Estás leyendo
Cómo Mercy Corps llevó la IA agéntica a producción

Cómo Mercy Corps llevó la IA agéntica a producción

  • Mercy Corps utiliza IA agéntica para acelerar análisis de crisis, reducir tiempos de elaboración y ampliar la capacidad de sus equipos especializados.
Cloudera - Mercy Corps

Las aplicaciones de IA agéntica empiezan a salir del terreno experimental y a incorporarse a procesos donde el valor depende menos de generar una respuesta rápida que de reunir, contrastar y sintetizar información compleja. El trabajo desarrollado por Mercy Corps junto a Cloudera ofrece un ejemplo concreto de ese tránsito hacia producción.

La organización humanitaria necesitaba acelerar parte del trabajo de sus equipos de Global Crisis Analysis, encargados de producir análisis sobre escenarios en los que la información está dispersa entre noticias, documentos, investigaciones y otras fuentes. El proceso exigía navegar por múltiples recursos, trasladar datos a documentos y hojas de cálculo y sintetizar manualmente los hallazgos antes de que los especialistas pudieran concentrarse en su interpretación.

El proyecto fue evolucionando hasta desembocar en VERA, una solución basada en IA agéntica que automatiza parte de esa búsqueda, agregación y síntesis. La decisión relevante está en el reparto de responsabilidades: la tecnología acelera la construcción del contexto, mientras los analistas mantienen el control sobre la interpretación y las conclusiones.

Los resultados publicados por Cloudera muestran reducciones significativas de tiempo en determinados procesos. En un análisis centrado en Sudán, una tarea que requería entre cinco y seis días pasó a completarse en dos o tres. En Colombia, algunos informes de seguridad han reducido hasta un 90% el tiempo necesario para su elaboración. La compañía estima además ahorros cercanos a 2.000 dólares por informe en Colombia y 1.500 dólares en el caso de Sudán.

De un asistente de conocimiento a flujos agénticos

La evolución tecnológica ayuda a entender por qué el caso resulta relevante más allá del ámbito humanitario.

En una primera etapa, Mercy Corps trabajó con Methods Matcher, una solución de inteligencia artificial generativa diseñada para facilitar el acceso a conocimiento curado. La herramienta se apoyaba en Cloudera AI Inference, NVIDIA NIM y AWS y permitía consultar investigaciones, experiencias de proyectos anteriores y buenas prácticas.

Ese planteamiento resolvía una parte del problema: reducir el tiempo necesario para localizar información relevante dentro de un conjunto conocido de conocimiento.

VERA amplía ese alcance. La solución utiliza Cloudera AI Studios sobre AWS y modelos Anthropic Claude para ejecutar varios flujos agénticos especializados en diferentes áreas de investigación humanitaria. Los agentes procesan grandes volúmenes de información diversa y cambiante, generan una primera síntesis y permiten que el usuario refine posteriormente los resultados mediante interacción conversacional.

La documentación disponible no detalla toda la arquitectura interna. No se han publicado, por ejemplo, la base vectorial empleada, la topología de red, los mecanismos concretos de persistencia de memoria o todos los servicios de infraestructura utilizados. Lo que sí permite observar el caso es la transición desde una aplicación centrada en recuperación y consulta de conocimiento hacia una arquitectura capaz de ejecutar tareas de investigación más amplias.

Descubre en EVOLVE26 cómo llevar la IA del piloto a producción

Cloudera celebrará EVOLVE26 Madrid el 24 de noviembre de 2026 en Green Patio, una jornada centrada en datos e inteligencia artificial empresarial, con sesiones sobre IA soberana, entornos híbridos y el paso de proyectos de IA desde el piloto hasta producción. La agenda incluye intervenciones del Banco de España e Ibercaja, además de presentaciones sobre las novedades de producto y la estrategia de Cloudera para ejecutar cargas de datos e IA en nube pública, centros de datos y edge.

Consulta la agenda y regístrate en EVOLVE26 Madrid

Automatizar el contexto, mantener el juicio experto

La división entre automatización y supervisión humana es una de las decisiones centrales del proyecto.

Mercy Corps no planteó la IA como sustituto del análisis especializado. El objetivo consistió en reducir el trabajo previo necesario para que los analistas llegaran a la fase en
la que aportan mayor valor: interpretar información, establecer relaciones entre acontecimientos y evaluar sus consecuencias.

Ese patrón es trasladable a otros sectores. Muchas tareas de conocimiento concentra una parte importante de su coste en localizar documentos, revisar fuentes, resumir información y preparar contexto antes de tomar una decisión. Es el caso de determinados procesos en servicios financieros, industria, consultoría, operaciones, cumplimiento normativo o atención técnica.

En estos escenarios, un agente puede reducir el tiempo dedicado a preparar el terreno sin asumir necesariamente la decisión final. La frontera importa especialmente cuando el resultado puede afectar a personas, operaciones críticas, cumplimiento o asignación de recursos.

VERA mantiene al analista dentro del proceso y permite refinar el trabajo generado por los agentes. El modelo sitúa la IA como una capa de aceleración sobre un proceso experto ya existente.

Agentes especializados frente a un asistente genérico

Otra de las decisiones publicadas en torno a VERA es la utilización de múltiples workflows agénticos asociados a distintas áreas de investigación.

El enfoque evita concentrar todo el proceso en una única conversación genérica. Cada flujo puede orientarse a una tarea o dominio más delimitado, lo que facilita ajustar objetivos y evaluar el resultado con criterios vinculados al trabajo que debe realizar.

Para una empresa que estudia introducir agentes de IA, la diferencia es significativa. Un asistente general puede resultar útil para tareas abiertas, pero los procesos de producción requieren con frecuencia límites más claros: qué fuentes puede consultar un agente, qué acción debe ejecutar, qué resultado se espera y quién valida ese resultado.

La especialización también permite introducir controles de forma más precisa. Un flujo dedicado a recopilar información puede tener permisos distintos de otro que genere una recomendación o interactúe con sistemas operativos.

El diseño junto al usuario forma parte de la arquitectura

Cloudera señala que el desarrollo de VERA incluyó trabajo directo con expertos de Mercy Corps para adaptar los flujos a las necesidades reales de investigación.

Ese componente suele quedar fuera de los diagramas de arquitectura, aunque afecta de forma directa a la utilidad del sistema. Un agente puede funcionar técnicamente y, al mismo tiempo, producir resultados poco aprovechables si la tarea no está delimitada según la forma en que trabajan quienes deben utilizarlo.

La colaboración con especialistas permitió identificar qué información era útil, qué procesos podían acelerarse y qué partes seguían necesitando interpretación humana.

El proyecto incorporó además transferencia de conocimiento para que Mercy Corps pudiera mantener y ampliar la solución. La capacidad de modificar un sistema una vez puesto en producción resulta especialmente relevante en aplicaciones de IA, donde modelos, fuentes de datos, requisitos y patrones de uso evolucionan con rapidez.

Te puede interesar
Glob.AI OS

Medir antes y después

Uno de los elementos que diferencia este caso de muchas iniciativas de IA es la existencia de métricas operativas.

Cloudera publica tres tipos de resultados: reducción de tiempo, ahorro estimado por informe y capacidad para producir análisis que antes resultaban difíciles de asumir con los recursos disponibles.

En Sudán, el tiempo de elaboración de determinados análisis pasó de cinco o seis días a dos o tres. En Colombia, algunos informes de seguridad registraron reducciones de hasta el 90%. Los ahorros estimados se situaron en aproximadamente 1.500 dólares por informe para Sudán y 2.000 dólares para Colombia.

Las cifras proceden de Cloudera y no consta una auditoría independiente publicada de esos cálculos. Aun así, permiten observar una práctica importante para cualquier proyecto empresarial de IA: definir una referencia previa que permita comparar el rendimiento posterior.

Sin esa línea base resulta difícil distinguir entre una aplicación que genera interés y otra que modifica realmente el coste, la velocidad o la capacidad de un proceso.

Qué puede trasladarse a otros proyectos empresariales

El caso de Mercy Corps deja varias decisiones aplicables fuera del sector humanitario.

La primera consiste en buscar procesos donde una parte sustancial del trabajo esté dedicada a obtener y sintetizar contexto. Son candidatos especialmente adecuados cuando existe suficiente información para alimentar al sistema y un especialista puede validar el resultado.

La segunda es delimitar el papel del agente. Saber qué puede hacer, qué fuentes puede utilizar y dónde termina su responsabilidad permite diseñar controles y medir su rendimiento.

La tercera pasa por mantener al usuario experto cerca del diseño. La calidad de un sistema agéntico depende tanto de su arquitectura técnica como de que represente correctamente el proceso que pretende acelerar.

Finalmente, el proyecto muestra la importancia de medir resultados operativos desde el principio. Tiempo, coste, volumen de trabajo procesado o frecuencia de entrega ofrecen una base más útil que métricas genéricas sobre adopción.

La IA agéntica empieza a adquirir valor empresarial cuando deja de evaluarse por su capacidad para generar respuestas y se mide por su efecto sobre procesos concretos. Casos como VERA permiten observar ese cambio con resultados cuantificables y con una división clara entre automatización y juicio humano.

Publicidad

Sigue el análisis de tecnología empresarial en Google

Añade La Ecuación Digital como fuente preferida y verás más análisis sobre inteligencia artificial, cloud, ciberseguridad, infraestructura de datos y transformación digital en tus resultados de Google.

Seguir La Ecuación Digital en Google

Al hacer clic podrás seleccionar La Ecuación Digital como fuente preferida en Google.

Ver Comentarios (0)

Leave a Reply

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.   
Privacidad