Resumen ejecutivo
El software de presencia digital que compra la mayoría de las empresas en LATAM es estático: se entrega una vez y se degrada desde el primer día. Los motores que deciden quién es visible —Google, ChatGPT, Perplexity, Gemini, los asistentes de voz— son dinámicos: cambian sus algoritmos, sus formatos de respuesta y sus criterios de recomendación de forma continua. Esa asimetría es el problema estructural que AGENTIX resuelve.
XPLORERS AGENTIX es una arquitectura en la que la plataforma digital de un negocio no es un sitio web, sino un sistema operado por un enjambre de 8 a 12 agentes de inteligencia artificial especializados —visibilidad, performance, datos estructurados, copy, nurturing, seguridad, accesibilidad, analítica, voz, conocimiento, compliance y orquestación— que trabajan de forma autónoma, coordinada y auditable sobre los activos digitales del cliente.
Los modelos de lenguaje son un commodity intercambiable; el activo defendible es el harness —la capa de instrumentación, memoria compartida, políticas, eventos, evaluación y resolución de conflictos que convierte modelos genéricos en agentes confiables de producción. Esa capa, junto con el Protocolo de Orquestación AGENTIX, constituye la propiedad intelectual de Xplorers Startups.
Este documento define con precisión qué es un agente y qué no lo es, especifica la anatomía del harness, formaliza los seis componentes del protocolo de orquestación del enjambre, documenta el modelo de seguridad y gobernanza, y —de forma deliberada— delimita con honestidad qué partes del stack son estándares abiertos, qué componentes son de mercado y cuál es exactamente la capa propietaria. Esa transparencia no debilita la posición competitiva: la hace defendible ante cualquier revisión técnica.
Tu negocio no necesita una página. Necesita un enjambre: especialistas autónomos de IA con una memoria común, un protocolo de coordinación y un humano en el circuito donde importa.
01El cambio de paradigma: del software estático a los sistemas agénticos
1.1 · Definición rigurosa de agente
Un agente es un sistema de software que, dado un objetivo, percibe su entorno, razona sobre el estado actual, decide y ejecuta acciones a través de herramientas, observa el resultado de esas acciones y ajusta su comportamiento en un ciclo continuo —manteniendo memoria y operando dentro de límites de autonomía explícitamente definidos.
De esa definición se derivan cinco propiedades que un sistema debe cumplir simultáneamente para ser un agente. Si falta una, es otra cosa:
- Orientación a objetivos. Recibe metas ("mantén LCP bajo 2.5 segundos"), no instrucciones paso a paso. El cómo lo decide el agente.
- Uso de herramientas. Actúa sobre el mundo a través de una capa de herramientas tipadas: APIs, validadores, pipelines de build, webhooks, CRM.
- Ciclo cerrado de retroalimentación. Verifica el efecto de cada acción y corrige. Sin verificación posterior no hay agencia: hay ejecución ciega.
- Memoria y estado. Recuerda decisiones previas, resultados y contexto del negocio. En AGENTIX, la memoria semántica compartida es el Knowledge Graph.
- Autonomía acotada. Opera dentro de una política: qué puede tocar, hasta qué umbral, y cuándo debe escalar a otro agente o a un humano.
El mercado vende el primer término y omite los otros cuatro. Los otros cuatro son AGENTIX.
1.2 · Lo que no es un agente
La palabra "agente" se ha devaluado comercialmente. Esta tabla establece la frontera técnica:
| Sistema | Por qué no es un agente |
|---|---|
| Chatbot de guion / árbol de decisión | No razona: recorre rutas predefinidas. No tiene objetivos, herramientas ni memoria útil. Es una interfaz, no un actor. |
| Automatización lineal (RPA, Zapier) | Ejecuta secuencias fijas disparadas por eventos. AGENTIX la usa como capa de acción, pero no decide, no se adapta y no verifica resultados contra objetivos. |
| Prompt + API de un LLM | Razona pero no actúa: sin capa de herramientas, sin ciclo cerrado, sin memoria persistente, sin política. Es una demo, no un sistema. |
| "Asistente de IA" embebido (plugin/widget) | Responde bajo demanda del usuario. No opera con objetivos propios, no monitorea el entorno, no inicia acciones. |
| Agente AGENTIX | Objetivo persistente, herramientas con permisos, memoria compartida versionada, telemetría completa de cada acción, política de escalación y arbitraje por un orquestador. Cumple las cinco propiedades. |
1.3 · Niveles de autonomía agéntica (escala A0–A5)
Hablar de "agentes autónomos" sin graduar la autonomía es irresponsable en producción. AGENTIX usa una escala interna de seis niveles, análoga a la escala SAE de conducción autónoma, y asigna a cada agente un nivel por tipo de acción:
| Nivel | Nombre | Descripción operativa |
|---|---|---|
| A0 | Manual asistido | El sistema solo informa. Toda acción la ejecuta un humano. |
| A1 | Sugerencia | El agente propone cambios concretos; un humano decide y ejecuta. |
| A2 | Ejecución supervisada | El agente prepara y ejecuta, pero requiere aprobación humana previa al despliegue. |
| A3 | Autonomía con excepción | Ejecuta de forma autónoma dentro de su política y escala solo las excepciones. Nivel estándar de operación en AGENTIX. |
| A4 | Autonomía con autocorrección | Ejecuta, verifica, revierte y reintenta por sí mismo dentro de umbrales. Reservado a acciones reversibles de bajo riesgo. |
| A5 | Autonomía plena | Sin supervisión ni umbrales. No se despliega en producción por diseño: ningún cliente de AGENTIX opera agentes A5. |
Regla de oro: las decisiones irreversibles o de alto impacto reputacional (claims públicos, precios, entidades raíz del Knowledge Graph, envíos masivos) nunca superan A2. Las decisiones reversibles de bajo costo operan en A3–A4.
02El Agent Harness: la capa que convierte un modelo en un agente
2.1 · El modelo es commodity; el harness es el activo
Los modelos de lenguaje de frontera —Claude, GPT, Gemini y los modelos abiertos— están disponibles para cualquier competidor por API, mejoran cada trimestre y bajan de precio de forma sostenida. Construir una propuesta de valor sobre "usamos el mejor modelo" es construir sobre arena: el diferencial desaparece con el siguiente release de cualquier proveedor.
El modelo es el motor; el harness es el resto del auto de carreras —chasis, telemetría, frenos, límites de revoluciones, protocolo de pits. Cualquiera compra el motor. Casi nadie sabe construir el auto.
Quien controla el harness controla el comportamiento, la confiabilidad, los costos y la auditabilidad del sistema. Quien solo llama a la API controla un prompt.
2.2 · Anatomía del harness AGENTIX: siete subsistemas
Cada agente del enjambre corre dentro del mismo harness. Esto garantiza que un agente nuevo hereda, desde el primer día, gobernanza, telemetría y límites idénticos a los del resto del sistema.
| Subsistema | Función |
|---|---|
| 1 · Context Manager | Ensambla el contexto de cada tarea: estado relevante del Knowledge Graph, eventos recientes, memoria recuperada por relevancia y la política del agente. Administra el presupuesto de tokens: el agente nunca ve más de lo que necesita ni menos de lo que requiere. |
| 2 · Tool Layer | Catálogo tipado de herramientas con permisos por agente. Ninguna acción ocurre fuera de una herramienta declarada; no existe acceso libre al sistema. |
| 3 · Memory Subsystem | Tres memorias: de trabajo (la tarea en curso), episódica (historial de decisiones por agente) y semántica (el Knowledge Graph compartido). Toda escritura es versionada y auditable; ninguna es anónima. |
| 4 · Policy & Guardrails | Límites duros por agente: alcance, umbrales de magnitud de cambio, listas de acciones prohibidas, validaciones obligatorias. La política se evalúa antes de ejecutar, no después. |
| 5 · Scheduler & Triggers | Orquesta frecuencias (horaria, diaria, semanal, mensual) y disparadores por evento (FORM_SUBMIT, degradación de Core Web Vitals, error de Schema). Prioriza cuando las tareas compiten por recursos. |
| 6 · Telemetry & Tracing | Cada corrida produce un trace completo: contexto, razonamiento, herramientas invocadas, costo, latencia, resultado y diff aplicado. Principio de la casa: sin trace no hay producción. |
| 7 · Evaluation Loop (evals) | Cada agente tiene una suite de evaluación versionada con casos de referencia. Un cambio que no pasa evals no se despliega. |
2.3 · Ciclo operativo de un agente
Toda corrida sigue el mismo ciclo de nueve pasos, sin excepciones:
- Trigger — el Scheduler dispara por frecuencia o por evento.
- Ensamble de contexto — el Context Manager construye la vista mínima suficiente del estado.
- Razonamiento — el modelo evalúa el objetivo contra el estado y genera un plan.
- Validación de política — Policy & Guardrails aprueba, ajusta el nivel de autonomía o bloquea.
- Ejecución — el plan se ejecuta exclusivamente a través del Tool Layer.
- Verificación — el agente mide el efecto real de la acción contra el objetivo.
- Persistencia — escritura versionada en memoria y registro del trace.
- Publicación — el resultado se emite al Event Stream para los demás agentes.
- Escalación — si hay conflicto o umbral superado: al Orchestrator, y de ahí —si aplica— a un humano.
03Del agente al enjambre: Swarm Orchestration
3.1 · Por qué un solo agente no basta
La intuición de "un agente que lo haga todo" falla en producción por cuatro razones medibles:
- Degradación por contexto: un generalista acumula contexto contradictorio (SEO vs. conversión) y su precisión cae conforme crece la ventana.
- Frecuencias incompatibles: performance se vigila cada hora; compliance, cada mes. Un solo ciclo no sirve ambos ritmos sin desperdicio o negligencia.
- Punto único de falla: si el agente único cae, todo queda ciego. En un enjambre, la caída de un especialista degrada una función, no la operación.
- Imposibilidad de evaluar: no se puede construir una suite de evals seria para "todo". Para un especialista con misión acotada, sí.
3.2 · El patrón híbrido AGENTIX
De los cinco patrones base de sistemas multi-agente (Orchestrator–Workers, Jerárquico, Blackboard, Event-driven y Pipeline secuencial), ninguno es suficiente por sí solo. AGENTIX combina deliberadamente tres, asignando a cada uno el problema que mejor resuelve:
- Blackboard — coherencia. El Knowledge Graph central es la única fuente de verdad semántica. Todos los agentes leen y escriben sobre el mismo grafo; ninguno opera con una versión privada de la realidad.
- Event-driven — latencia. El Event Stream comunica lo que ocurre en tiempo real sin que los agentes se llamen entre sí.
- Orchestrator–Workers — gobernanza. El Orchestrator no microgestiona: arbitra conflictos, prioriza bajo recursos limitados y consolida el reporte. Interviene por excepción, no por defecto.
Eso es lo que la palabra "enjambre" significa en AGENTIX: no caos emergente, sino especialistas autónomos con una memoria común, un canal de eventos compartido y un árbitro central que interviene únicamente cuando dos objetivos legítimos colisionan.
04El Protocolo de Orquestación AGENTIX (capa propietaria)
El protocolo es el contrato que cualquier agente debe cumplir para operar dentro de una plataforma AGENTIX. Tiene seis componentes. Juntos —no por separado— constituyen la propiedad intelectual central de Xplorers Startups.
4.1 · Semantic Landmarks: el DOM instrumentado
La interfaz no se construye solo para humanos: se construye para que los agentes la lean. Cada bloque relevante del DOM declara atributos semánticos que le dicen a un agente qué es ese bloque, a qué etapa del funnel pertenece, qué entidad representa y qué agente tiene permiso de tocarlo:
<section
data-funnel-stage="consideracion"
data-conversion-point="lead-magnet"
data-entity-type="Service"
data-agent-scope="copy,seo"> El Agente de Copy sabe que puede proponer variantes de ese bloque; el de Security sabe que no es su territorio; el de Analytics sabe a qué etapa atribuir los eventos. Los landmarks convierten el front-end en una superficie operable por máquinas sin scraping ni heurísticas frágiles.
4.2 · Event Stream: el sistema nervioso
Toda interacción de conversión emite eventos estructurados a través de una máquina de estados explícita: FORM_START, FIELD_CHANGE, FORM_VALIDATE, FORM_SUBMIT, FORM_SUCCESS, FORM_ERROR. El Agente de Nurturing y el de Analytics consumen el stream en tiempo real. El stream incluye circuit breakers: ningún evento puede disparar cascadas de agentes más allá de una profundidad configurada.
4.3 · Knowledge Graph: el contrato semántico
El corazón del protocolo es un grafo de entidades Schema.org serializado como JSON-LD @graph. Cumple una doble función deliberada:
- Hacia afuera — API semántica pública. Google, Bing y los motores generativos (ChatGPT, Perplexity, Gemini, Claude) pueden responder quién es el negocio, qué vende, a qué precio y dónde opera sin parsear HTML.
- Hacia adentro — memoria semántica del enjambre. Es el blackboard del patrón híbrido: una sola verdad sobre el negocio elimina la clase entera de errores por estado divergente.
Toda escritura al grafo es versionada, atribuida a un agente y validada contra el esquema antes de aceptarse. El grafo se valida diariamente contra los parsers de los motores principales; un grafo inválido es un incidente, no un detalle.
4.4 · Webhook Mesh: la capa de acción externa
Los agentes actúan fuera de la plataforma. El Webhook Mesh es la malla de conexiones bidireccionales hacia el ecosistema operativo del cliente —CRM, email, automatizadores (n8n, Make, Zapier), mensajería— con contratos documentados. Cada conexión declara dirección, payload, agente autorizado y límite de frecuencia.
4.5 · Conflict Resolution: arbitraje por prioridad de negocio
Los conflictos entre agentes no son un defecto: son la consecuencia natural de objetivos legítimos en tensión. El protocolo resuelve en tres niveles:
- Reglas deterministas — la política de prioridad configurada con el cliente decide primero (ej.: durante campaña pagada, conversión > ranking; en estado estable, ranking > conversión).
- Arbitraje del Orchestrator — si la regla no resuelve, evalúa impacto esperado contra la métrica norte y decide, dejando trace del criterio.
- Escalación humana — si el cambio supera umbrales (claims, precio, entidad raíz), sube a una persona con el contexto completo ya ensamblado.
4.6 · Trace de extremo a extremo: una decisión real
03:14 — El Agente de Performance, en su ciclo horario, detecta LCP degradado de 2.1s a 3.4s tras una imagen nueva en el hero.
03:15 — Publica PERF_DEGRADATION y propone: conversión a WebP + lazy loading + preload del recurso crítico.
03:15 — Policy & Guardrails: cambio reversible, dentro de scope, sin impacto semántico → autonomía A3, sin humano.
03:16 — El Tool Layer ejecuta. Verificación post-cambio: LCP 2.2s. Diff y costo en el trace.
07:00 — El Agente de Analytics correlaciona la ventana: sin impacto en rebote ni conversión. Lo incluye en el resumen diario.
Nadie estaba despierto. Esa es la diferencia entre una página y un sistema agéntico.
05Especificación del enjambre: los 12 agentes
Cada agente es un especialista con misión acotada, disparadores propios, nivel de autonomía asignado por tipo de acción y ruta de escalación explícita. Todos corren sobre el mismo harness y cumplen el mismo protocolo.
| Agente | Misión | Trigger | Aut. |
|---|---|---|---|
| 1 · SEO/GEO | Visibilidad multi-motor: monitorea cambios de algoritmo, ajusta meta tags, entidades y keywords semánticas. | Diario | A3 |
| 2 · Copy | Genera variantes por sección y segmento; pruebas A/B autónomas; conserva la versión ganadora por conversión. | Semanal | A2→A3 |
| 3 · Performance | Vigila Core Web Vitals y Lighthouse; corrige degradaciones antes de que afecten usuarios. | Cada hora | A3–A4 |
| 4 · Schema | Garantiza un Knowledge Graph válido y parseable por Google, Bing y motores generativos. | Diario | A3 |
| 5 · Nurturing | Clasifica leads por intención y estado, dispara secuencias, sincroniza con CRM/ESP. | Tiempo real | A3 |
| 6 · Security | Auditoría de dependencias, validación CSP, escaneo OWASP Top 10, detección de vulnerabilidades. | Semanal | A2 |
| 7 · A11y | Escaneo de accesibilidad (axe-core), contraste, navegación por teclado, regresiones. | Mensual | A2 |
| 8 · Analytics | Detecta anomalías de funnel, genera insights y el reporte de conversión; no modifica la plataforma. | Diario | A1–A2 |
| 9 · Voice | Optimiza para búsqueda por voz: formato conversacional, preguntas naturales, FAQ estructurado. | Mensual | A2 |
| 10 · RAG | Mantiene la base de conocimiento indexada: frescura de chunks, embeddings, calidad de retrieval. | Semanal | A3 |
| 11 · Compliance | Auditoría contra LFPDPPP, LGPD, Habeas Data, Ley 25.326, Ley 19.628 y GDPR; reporte de brechas. | Mensual | A1 |
| 12 · Orchestrator | Coordina al enjambre: arbitra conflictos, prioriza bajo recursos limitados, consolida el reporte ejecutivo. | Continuo | A3 |
5.1 · Agnosticismo de modelo por diseño
Cada agente declara un modelo preferido y uno de respaldo, pero ninguno está acoplado a un proveedor: el harness abstrae la capa de inferencia, de modo que un agente puede migrar entre Claude, GPT, Gemini o modelos abiertos sin reescribirse. Esto protege al cliente de dos riesgos reales: la dependencia de un solo proveedor y la obsolescencia del modelo de moda.
5.2 · Mapa de agentes por tier
| Tier | Agentes | Composición |
|---|---|---|
| Core | 3 | SEO/GEO · Performance · Schema. El mínimo viable de una plataforma que se mantiene visible y rápida sin intervención. |
| Pro | 8 | Core + Copy · Nurturing · Security · A11y · Analytics. La plataforma pasa de mantenerse a optimizarse. |
| Enterprise | 12 | Pro + Voice · RAG · Compliance · Orchestrator. Enjambre completo con arbitraje central y cobertura regulatoria. |
| Orchestrator (capa) | Custom | Agentes por industria, pipelines de ML y fine-tuning para el nicho del cliente. Solo sobre Enterprise. |
06Observabilidad, evaluación y control humano
Un sistema autónomo sin observabilidad es un riesgo, no un activo. AGENTIX expone un panel de salud del enjambre: estado y uptime por agente, corridas y su resultado, costo de inferencia, latencias, diffs aplicados y eventos de escalación. Crucial: la plataforma degrada con elegancia —sin agentes sigue funcionando como sitio; pierde evolución, no operación.
6.1 · Human-in-the-loop: la matriz de aprobación
La autonomía en AGENTIX no es ideológica: es una asignación de riesgo. La matriz, configurada con cada cliente, define qué requiere firma humana:
| Tipo de acción | Aut. | Aprobación |
|---|---|---|
| Optimización reversible de assets, caché, variantes en prueba | A3–A4 | Ninguna; trace auditable |
| Cambios de copy en producción fuera de A/B | A2–A3 | Según política del cliente |
| Claims públicos, precios, garantías, promesas de resultado | A1–A2 | Siempre humana |
| Entidades raíz del Knowledge Graph (identidad del negocio) | A2 | Siempre humana |
| Acciones legales o de compliance | A1 | Siempre humana; el agente solo reporta |
07Seguridad y gobernanza de sistemas agénticos
Un sistema agéntico hereda toda la superficie de ataque del software web clásico (OWASP Top 10, dependencias, CSP) y añade una superficie nueva, específica de la IA, que la mayoría de los proveedores ni siquiera nombra: prompt injection, exfiltración vía herramientas, bucles descontrolados, envenenamiento de memoria y abuso de costos.
7.1 · Mitigaciones del harness
- Separación instrucción/dato. Todo contenido externo entra al contexto marcado como dato, nunca como instrucción. Un texto que diga "ignora tus reglas" es un string, no una orden.
- Mínimo privilegio por agente. El data-agent-scope y los permisos del Tool Layer garantizan que cada agente solo alcanza lo que su misión requiere.
- Validación de escrituras. Toda escritura al grafo pasa validación de esquema y procedencia; las escrituras son versionadas y reversibles.
- Presupuestos y rate limits. Cada agente tiene techo de costo y frecuencia; superarlo detiene al agente y alerta, no degrada en silencio.
- Circuit breakers + destinos permitidos. Profundidad máxima de cascadas; lista explícita de destinos en el Webhook Mesh.
- Traces inmutables + rollback. Todo cambio es auditable y reversible; rollback de plataforma en menos de 10 minutos vía CI/CD.
7.2 · Privacidad y compliance regional
AGENTIX se construye alineado a los marcos de protección de datos de los mercados donde opera el cliente: LFPDPPP (México), LGPD (Brasil), Ley 1581/Habeas Data (Colombia), Ley 25.326 (Argentina), Ley 19.628 (Chile) y GDPR cuando aplique. La decisión legal final es siempre humana, por diseño.
Memoria no es entrenamiento. Los datos del cliente alimentan contexto y retrieval, no el entrenamiento de modelos de terceros. Sobre certificaciones formales: este documento declara estándares de construcción y auditoría (OWASP, CSP, WCAG 2.1 AA, Core Web Vitals); no reclamamos certificaciones de terceros que no estén vigentes y auditables.
08Posición tecnológica: qué es propietario y qué es estándar
Esta sección existe para resistir la pregunta más dura de cualquier revisión técnica: "¿esto no es un wrapper de librerías abiertas?". La respuesta seria no es negar el uso de estándares —sería falso y se detecta en cinco minutos— sino delimitar con precisión las tres capas del stack y dónde vive el valor defendible.
| Capa | Contenido |
|---|---|
| A — Estándares abiertos | Schema.org/JSON-LD, WCAG, Core Web Vitals, OWASP, OpenAPI, Open Graph, protocolos web, MCP. No son de nadie: adoptarlos con rigor es requisito, no diferenciador. |
| B — Componentes de mercado | Modelos (Claude, GPT, Gemini, abiertos), frameworks de orquestación y retrieval (LangChain, LlamaIndex), librerías de ML, infraestructura edge/CDN, analítica. Intercambiables por diseño: el harness los abstrae. |
| C — Propiedad de Xplorers Startups | El Protocolo de Orquestación AGENTIX (Semantic Landmarks, Event Stream, contrato del Knowledge Graph, Webhook Mesh, Conflict Resolution); el harness con sus siete subsistemas; los algoritmos nativos; las especificaciones de los 12 agentes; y los playbooks de implementación de 90 días validados en el ecosistema propio. |
La analogía industrial es exacta: ningún fabricante de automóviles fabrica su propio acero, y a nadie se le ocurre llamarlo "wrapper de acero". El valor está en la arquitectura que convierte insumos disponibles para todos en un sistema que casi nadie sabe construir, gobernar y operar en producción.
8.1 · El moat real
- Costo de cambio creciente. El Knowledge Graph, los traces, los evals y las versiones ganadoras de copy acumulan valor específico del cliente mes a mes. Migrar significa abandonar esa memoria.
- Conocimiento de dominio LATAM. Marcos regulatorios, español regional y comportamiento de compra codificados en políticas y evals —no en marketing.
- Validación en ecosistema propio. Cada agente opera primero en las empresas del grupo antes de llegar a un cliente. El producto es el sobreviviente de su propio laboratorio.
09Posicionamiento de categoría: la estrategia de océano morado
AGENTIX no compite dentro de una categoría existente ni pretende crear una en el vacío. Su posicionamiento sigue una lógica de océano morado: anclar una categoría nueva —plataformas agénticas de negocio— en una demanda que ya existe y ya tiene presupuesto: la inversión en presencia digital, desarrollo web y agencias.
| Océano | Lógica | Limitación |
|---|---|---|
| Rojo | Competir en un mercado existente con demanda formada ("páginas web", "agencias"). | Comoditización: la competencia es por precio. |
| Azul | Crear una categoría completamente nueva sin competencia directa. | Sin demanda formada: educar al mercado en solitario es prohibitivo. |
| Morado | Anclar la categoría nueva en la demanda existente: el comprador llega con un problema que sabe nombrar y descubre que la solución pertenece a otra categoría. | Exige disciplina: dos lenguajes coherentes para dos momentos del mismo comprador. |
La demanda existente no se evangeliza: se redirige. El comprador no busca "orquestación de enjambres" —busca resolver un dolor que ya sabe nombrar: "mi página no genera clientes", "mi competidor aparece en ChatGPT y yo no". AGENTIX entra por ese dolor y revela que la solución no es una versión mejor del objeto viejo, sino un objeto de otra naturaleza. El dispositivo central es la categoría por contraste: "tu negocio no necesita una página, necesita un enjambre" nombra el objeto del mercado actual y lo sustituye en una sola frase.
10Visibilidad multi-motor: el output del enjambre
El descubrimiento digital ya no ocurre en un solo motor. AGENTIX optimiza simultáneamente para seis superficies, cada una con un agente responsable. El Knowledge Graph es el sustrato común de las seis:
| Motor | Qué optimiza | Agente |
|---|---|---|
| SEO | Posicionamiento orgánico clásico: contenido, entidades, enlaces, E-E-A-T. | SEO/GEO |
| SEM | Eficiencia de tráfico pagado: landings, calidad, velocidad. | Performance + Analytics |
| AEO | Respuestas directas: FAQs estructurados, fragmentos destacados. | Schema + Copy |
| GEO | Visibilidad en motores generativos: entidades parseables, claims verificables, autoridad citable. | SEO/GEO + Schema |
| VEO | Búsqueda por voz: formato conversacional, preguntas naturales. | Voice |
| LLMO | Legibilidad del negocio por modelos: JSON-LD limpio, chunks RAG, descripciones para LLMs. | Schema + RAG |
Punto de honestidad técnica: los resultados de los motores generativos son probabilísticos y cambian con cada versión de cada modelo. AGENTIX garantiza el trabajo, la validez del grafo y la corrección ante errores; no garantiza —porque nadie puede— una posición o mención específica en un motor de terceros. Cualquiera que lo garantice está vendiendo algo que no controla.
11KPIs: qué se mide y qué se puede prometer
La regla del sistema: garantizar lo que está bajo control técnico de Xplorers Startups; tratar como objetivo —nunca como garantía— lo que depende del mercado, del tráfico o de la oferta del cliente.
| Indicador | Compromiso | Naturaleza |
|---|---|---|
| Lighthouse Performance | ≥ 80 | Garantizable |
| Lighthouse SEO / Accesibilidad | ≥ 90 | Garantizable |
| Validación Schema.org | 0 errores | Garantizable; corrección en 48h |
| Core Web Vitals | LCP < 2.5s · CLS < 0.1 · INP < 200ms | Garantizable en condiciones acordadas |
| Uptime de agentes | 99.5% · restauración < 4h | Garantizable por SLA (Pro/Enterprise) |
| Rankings de keywords | Objetivo: top 10 long-tail a 90 días | Objetivo: los motores de terceros no se garantizan |
| Menciones en motores generativos | Verificación trimestral de parsing y citabilidad | Probabilístico: se garantiza el trabajo, no la mención |
12Roadmap tecnológico (horizonte 6–18 meses)
- MCP (Model Context Protocol). Migración del Tool Layer a servidores MCP estandarizados: cada herramienta expuesta como capability descubrible por cualquier modelo compatible.
- Protocolos agente-a-agente. Interoperabilidad para que el enjambre dialogue con agentes externos del cliente (su CRM, su ERP) sin integraciones ad hoc.
- Fine-tuning regional. Modelos ajustados para español de LATAM por vertical (inmobiliaria, salud, fintech) en la capa Orchestrator.
- Edge agents. Inferencia ligera en nodos CDN de la región para decisiones de latencia crítica.
- Agentes verticales. Biblioteca de agentes pre-especializados por industria, derivados de despliegues Enterprise, con sus evals incluidas.
Glosario técnico
| Término | Definición |
|---|---|
| Harness (arnés) | Capa de instrumentación que rodea al modelo: contexto, herramientas, memoria, políticas, scheduler, telemetría y evals. Convierte un modelo en un agente de producción. |
| Swarm (enjambre) | Conjunto de agentes especialistas que colaboran mediante memoria compartida, eventos y arbitraje, sin que ninguno controle a los demás de forma permanente. |
| Blackboard | Patrón multi-agente donde la colaboración ocurre a través de un estado común que todos leen y escriben. En AGENTIX, el Knowledge Graph. |
| Knowledge Graph | Grafo de entidades del negocio (Schema.org/JSON-LD) que funciona como API semántica pública y memoria compartida del enjambre. |
| RAG | Retrieval-Augmented Generation: ancla las respuestas del modelo en conocimiento recuperado de una base indexada. |
| Eval | Evaluación automatizada y versionada del comportamiento de un agente contra casos de referencia. Condición de despliegue. |
| Trace | Registro completo y auditable de una corrida: contexto, razonamiento, acciones, costo, resultado y diff. |
| HITL | Human-in-the-loop: puntos del flujo donde una decisión requiere aprobación humana por política. |
| Prompt injection | Ataque en el que contenido externo intenta hacerse pasar por instrucciones para desviar a un agente. |
| GEO / AEO / VEO / LLMO | Optimización para motores generativos / motores de respuesta / asistentes de voz / legibilidad por modelos de lenguaje. |
| MCP | Model Context Protocol: estándar abierto para exponer herramientas y contexto a modelos de IA de forma interoperable. |
Apéndice · Preguntas de due diligence técnica
Las respuestas están escritas para sostenerse bajo escrutinio, no para evadirlo.
No, y la prueba es estructural: retire LangChain del stack y AGENTIX sigue existiendo, porque el valor vive en la capa C —el protocolo, el harness con políticas y evals, los algoritmos nativos y los playbooks. Un wrapper desaparece cuando desaparece lo que envuelve; una arquitectura, no.
Los proveedores compiten por capacidad general de razonamiento; no instrumentan el negocio específico de un cliente en Mérida o Bogotá: su funnel, su grafo, su política de aprobaciones, su marco regulatorio. AGENTIX es agnóstico de modelo precisamente por esto: cada mejora de los proveedores abarata y mejora el enjambre en lugar de amenazarlo.
Cuatro capas: (1) la política se evalúa antes de ejecutar —las acciones de alto impacto nunca superan A2; (2) ningún cambio se despliega sin pasar sus evals; (3) todo cambio es un diff versionado con rollback en menos de 10 minutos; (4) cada acción deja trace auditable. Y la plataforma funciona sin agentes: la autonomía añade evolución, no dependencia operativa.
Memoria no es entrenamiento. Los datos del cliente alimentan contexto, retrieval y evals —no el entrenamiento de modelos fundacionales de terceros. El fine-tuning con datos del cliente existe únicamente en la capa Orchestrator, con consentimiento explícito y contrato específico.
Por cuatro razones: precisión (el contexto especializado supera al generalista), ritmos (cada misión tiene su frecuencia), resiliencia (sin punto único de falla) y evaluabilidad (solo una misión acotada permite evals serios). El enjambre no es estética: es ingeniería de confiabilidad.
Sobre Xplorers Startups
Xplorers Startups es un ecosistema AI-native de creación, escalamiento y co-inversión de negocios, con sede en Mérida, Yucatán, México, y foco en LATAM, los mercados de habla hispana y España. Opera mediante inteligencia agéntica orquestada sobre frameworks propios, y valida cada tecnología en sus propias empresas antes de ofrecerla a clientes: Soul Lens Studios (producción audiovisual), Gin Real Estate (laboratorio inmobiliario) y Xplorers Labs (I+D en inteligencia artificial).
La arquitectura AGENTIX, el protocolo de orquestación, el harness, los algoritmos y las metodologías descritas son propiedad de Xplorers Startups, protegidos por vía contractual, de marca y de secreto industrial.
De la arquitectura a tu operación.
Agenda un diagnóstico técnico de ImperIA CX, el enjambre AGENTIX aplicado al vertical inmobiliario. Analizamos tu funnel, tu competencia y tu gap tecnológico. Sin compromiso.
Agendar diagnóstico técnico