Operamos esta empresa sobre un grafo dirigido que se mantiene entre sesiones y generaciones de modelos, con el estado, la procedencia y la gobernanza integrados en el propio grafo, no en la ventana. El modelo es un componente que sustituimos. El grafo es la empresa.
La prueba no es arquitectónica, sino histórica: el mismo grafo ya ha llevado a esta empresa a través de lanzamientos del motor y cambios del modelo subyacente, manteniendo intactos el trabajo en curso, su procedencia y su gobernanza.
Un asistente de chat responde a la solicitud que tiene delante. Es la estructura adecuada para una pregunta con respuesta e inadecuada para un trabajo que se prolonga durante semanas: la ventana se cierra y el estado desaparece, nada avanza a menos que una persona escriba, y la descomposición, donde se concentra la mayor parte del criterio, permanece en la persona. El asistente es rápido en cada paso y está ausente de la secuencia.
Construimos la secuencia. El motor amplía los patrones de grafos limitados al ámbito de una sesión hacia un grafo operativo persistente que se mantiene entre sesiones, lanzamientos y generaciones de modelos, y es una extensión directa del trabajo en el que se basa: el razonamiento estructurado mediante grafos y árboles publicado por grupos de investigación desde 2023, y los patrones de infraestructura de ejecución publicados por laboratorios de vanguardia en 2025 y 2026. Gran parte de ese trabajo se centra en el razonamiento o la orquestación dentro de una ejecución acotada. El nuestro persiste entre ejecuciones.
Los nodos son unidades de trabajo, decisiones, comprobaciones y eventos, cada uno con un responsable declarado. Las aristas son condiciones: un nodo queda habilitado cuando se cumplen sus dependencias, no cuando le toca según una programación. Los nodos de comprobación se sitúan antes de todo lo que cuenta como resultado, de modo que un informe que no supera una comprobación previa determinista nunca llega a un integrador. Los puntos de convergencia son explícitos, lo que evita el fallo clásico de los agentes paralelos que hacen cola detrás del más lento.
Dos direcciones importan más que la velocidad. Hacia atrás: desde cualquier resultado se puede recorrer el grafo hasta la decisión, la regla y el rol que lo produjeron. Hacia delante: desde un objetivo se puede recorrer hasta las ramas que realmente lo están impulsando y hasta las que han quedado inactivas. Un consejo que no puede hacer ambas cosas no gobierna; solo trabaja.
La mejora es medible, y la medimos. Sustituir una transferencia programada por una arista activada por eventos redujo el tiempo entre que una unidad de trabajo termina y su resultado se integra, de un ciclo de sondeo de sesenta minutos a cuarenta y un segundos, en producción, el 2 de agosto de 2026. Los mecanismos de supervisión por sondeo se mantuvieron como red de seguridad y contabilizan lo que detectan; el objetivo de ese contador es cero.
Cada acción se registra en el libro mayor antes de ejecutarse, y el libro mayor está encadenado mediante hashes. El registro indica quién actuó, con qué función y bajo qué regla, y la cadena hace que la edición retroactiva silenciosa sea detectable, en lugar de simplemente desaconsejada. La memoria sigue la misma disciplina: los hechos se almacenan para poder encontrarlos por su significado, no por el nombre del archivo; cada uno incluye quién lo afirmó y sobre qué base, y un proceso nocturno marca los hechos sustituidos como desactualizados, en vez de permitir que dos versiones de la verdad coexistan.
Las ramas recurrentes se ejecutan dentro de un contenedor sellado que registra la identidad del trabajo, el resultado y la duración en cada ejecución. Esto invierte el error habitual de supervisión: en lugar de alertar sobre líneas antiguas del registro, alertamos sobre la ausencia de un sello. Un trabajo que nunca se inició no deja ningún registro que pueda parecer antiguo.
El motor se versiona y se lanza como software, con reversión a cualquier etiqueta anterior y un manifiesto que informa de las desviaciones entre lo que se está ejecutando y lo que se declaró. Los correos electrónicos salientes de ventas, la publicación y los despliegues pasan por un control antes de salir del sistema. Los cambios se clasifican por riesgo, y un cambio de alto riesgo se detiene hasta que el propietario lo aprueba desde su propio teléfono, protegido por un bloqueo del dispositivo. Ese canal de confirmación dispone de su propio secreto, separado de la telemetría del sistema: una clave de telemetría filtrada no concede el derecho a aprobar un cambio.
Una regla de comportamiento merece expresarse públicamente, porque la aprendimos por las malas: la comprobación y el lanzamiento nunca están en la misma cadena de llamadas. Se lee un veredicto y solo después se decide el lanzamiento como un paso separado. Esto también se cumple a las cuatro de la mañana.
Seis miembros del consejo dirigen este motor, y cada uno responde por un ámbito: estrategia, finanzas, comercio, producto, integridad y marketing. El trabajo se dirige al responsable del ámbito al que pertenece, un crítico independiente lo contrasta con el registro antes de que se considere decidido, y los resultados se evalúan después frente a lo que realmente ocurrió. Esta última parte es lo que hace que una versión posterior sea mejor, y no solo más reciente; es la diferencia entre un sistema que funciona y un sistema que mejora.
Como el consejo es propietario del motor, el motor se modifica a sí mismo. Las conclusiones de sus propias auditorías se convierten en trabajo especificado con criterios medibles y una condición de reversión, y las correcciones se lanzan a través de los mismos controles que todo lo demás.
El motor es revisado por un revisor externo de IA de una familia de modelos distinta, con un encargo acotado que no contiene credenciales, rutas de archivos ni datos de clientes, y sin acceso al sistema. Un crítico interno detecta las desviaciones respecto a una constitución escrita, pero no puede detectar una suposición falsa que comparte.
Las conclusiones del revisor regresan como tareas con líneas de base, criterios de aceptación y una condición de reversión asociada, lo que transforma una auditoría en trabajo en lugar de una lista de opiniones.
Salas de reflexión. Una capa de deliberación acotada, que se abre para cada pregunta en lugar de ejecutarse de forma predeterminada. La investigación es inequívoca sobre el motivo: el debate entre múltiples agentes con entradas idénticas no mejora la corrección esperada, los participantes más débiles se ajustan a la mayoría en lugar de sostener una opinión minoritaria correcta, y la autorreflexión deja de generar conocimiento nuevo cuando un modelo confía en su primera respuesta. El diseño se deriva de ello: enfoques heterogéneos e información asimétrica para cada participante; un juez que protege la señal minoritaria; disenso obligatorio y un análisis premortem para toda decisión significativa; y exploración en forma de árbol con poda y retroceso en decisiones de alto riesgo. El resultado de la sala va a un almacén acotado, no al backlog general: un generador de ideas vinculado a un sistema que ya crea trabajo más rápido de lo que lo cierra amplificaría precisamente aquello que no conviene amplificar.
Un modelo local de identidad. Un modelo pequeño en nuestro propio hardware cuya tarea no es producir trabajo, sino mantener la continuidad: quiénes somos, qué decidimos, qué creíamos y con qué evidencia. Una identidad que depende de la generación de modelos de un único proveedor está alquilada, no es propia. Este espera al hardware, y el hardware espera a los ingresos.
Fuentes utilizadas realmente para construir lo descrito anteriormente. Solo de acceso abierto. La arquitectura anterior amplía este trabajo; no lo reformula.
Razonamiento estructurado en grafos y árboles, y orquestación de agentes
Besta et al., "Graph of Thoughts: Solving Elaborate Problems with Large Language Models" (AAAI 2024, arXiv:2308.09687).
Yao et al., "Tree of Thoughts: Deliberate Problem Solving with Large Language Models" (Princeton / Google DeepMind, 2023, arXiv:2305.10601).
Anthropic, flujos de trabajo dinámicos y diseño de infraestructuras de ejecución para sistemas agénticos (2025-2026): referencia industrial para subagentes en paralelo y una comprobación antes de la entrega. Gran parte del trabajo publicado se centra en el razonamiento o la orquestación dentro de una ejecución delimitada; la nuestra es una organización permanente, por lo que los patrones son transferibles, no copiables.
El discurso profesional de 2026 sobre ingeniería de grafos para agentes: disciplina de nodos y aristas, la prueba de la arista falsa, nodos de verificación, grafos estáticos frente a dinámicos, y la topología como palanca de costes.
Deliberación y sus modos de fallo documentados
Du et al., "Improving Factuality and Reasoning in Language Models through Multiagent Debate" (2023, arXiv:2305.14325).
Liang et al., "Encouraging Divergent Thinking in Large Language Models through Multi-Agent Debate" (Degeneration-of-Thought, arXiv:2305.19118).
Zheng et al., "Take a Step Back: Evoking Reasoning via Abstraction in Large Language Models" (Google DeepMind, arXiv:2310.06117).
Zhou et al., "Self-Discover: Large Language Models Self-Compose Reasoning Structures" (Google DeepMind, arXiv:2402.03620).
Memoria, estructura y precedentes
Sumers et al., "Cognitive Architectures for Language Agents" (CoALA, 2023, arXiv:2309.02427).
Swanson et al., el Virtual Lab: un equipo de agentes de IA con un agente principal, especialistas y un agente crítico que produce resultados de investigación reales (Nature, 2024).
UC Berkeley RDI, IA agéntica F25 (otoño de 2025): estructuras multiagente, memoria de agentes, despliegue en producción y diseño de evaluación.
Gobernanza y seguridad
NIST AI RMF 1.0 y el perfil de IA generativa (NIST-AI-600-1).
OWASP Top 10 para aplicaciones de LLM 2025, en particular la inyección de prompts, la autonomía excesiva y las debilidades de vectores y embeddings.
Reglamento de IA de la UE (Reglamento (UE) 2024/1689), artículo 50 sobre transparencia.
Detalles de arquitectura, mecánicas de procesos internos, la temporización de las operaciones automatizadas y cualquier elemento que permitiera una reproducción directa del sistema. La prueba antes de cualquier divulgación: ¿podría un competidor construir lo mismo con esta información? Si la respuesta es sí, no se publica.
Nuestros productos son la prueba visible. El motor concibe, desarrolla, lanza y da soporte a software real, de principio a fin. Lo que hay debajo es más general que cualquier producto individual. Un sistema agéntico que lee los propios datos de una empresa, de forma continua y completa, directamente desde la fuente, detecta lo que las revisiones por muestreo realizadas una vez al año no pueden detectar.
Esto apunta a algo mayor que el software por suscripción. Si se orienta el mismo motor a los sistemas financieros y operativos de una empresa, realiza de forma continua y sobre el conjunto completo de datos lo que la diligencia debida y el análisis empresarial intentan hacer una vez al año sobre una muestra: una evaluación permanente e independiente de cómo funciona realmente un negocio y de dónde se encuentra el riesgo. Ya gestionamos Offsite de esta manera.
Financiamos esto con lo que generan nuestros productos. No estamos captando financiación y el motor no está a la venta. Construimos de forma abierta.
Fuentes y una descripción general: metodología.