresariales autoalojada de Primo. Los agentes llevan las tareas de principio a fin — desde reunir datos hasta actualizar registros en el ERP — y vienen listos para revisar contratos, verificar facturas, analizar hojas de cálculo y responder preguntas sobre políticas. Un constructor de agentes de IA sin código permite crear los suyos. Alrededor del modelo de lenguaje, la plataforma añade permisos de su directorio, salvaguardas aplicadas por el código de la plataforma, aprobación humana configurable y un registro de auditoría. Funciona en sus servidores y con cualquier modelo compatible con OpenAI.

Un agente de IA usa un modelo de lenguaje para completar una tarea de principio a fin: planifica los pasos, llama a herramientas, actúa en los sistemas de negocio dentro de sus permisos y registra lo que hizo. Un modelo sabe responder; un agente sabe terminar el trabajo.

La empresa no paga por un texto bien redactado. Paga por el trabajo hecho: un contrato revisado según la política, una factura conciliada y lista para contabilizar, un caso dudoso que llega a la persona adecuada con la justificación ya preparada.

Un modelo ahorra tiempo en una consulta. Un agente elimina el trabajo manual del flujo: por ejemplo, 25.000 documentos al mes pueden pasar casi sin intervención humana, y las personas solo atienden las excepciones.

A diferencia de un modelo, a un agente se le puede confiar trabajo en los sistemas de registro: tiene permisos, límites, un registro de auditoría y un empleado que confirma las acciones irreversibles. Un modelo se queda en el chat; un agente entra en el proceso.

• —Sin acciones. Un modelo responde con texto. Un agente actúa.
• —Sin herramientas. Un modelo no puede abrir un registro en el ERP, buscar una cláusula de la política ni llamar a un robot RPA.
• —Sin memoria del proceso. No sabe que la tarea está en el paso 3 de 7, que un empleado ya tomó una decisión o que el reglamento cambió ayer.
• —Sin pausa. Un agente se detiene al encontrar una discrepancia, espera la decisión de una persona y continúa. Un modelo simplemente devuelve una respuesta.
• —Sin permisos. Un modelo no sabe nada de Active Directory ni de que un empleado no puede ver los salarios. Un agente trabaja estrictamente dentro de los permisos de la cuenta con la que se ejecuta.
• —Sin responsabilidad. La respuesta de un modelo no se puede firmar ni auditar después. Un agente deja un registro: quién decidió qué, qué regla se aplicó y qué versión se ejecutó.
• —Sin especialización. Un agente se crea para una función concreta, como legal, contabilidad o compras, con sus propios reglamentos, pasos y herramientas permitidas.
• —Sin flujo. Un modelo responde una vez. Un agente procesa miles de documentos al mes con un mismo escenario, con métricas e informes.

En resumen: el LLM es el cerebro. El agente es el cerebro más las manos, las herramientas, la memoria, los permisos y las reglas. La plataforma aporta todo, excepto el cerebro.

El LLM es el motor, y un motor sin coche no llega a ninguna parte. Primo Epic es todo lo demás: lo que convierte el modelo en un empleado al que su equipo de seguridad dejará entrar en los sistemas contables y en los contratos.

• —Permisos. Inicio de sesión con Keycloak, Active Directory o su proveedor OIDC. El agente no puede tener más permisos que la cuenta con la que se ejecuta — el empleado que lo inició o una cuenta de servicio que asigna un administrador — y los permisos se verifican en cada acción.
• —Guardrails. Límites de pasos, lista de herramientas permitidas, filtros de entrada y salida y enmascaramiento de datos personales. Funcionan con independencia del modelo: aunque el modelo se equivoque, los guardrails lo detienen.
• —Autonomía y aprobaciones. Cada paso se ejecuta por sí solo o espera a un empleado: usted decide. Por defecto, escribir en un sistema contable, registrar un pago o rechazar a una contraparte solo ocurre tras la confirmación de un empleado, en una tarjeta que muestra qué había, qué habrá y por qué.
• —Registro de auditoría. Quién decidió qué, qué regla se aplicó y qué versión del agente se usó.
• —Políticas con versiones. Un metodólogo actualiza las reglas sin desarrolladores. Las tareas en curso continúan con la versión con la que empezaron.
• —Constructor y agentes listos. Escenarios listos para finanzas, legal, recursos humanos, compras, logística y gestión documental; sus propios agentes en un lienzo sin código.
• —Conectores y ejecución. Servidores MCP, robots de Primo RPA para sistemas sin API y Primo AI Server para el reconocimiento de documentos. Colas, workers, checkpoints y una cola de confirmaciones, pensados para miles de documentos al mes.

Sin una plataforma, cada equipo tiene que programar aprobaciones, permisos, registros y versiones para cada agente.

Sí: por defecto con la confirmación de un empleado, o de forma autónoma donde usted lo permita.

El agente lee, analiza y escribe solo dentro de los permisos de la cuenta con la que se ejecuta. Por defecto, cualquier acción que escriba datos, contabilice un documento o genere un pago espera la decisión de un empleado: una tarjeta con el valor original, el cambio propuesto, la regla aplicada y el razonamiento. Para los pasos en los que usted confía, la confirmación se puede desactivar al publicar el agente. Los sistemas con API se conectan mediante servidores MCP; los que no la tienen, mediante robots de Primo RPA.

Un agente en su conjunto no se puede aprobar, pero cuatro decisiones concretas sí. La responsabilidad se reparte entre cuatro roles:

• —Autor del agente — publica la versión del agente.
• —Administrador — fija los guardrails tras la revisión de seguridad y asigna la cuenta para las ejecuciones programadas y por API.
• —Metodólogo — mantiene la política con versiones.
• —Empleado — decide sobre cada cambio que requiere aprobación.

Todas las aprobaciones, el registro de pasos y el registro de accesos permanecen en su entorno.

Las tareas en curso no se ven afectadas.

• —Las políticas tienen versiones. Una nueva redacción no afecta a las tareas ya iniciadas: terminan con la versión con la que empezaron.
• —El modelo es una entrada del catálogo. Cambiarlo no obliga a reconstruir los agentes.
• —La calidad se vuelve a verificar con una muestra de control antes del cambio.

• —El agente lee, analiza y escribe solo dentro de los permisos de la cuenta con la que se ejecuta.
• —Cada paso tiene un modo de confirmación: cada llamada a una herramienta, solo los cambios o ninguna.
• —Donde se requiere aprobación, el empleado ve una tarjeta de decisión: texto o valor original, cambio propuesto, cláusula del reglamento y razonamiento del modelo. Cada cambio se acepta o se rechaza por separado.
• —Las reglas de confirmación se fijan al publicar el agente y durante la ejecución solo pueden endurecerse.
• —Por defecto, ninguna acción que modifique datos se ejecuta sin aprobación.

Sí.

Los agentes pueden iniciarse según una programación o ser llamados por sus sistemas a través de la API REST, y llevar un flujo desde la entrada hasta el cambio en el sistema de destino sin nadie en el circuito. Usted decide qué pasos se ejecutan de forma autónoma y cuáles siguen esperando a un empleado; la elección se fija al publicar el agente.

Los límites de ejecución, la lista de herramientas permitidas, los filtros de entrada y salida y el enmascaramiento de datos se aplican en todos los modos, y cada paso queda registrado. Las ejecuciones autónomas usan una cuenta que asigna un administrador, como una cuenta de servicio dedicada, de modo que el registro de auditoría siempre muestra en nombre de quién se ejecutó una acción.

Sí. Primo Epic incluye un constructor de agentes de IA sin código: los agentes se arman con bloques listos — modelo, conocimiento, herramientas, políticas, escenario y auditoría. Puede:

• —usar agentes listos para tareas habituales: revisión de contratos, verificación de facturas, análisis de hojas de cálculo, preguntas sobre políticas;
• —crear sus propios agentes con su equipo;
• —crearlos junto con Primo o con un partner.

No. Puede empezar en pequeño.

• —La plataforma funciona en servidores con CPU, con Docker Compose o Kubernetes.
• —Para el modelo puede usar su servidor de inferencia actual, una pasarela corporativa o un modelo en la nube aprobado por su equipo de seguridad. Sirve cualquier modelo compatible con OpenAI.
• —Las GPU solo hacen falta si aloja el modelo usted mismo, y la capacidad se amplía a medida que crece el volumen.
• —Un inicio típico son dos servidores: uno para la plataforma y otro para el modelo. El hardware se amplía a medida que crecen los usuarios y los agentes.

Según el informe 2026 State of Agentic Orchestration & Automation de Camunda, una encuesta a 1.150 responsables de TI y de negocio de grandes empresas, solo el 11% de los casos de uso de IA agéntica llegó a producción en el último año.

El riesgo es uno de los principales obstáculos que señala el informe. Mientras nadie pueda firmar las acciones del agente — con permisos, registro de auditoría y aprobación humana de los cambios —, seguridad y auditoría no lo dejarán entrar en los sistemas reales. Primo Epic aporta esa capa de control, de modo que el primer agente aprobado sirve de plantilla para los siguientes: la revisión de seguridad se centra en lo que aporta cada nuevo agente.

Los agentes deciden; los robots ejecutan.

Un robot repite pasos que están escritos. Cuando una excepción queda fuera de su script, el agente se encarga: reúne los documentos y los datos, los contrasta con sus reglas y prepara el resultado para su aprobación o pasa la decisión a un empleado con su razonamiento. Si un sistema no tiene API, el agente llama a un robot de Primo RPA a través de Orchestrator. El robot sigue siendo determinista y controlado, y ambos funcionan con los mismos permisos y la misma auditoría.

No.

La plataforma, los datos, los archivos y los registros permanecen en sus servidores, igual que el modelo si lo aloja usted. No se envía telemetría. Las conexiones salientes van solo al modelo, a los sistemas y a las herramientas que usted aprueba expresamente. Con un modelo alojado localmente, la plataforma funciona sin acceso a internet.

El ahorro depende del proceso. En flujos de documentos de gran volumen, como contratos, facturas o reclamaciones, los patrones habituales son:

• —miles de horas de trabajo al mes que pasan de la revisión manual a la gestión de excepciones;
• —el equivalente a decenas de personas a tiempo completo liberadas para trabajo de más valor en los flujos más grandes;
• —menos tiempo de procesamiento y menos errores frente a sus reglas.

Como ilustración, 1.000 documentos al mes a 12 minutos cada uno suponen 200 horas de trabajo, es decir, USD 60.000–120.000 al año con un costo total de USD 25–50 por hora. Las cifras exactas se calculan en la evaluación y el piloto a partir de sus volúmenes y del esfuerzo manual actual.

Alrededor de un mes para un proceso:

• —1 semana — evaluación del proceso y métricas de referencia;
• —2–3 semanas — piloto en un proceso con criterios de éxito acordados antes de empezar;
• —las reglas de acceso y las políticas se cierran a partir de los resultados del piloto.

Una vez aprobado el primer agente, los siguientes reutilizan las mismas políticas, el mismo modelo de permisos y la misma auditoría.