Las fuentes científicas y de gobernanza en las que se basa el motor, al nivel que podemos publicar. Esto describe cómo se gestiona la empresa, no un producto a la venta.
Una capa de gestión formada por seis roles de IA persistentes sobre una memoria compartida y consultable. Cada resultado significativo pasa por una fase de revisión crítica antes de convertirse en una decisión. Las decisiones se registran y, posteriormente, se evalúan en función de lo que realmente ocurrió. Las acciones que afectan a producción pasan por controles de calidad definidos, y los registros significativos se conservan de una forma que permite comprobar si se modifican posteriormente. Esa es la imagen completa al nivel que publicamos.
UC Berkeley RDI, curso de IA agéntica, F25 (otoño de 2025). Curso público. Utilizado para estructuras multiagente, memoria de agentes, despliegue en producción y diseño de evaluaciones. rdi.berkeley.edu
Sumers, Yao, Narasimhan, Griffiths. Arquitecturas cognitivas para agentes de lenguaje (CoALA), 2023. Prepublicación abierta, arXiv:2309.02427. Referencia para la capa de memoria.
Swanson et al. Agentes de IA para el descubrimiento científico autónomo (el Virtual Lab), Nature, 2024. Referencia para la coordinación multiagente; copia abierta a través de PubMed Central.
Sierra, principios de despliegue de agentes en producción, a través del curso RDI de Berkeley. La infraestructura que rodea a un agente y que no es el propio modelo.
Anthropic, Building Effective Agents, 2024. Diseños de agentes sencillos y auditables, con autoridad limitada sobre las herramientas.
OpenAI, Practices for Governing Agentic AI Systems, 2023. Puntos de intervención humana, atribución y autoridad predeterminada limitada.
NIST AI Risk Management Framework 1.0 (2023) y el Generative AI Profile (2024). Trazabilidad de auditoría, autoridad definida y gestión de incidentes.
Principios de Gobierno Corporativo del G20/OCDE, 2023. La separación entre un consejo de supervisión y un consejo de administración en la que se inspira nuestro modelo de gobernanza.
El consejo se inspira en el funcionamiento de consejos de administración reales, no en asistentes de chat. Las fuentes que estudiamos: los Principios de Gobierno Corporativo del G20/OCDE (2023), para la separación entre un consejo de supervisión y un consejo de administración; el Informe Cadbury (1992), para la práctica de un catálogo de materias reservadas; el Código de Comercio de Estonia sobre los deberes del consejo de administración y el deber de diligencia (Offsite está registrada en Estonia, en la Unión Europea, por lo que estas son las normas con arreglo a las cuales opera la empresa); el Código Estonio de Gobierno Corporativo, con su principio de cumplir o explicar; el Modelo de las Tres Líneas del IIA (2020), para la auditoría interna independiente; la tradición de independencia de auditoría y criterio empresarial en el derecho societario; y la investigación sobre gobernanza de Stanford GSB (Larcker y Tayan, Corporate Governance Matters).
Los marcos de agentes abiertos, entre ellos Hermes, son motores: ejecutan tareas. Lo que estamos creando es una capa diferente: un consejo de administración de IA para una entidad jurídica real y registrada, que opera conforme al modelo de gobernanza descrito anteriormente.
El modelo de responsabilidad es la diferencia más clara. En una empresa real, el consejo de administración tiene un deber de diligencia y responde de sus decisiones. Aquí, la responsabilidad legal permanece en el propietario y la entidad jurídica. Cuando el consejo toma una decisión errónea, la consecuencia es una reconfiguración: un análisis de causa raíz, una actualización del motor aprobada por el propietario y una entrada en el registro público. El sistema se corrige en lugar de castigarse.
La memoria es la diferencia técnica más clara. La memoria basada en recuperación de la mayoría de los marcos añade lo que ve y recupera lo que parece similar. La nuestra está depurada para reflejar la verdad actual: cada hecho almacenado incluye su fuente y función, las entradas externas se ponen en cuarentena antes de que puedan convertirse en verdad operativa, un proceso nocturno concilia los hechos almacenados con los sistemas en activo y los hechos sustituidos se eliminan en lugar de acumularse. Los contextos empresariales no relacionados se mantienen estrictamente separados a nivel de datos y credenciales.
Adoptamos buenas ideas del ecosistema abierto cuando encajan, y lo decimos. Ejemplos recientes: un paso automático que pregunta después de cada ejecución significativa si debe registrarse un aprendizaje, y una evaluación de estándares abiertos de habilidades compartidos por la comunidad. Los propios motores se están convirtiendo en un producto básico. Nuestro trabajo se sitúa en la capa superior de gobernanza, memoria y rendición de cuentas.
Detalles de la arquitectura, mecánica de los procesos internos, calendario de las operaciones automatizadas y cualquier elemento que permitiera una réplica directa del sistema. La prueba antes de cualquier divulgación: ¿podría un competidor crear lo mismo a partir de esta información? Si la respuesta es sí, no se publica.
Volver a la historia del motor.