RT
Consultoría de ingeniería de IA

Arquitectura de IA para sistemas que no pueden detenerse.

Harness corporativo y agentes especializados en legado y ERP, para modernizar o mantener los sistemas que tu empresa ya usa.

Escritorio visto desde arriba, con un cuaderno de diagramas, teclado y café

Quienes confiaron en Rvffers Technologies.

Una boutique de IA con raíces en la transformación digital.

Empezamos en 2020, en plena pandemia, ayudando a empresas a llevar sus operaciones a lo digital cuando todo tuvo que cambiar de una vez. En los últimos años nos concentramos en inteligencia artificial. Hoy somos una consultoría boutique que refina cómo las empresas ponen la IA a trabajar en sistemas reales.

  1. 2020

    Nacimos en plena pandemia, acompañando a empresas en su transformación digital.

  2. Últimos años

    Nos fortalecimos en inteligencia artificial: arquitectura, agentes y harness corporativo.

  3. Hoy

    Una boutique especializada: consultoría de refinamiento en IA, con profundidad en lugar de volumen.

El modelo es commodity. El harness es la diferencia.

Lo que separa un piloto de un sistema en producción es la ingeniería alrededor del modelo.

  • Guardrails y permisos
  • Herramientas y MCP
  • Datos y RAG
  • Modelos y enrutamiento
  • Evals y observabilidad en todas las capas

Arquitectura de IA

Diseñada como cualquier sistema crítico, con requisitos, trade-offs, costo y métricas en cada capa.

Harness corporativo

Contexto, herramientas, permisos, evals y observabilidad estandarizados para que todos los equipos usen agentes con las mismas reglas.

Manos organizando fichas de papel en columnas sobre una mesa

Orquestación de agentes

Agentes especializados que planifican, ejecutan y verifican, con aprobación humana donde el riesgo lo exige.

Calibre y regla sobre un plano técnico

¿Tu equipo está listo para agentes de código?

Once preguntas sobre harness, legado y entrega. En unos dos minutos ves dónde los agentes ayudan y dónde suman riesgo.

Modernización de legado

Migrar sin perder las reglas de negocio.

Para cada plataforma legada, armamos un harness con agentes que entienden el código antiguo y conducen la migración.

  1. Mapear

    Los agentes leen código fuente, scripts de ejecución y estructuras de datos para armar el grafo de dependencias y el catálogo de reglas de negocio.

  2. Blindar

    Pruebas de caracterización capturan el comportamiento actual antes de cualquier cambio. Nada migra sin prueba de equivalencia.

  3. Migrar

    Reemplazo incremental por módulo, con el sistema antiguo y el nuevo funcionando en paralelo hasta el corte final.

  4. Sostener

    Acompañamos el post go-live, capacitamos al equipo y entregamos el harness para que la evolución siga en casa.

Plataformas que cubrimos

  • COBOL
  • JCL
  • CICS
  • PL/I
  • Assembler z/OS
  • RPG / IBM i (AS/400)
  • Natural / Adabas
  • Clipper
  • dBase
  • FoxPro
  • Visual FoxPro
  • PowerBuilder
  • Delphi
  • Visual Basic 6
  • Oracle Forms
  • Progress 4GL
  • Informix 4GL
  • Uniface
  • Magic / uniPaaS
  • Gupta SQLWindows
  • DataFlex
  • Clarion
  • GeneXus
  • MUMPS
  • Fortran
  • Access / VBA
  • Lotus Notes
  • Classic ASP

El vibe coding en sistemas legados falla sin avisar.

En procesos batch, una salida errónea parece válida y un agente genérico no se da cuenta. Cuando la decisión es no migrar, nuestros agentes corrigen y extienden tu sistema, del mainframe al escritorio.

Terminal de computadora antigua junto a una laptop moderna
  • Verificación

    Agente genérico o vibe coding: Da la tarea por resuelta sin compilar ni ejecutar. La salida errónea pasa.

    Harness especializado por stack: Compila cada cambio en sandbox, nunca en producción, y compara la salida con el golden master byte a byte.

  • Contexto

    Agente genérico o vibe coding: Busca con grep, pierde vínculos entre programas, includes y scripts de ejecución, e inventa definiciones verosímiles.

    Harness especializado por stack: Grafo de dependencias y catálogo de reglas validado por tu equipo, consultados antes de cada edición.

  • Datos

    Agente genérico o vibe coding: Supone el layout del registro. El programa compila y el archivo sale mal.

    Harness especializado por stack: Diccionario de datos con layout, campos empaquetados y encoding de cada registro.

  • Alcance del cambio

    Agente genérico o vibe coding: Reescribe y reformatea de más. Revisar sale caro.

    Harness especializado por stack: Hooks bloquean reformateos, renombres y ediciones fuera del alcance declarado. Diff mínimo, listo para la gestión de cambios.

  • Acceso a producción

    Agente genérico o vibe coding: Con permiso de escritura en el host, una suposición equivocada termina en incidente.

    Harness especializado por stack: Escritura, envío de jobs y deploy solo con aprobación de tu equipo y registro de auditoría.

Agentes de IA especializados en ERP.

Además de sistemas legados, cubrimos las principales familias de ERP del mercado, con agentes que usan los mismos permisos que tus usuarios.

  • Cierre y conciliación

    Los agentes cruzan libros, señalan diferencias y preparan el cierre para revisión humana.

  • Preguntas en lenguaje natural

    Consultas al ERP vía MCP, respetando el perfil de acceso de quien pregunta.

  • Personalización asistida

    SuiteScript, ABAP, X++ y AL escritos con harness propio, pruebas y revisión.

  • Soporte N2 y N3

    Triaje de tickets, análisis de causa raíz y corrección con trazabilidad.

Archivo con estantes de carpetas y una persona consultando un libro mayor
  • NetSuite
  • E-Business Suite
  • JD Edwards
  • PeopleSoft
  • Oracle ERP Cloud

La agilidad en tiempos de IA empieza antes del código.

Con agentes, el código se volvió barato. El cuello de botella pasó a ser decidir qué construir y revisar lo que se hizo. Complementamos Scrum con Kanban, discovery continuo y apuestas de portafolio.

Una mano moviendo una nota adhesiva en un tablero kanban

Cómo gestionamos proyectos con agentes.

  1. Kanban con límites de WIP

    Personas y agentes en el mismo tablero. El límite de WIP se ajusta a la capacidad humana de revisar y probar. Pronósticos por cycle time y throughput, no por story points.

  2. Discovery con Opportunity Solution Tree

    El trío de producto habla con clientes cada semana y mapea oportunidades, soluciones y pruebas de supuestos. La IA resume las entrevistas, pero no reemplaza la conversación.

  3. Dual-track: discovery y delivery

    Prototipos desechables hechos con IA prueban valor y usabilidad con usuarios reales. Solo pasa a la entrega lo que se validó.

  4. Apuestas de portafolio

    Cada iniciativa es una apuesta con hipótesis, presupuesto liberado por etapas y criterio de cancelación. Experimentos más baratos permiten apuestas más pequeñas y numerosas.

  5. Specs y lotes pequeños

    El agente recibe una spec con criterios de aceptación ejecutables, no solo una user story. Lotes pequeños mantienen cada PR fácil de revisar.

Cómo medimos la entrega.

  1. Frecuencia de despliegue

    Cuántas veces el código llega a producción.

  2. Lead time de cambios

    Del commit a producción.

  3. Tasa de fallos en cambios

    Cuánto de lo que se publica necesita corrección.

  4. Tiempo de recuperación

    Cuánto tarda en volver a la normalidad tras una falla.

  5. Retrabajo

    Despliegues no planificados para arreglar el anterior.

Capacitación

Formación del equipo en agentic engineering.

Del agent loop a la gobernanza de IA, con una ruta armada a medida para tu equipo. Tu equipo termina construyendo y operando agentes en producción.

  • Equipo en un taller alrededor de laptops, con una pizarra de diagramas al fondo
  • Fundamentos de harness

    Tu equipo escribe un agent loop desde cero y arma el harness del repositorio: AGENTS.md con comandos y límites, skills para playbooks repetidos y hooks que bloquean comandos peligrosos y exigen tests que pasen para terminar.

    • Agent loop con tool calling nativo
    • AGENTS.md como mapa del repositorio
    • Skills, hooks o subagentes: cuál usar
    • Verificación con tests, logs y navegador
    • Revisar el harness con cada modelo nuevo
  • Ingeniería de contexto

    Tu equipo mide cuánto de la ventana ocupan herramientas, instrucciones e historial, ordena el prompt para aprovechar el caché y decide cuándo compactar, cuándo reiniciar con un archivo de handoff y qué guardar como memoria.

    • Presupuesto de contexto y context rot
    • Progressive disclosure y tool search
    • Prompt caching y prefijo estable
    • Compaction, context editing y resets
    • Memoria del agente y memory poisoning
  • RAG en producción

    Antes de crear un índice, tu equipo verifica si el corpus cabe en el prompt. Luego arma búsqueda híbrida con reranker, aplica ACL en la consulta y mide recall@k con preguntas reales en cada cambio de chunking o embedding.

    • Parsing, chunking y contextual retrieval
    • Búsqueda híbrida, reranking y recall@k
    • Búsqueda como herramienta del agente
    • GraphRAG y RAG multimodal: cuándo usar
    • ACLs, reindexación y RAG poisoning
  • Herramientas y protocolos

    Tu equipo diseña herramientas por flujo de trabajo, despliega un servidor MCP stateless con OAuth y elige el protocolo según la frontera: MCP para herramientas, A2A para agentes de otro equipo, AG-UI o MCP Apps para la interfaz.

    • Diseño de herramientas y code mode
    • Servidores MCP stateless con OAuth 2.1
    • A2A: delegar a agentes de otro equipo
    • AG-UI, MCP Apps y aprobación humana
    • Computer use como último recurso
  • Orquestación multiagente

    Los sistemas multiagente consumen de 3 a 10 veces más tokens que un solo agente. Tu equipo mide con evals cuándo conviene, divide el trabajo por contexto, deja la escritura a un solo agente y corre flujos largos con checkpoints.

    • Cuándo conviene el multiagente
    • Orquestador y verificador independiente
    • Workflows en código y handoffs tipados
    • Ejecución durable: checkpoints y retries
    • Paralelismo con escritura centralizada
  • Evals

    Tu equipo arma una suite de 20 a 50 tareas tomadas de fallas reales, calibra el LLM-as-judge con etiquetas humanas y bloquea en CI los cambios de prompt, herramienta o modelo que empeoren el resultado más allá del ruido medido.

    • Análisis de errores en traces reales
    • Graders: código, LLM-as-judge y humano
    • pass@k, pass^k e intervalos de confianza
    • Evals de resultado y de trayectoria
    • Gates de eval en CI y evals online
  • Guardrails y seguridad

    Los ataques adaptativos evaden la mayoría de las defensas publicadas contra prompt injection. Tu equipo modela amenazas por agente, aísla la ejecución con sandbox y allowlist de red, audita servidores MCP y corre red team en CI.

    • Lethal trifecta y Rule of Two
    • Patrones seguros: dual LLM y CaMeL
    • Sandbox, egress y permisos
    • Supply chain de MCP, skills y plugins
    • OWASP Top 10 para LLMs y agentes (2026)
  • AgentOps: observabilidad y costo

    Tu equipo instrumenta agentes con OpenTelemetry, mide el costo de cada tarea completada por equipo y feature, limita los tokens por ejecución y solo adopta enrutamiento de modelos si supera al mejor modelo único en tus evals.

    • Tracing con OpenTelemetry GenAI
    • Costo por tarea y presupuesto de tokens
    • Enrutamiento, cascadas y modelo advisor
    • AI gateway: claves, límites y MCP
    • SLOs, detección de loops y kill switch
  • Personalización de modelos

    Tu equipo solo hace fine-tuning si ingeniería de contexto, RAG y optimización automática de prompts no alcanzan en evals. Luego entrena LoRA en un modelo open-weight, sirve los adapters y corre regresión de seguridad por versión.

    • Fine-tuning o no: decisión con evals
    • SFT con LoRA y QLoRA en open-weight
    • Preference tuning con DPO y KTO
    • RFT y GRPO con recompensas verificables
    • Destilación y serving multi-LoRA
  • Spec-driven development

    Tu equipo decide cuándo un cambio necesita spec, escribe criterios de aceptación que un test puede verificar, revisa PRs de agentes con evidencia de tests y define cuándo cuenta la aprobación de una IA en el merge.

    • Cuándo escribir spec y cuándo omitirla
    • Criterios en EARS y property-based tests
    • Specs en el repo y control de drift
    • Revisión de PRs de agentes con evidencia
    • Del issue al merge: flujo y métricas
  • Gobernanza de IA

    Tu equipo clasifica cada sistema y agente según el EU AI Act con los plazos tras el Omnibus, mapea base legal y transferencias (LGPD y GDPR) de cada flujo con LLM y escribe políticas de uso por equipo, aplicadas en las herramientas.

    • EU AI Act: plazos y niveles de riesgo
    • LGPD, GDPR y transferencia internacional
    • ISO/IEC 42001 mapeada al NIST AI RMF
    • Inventario de IA y dueño por agente
    • Política de uso y AI literacy comprobada

Spec-Driven Planner.

Convierte requisitos en specs versionadas, planes y tareas atómicas listas para agentes de código.

Documento de especificación impreso junto a una laptop cerrada

Cuéntanos tu escenario.

Quien responde es un arquitecto, no un guion de ventas.

Sistemas involucrados, plazo y lo que ya intentaron ayudan mucho.

Usamos tus datos solo para responder a esta solicitud. Política de privacidad