Por qué los agentes de IA necesitan el contexto de tu negocio, no un modelo mejor
Microsoft y Atlassian apuestan al contexto de negocio para que los agentes de IA sirvan. Qué es una capa de contexto y cómo preparar tus datos antes de lanzar agentes.
En resumenUn agente de IA sirve tanto como los datos del negocio a los que llega y entiende. Antes de lanzar agentes, dales una capa de contexto: definiciones claras de tus entidades clave, identificadores consistentes entre sistemas, permisos que reflejen los de tus usuarios y tus procesos escritos como habilidades reutilizables. El modelo importa menos que el contexto.
Puntos clave
- Entre septiembre y octubre de 2026, Microsoft y Atlassian lanzaron formas de basar a los agentes de IA en datos vivos del negocio en lugar de depender de lo que el modelo ya sabe.
- Una capa de contexto modela tus entidades, relaciones, vocabulario y permisos para que cualquier agente pueda razonar sobre ellos, mientras tus aplicaciones siguen siendo los sistemas de registro.
- Los agentes que trabajan sobre vistas desactualizadas, identificadores inconsistentes o términos sin definir dan respuestas equivocadas con total seguridad.
- Preparar el contexto es sobre todo trabajo de integración y de datos: elegir un dominio, definir sus términos, conectar sus sistemas y escribir sus procesos.
- Las capas de contexto de una plataforma sirven cuando tus datos viven en la suite de un proveedor; una capa propia sirve cuando están repartidos en muchos sistemas.
Los agentes de IA fallan en las empresas menos por el modelo y más porque no conocen el negocio. En esta guía repasamos la apuesta que hicieron Microsoft y Atlassian entre septiembre y octubre de 2026 por el contexto de negocio, explicamos qué es una capa de contexto y te dejamos un checklist para preparar tus datos antes de lanzar agentes.
Dream Makers es un equipo senior de ingeniería en LatAm que diseña y despliega sistemas de software y automatización con IA. La mayor parte de nuestro trabajo con agentes es trabajo de integración: conectar los sistemas que el agente necesita y hacer que sus datos sean consistentes (cómo trabajamos).
¿Qué cambió entre septiembre y octubre de 2026 en los agentes de IA para empresas?
En pocas semanas, dos de los proveedores de software de trabajo más grandes lanzaron formas de basar a los agentes de IA en datos vivos del negocio. Microsoft abrió la vista previa de Work IQ para Dynamics 365 y Power Platform, y Atlassian amplió su alianza con OpenAI para combinar los modelos de OpenAI con su propio contexto organizacional.
Microsoft Work IQ
La vista previa pública de Work IQ para Dynamics 365 y Power Platform empezó el 30 de septiembre de 2026, con un despliegue que sigue durante octubre. Microsoft la describe como una capa de inteligencia que conecta Copilot y los agentes con los datos y flujos del negocio, mientras las aplicaciones de negocio siguen siendo los sistemas de registro. Construye un modelo semántico a partir de configuración que ya existe, como vistas, formularios, relaciones y un glosario de negocio, y permite definir habilidades de negocio una vez y reutilizarlas en distintos agentes a través de un servidor MCP de Work IQ. El acceso se gobierna desde Microsoft Agent 365.
Atlassian y OpenAI
El 6 de octubre de 2026, Atlassian y OpenAI ampliaron su alianza para llevar los modelos más recientes de OpenAI a Rovo y a los agentes de toda la plataforma de Atlassian. El reparto de roles es explícito en la cobertura: OpenAI pone el razonamiento y el Teamwork Graph de Atlassian pone el contexto organizacional de Jira, Confluence y las herramientas conectadas. Los usuarios de ChatGPT y Codex ya pueden llegar a ese contexto mediante las integraciones MCP de Atlassian.
El hilo en común
Ninguno de los dos anuncios trata de un modelo más inteligente. Los dos tratan de darle a los modelos mejor acceso a lo que una empresa sabe: sus registros, relaciones, vocabulario y procesos. Esa es la parte de los proyectos con agentes que más trabajo lleva, y la que más equipos subestiman.
¿Qué es una capa de contexto de negocio?
Una capa de contexto de negocio se ubica entre tus sistemas y tus agentes. Modela tus entidades clave y cómo se relacionan, define tu vocabulario, aplica los permisos de cada usuario y empaqueta procesos como habilidades reutilizables. Tus aplicaciones siguen siendo los sistemas de registro; la capa de contexto hace que sus datos sean entendibles y seguros para los agentes.
Las cuatro partes
- Entidades y relaciones. Clientes, cuentas, pedidos, contratos, tickets y cómo se conectan. Por ejemplo, qué tickets abiertos son de las cuentas que renuevan este trimestre.
- Vocabulario. Qué significan tus términos en tu empresa. "Cliente activo", "lead calificado" o "cuenta en riesgo" necesitan una definición, no tres.
- Permisos. El agente ve solo lo que puede ver la persona para la que actúa, y eso lo aplican los propios sistemas.
- Habilidades. Instrucciones paso a paso para tareas recurrentes, como un chequeo previo a una renovación, escritas una vez y reutilizadas por cualquier agente.
En qué se diferencia de buscar en documentos
Buscar en documentos responde "¿qué dice la política?". Una capa de contexto también puede responder "¿cuáles de mis cuentas están afectadas y qué tiene que pasar ahora?", porque entiende registros estructurados y sus vínculos. La mayoría de los sistemas reales combinan las dos cosas.
¿Por qué fallan los agentes de IA sin contexto de negocio?
Sin buen contexto, un agente completa los huecos con conocimiento general y suposiciones creíbles. Las fallas típicas son respuestas basadas en registros viejos o duplicados, términos interpretados distinto de como los usa tu equipo, datos de un sistema que no se pueden cruzar con otro y procesos que el agente improvisa en lugar de seguir.
Las fallas que más vemos
| Síntoma | Causa de fondo | Solución |
|---|---|---|
| Números equivocados dichos con seguridad | Vistas viejas, registros de prueba o duplicados en el origen | Limpiar y acotar los datos que ve el agente |
| "Cliente activo" significa algo distinto cada vez | No hay una definición compartida | Un glosario de negocio que el agente lea |
| No puede vincular un ticket con una factura | Cada sistema usa un ID de cliente distinto | Identificadores consistentes o una tabla de equivalencias |
| Muestra datos que el usuario no debería ver | El agente usa una conexión de administrador compartida | Actuar con los permisos del usuario que pide |
| Pasos distintos cada vez para la misma tarea | El proceso vive solo en la cabeza de la gente | Escribir el proceso como una habilidad |
La configuración es contexto, incluida la parte vieja
Work IQ es un buen ejemplo. Como deriva su modelo de vistas, formularios y relaciones existentes, la calidad de sus respuestas depende de qué tan bien se mantuvo esa configuración. Microsoft permite que los administradores excluyan vistas y relaciones desactualizadas y agreguen vocabulario que el sistema no puede inferir. Lo mismo pasa con cualquier capa de contexto: años de campos y reportes sin depurar se convierten en lo que el agente cree sobre tu negocio.
¿Cómo preparás los datos de tu negocio para agentes de IA?
Empezá con un dominio y un proceso. Definí sus términos clave, hacé que los identificadores sean consistentes entre los sistemas involucrados, conectá esos sistemas con APIs confiables y permisos por usuario, escribí el proceso como una habilidad y probá el agente con preguntas reales de respuesta conocida antes de ampliar.
Checklist de preparación en seis pasos
- Elegí un dominio. Por ejemplo, renovaciones, escalamientos de soporte u órdenes de compra. No "todos los datos de la empresa".
- Definí el vocabulario. Escribí los diez términos que más importan en ese dominio y acordá un solo significado para cada uno.
- Ordená los identificadores. Asegurate de que el mismo cliente, producto o pedido se pueda cruzar entre todos los sistemas involucrados.
- Conectá con permisos. Exponé los datos con APIs o un servidor MCP que actúe con los accesos del usuario que pide, en solo lectura para empezar.
- Escribí el proceso. Convertí la forma en que tu mejor persona resuelve la tarea en pasos escritos que el agente siga.
- Probá y medí. Armá un set de 30 a 50 preguntas reales con respuestas conocidas, medí precisión y correcciones, y volvé a correrlo después de cada cambio en los datos.
Contexto y seguridad van juntos
Cuanto más contexto tiene un agente, más puede exponer o cambiar. Cada conexión que sumes para dar contexto tiene que venir con los mismos controles que aplicás a cualquier agente: accesos acotados, registros y aprobación humana para acciones riesgosas. Nuestra guía sobre cómo asegurar agentes de IA en producción los explica.
¿Conviene comprar la capa de contexto de una plataforma o construir la tuya?
Usá la capa de contexto de una plataforma cuando la mayoría de los datos de tu proceso viven en la suite de un proveedor, como Dynamics 365 o Jira y Confluence. Construí una capa de integración propia cuando el proceso cruza varios proveedores, bases de datos internas y sistemas heredados. Muchas empresas terminan con las dos, conectadas por APIs y MCP.
| Capa de contexto de una plataforma | Capa de integración propia | |
|---|---|---|
| Conviene cuando | El proceso vive casi todo dentro de una suite | El proceso cruza varios proveedores y sistemas internos |
| Ejemplos | Microsoft Work IQ, Teamwork Graph y Rovo de Atlassian | Tus propias APIs, contratos de datos y servidores MCP |
| Velocidad para arrancar | Rápida, se apoya en la configuración existente | Más lenta, pero hecha a la medida de tu proceso |
| Control sobre definiciones y lógica | Dentro de lo que soporta la plataforma | Total |
| Riesgo principal | Los datos fuera de la suite quedan invisibles | Más para construir y mantener |
Un camino intermedio práctico
Dejá los datos de cada sistema donde están, estandarizá identificadores y definiciones entre ellos, y exponé el contexto combinado con APIs y servidores MCP. Así, los agentes de las plataformas y los tuyos pueden trabajar sobre la misma imagen consistente.
Cómo encaramos el contexto de negocio
Cuando un cliente nos pide un agente, normalmente empezamos por mapear los datos y procesos de los que va a depender. Nuestro trabajo de integración estandariza contratos de datos, autenticación y manejo de errores entre CRMs, pagos, herramientas de trabajo y plataformas internas, para que los agentes trabajen sobre una vista consistente (capacidades). Mirá también cómo construimos agentes de IA y nuestra guía sobre agentes de IA vs automatizaciones vs flujos con LLM (en inglés).
¿Estás planeando un agente para tu equipo? Contanos el proceso y los sistemas que guardan sus datos, y te decimos qué contexto necesita el agente y cómo prepararlo. Contactá a Dream Makers.
Fuentes
- Microsoft Dynamics 365 Blog, "Work IQ: Business and workplace intelligence in the flow of work" (25 de septiembre de 2026): microsoft.com
- OpenAI, "Atlassian and OpenAI expand partnership to turn enterprise knowledge into action" (6 de octubre de 2026): openai.com/index/atlassian-partnership
- Channel Insider, "OpenAI and Atlassian Bring GPT-6 to Rovo" (7 de octubre de 2026): channelinsider.com
- Model Context Protocol, "What is the Model Context Protocol (MCP)?": modelcontextprotocol.io
- Dream Makers, Capacidades: dreammakers.tech/es/capabilities
Preguntas frecuentes
¿Qué es el contexto de negocio para un agente de IA?
Es la información que un agente necesita para actuar bien en tu empresa: tus clientes, pedidos, contratos y tickets, cómo se relacionan, qué significan tus términos internos, qué procesos seguir y qué puede ver cada usuario. Sin eso, el agente recurre a conocimiento genérico y adivina.
¿Una capa de contexto es lo mismo que RAG?
No exactamente. La generación aumentada por recuperación (RAG) busca documentos relevantes y los agrega a un prompt. Una capa de contexto va más allá: modela registros estructurados y sus relaciones, define vocabulario, aplica permisos y empaqueta procesos como habilidades reutilizables. La recuperación suele ser una parte de ella.
¿Necesitamos un data warehouse antes de lanzar agentes?
No. Necesitás acceso confiable a los sistemas que guardan los datos del primer proceso que vas a automatizar, identificadores consistentes entre ellos y definiciones claras de los términos clave. Un warehouse ayuda para análisis, pero los agentes pueden trabajar directo sobre sistemas operativos bien integrados.
¿Conviene usar Microsoft Work IQ o Atlassian Rovo?
Si la mayoría de los datos del proceso viven en Dynamics 365 y Microsoft 365, Work IQ es un buen punto de partida. Si viven en Jira y Confluence, lo son Rovo y el Teamwork Graph. Cuando un proceso cruza varios proveedores y sistemas internos, normalmente necesitás una capa de integración propia, que igual puede exponer su contexto a esas plataformas por MCP.
¿Cómo medimos si nuestro contexto es suficientemente bueno?
Armá un set de preguntas y tareas reales con respuestas correctas conocidas, corré el agente contra ese set y medí la precisión, cuántas veces pide aclaraciones y cuántas veces una persona tiene que corregir lo que hizo. Volvé a correr el set cada vez que cambies fuentes de datos o definiciones.