Las empresas no necesitan un único bot de IA universal, necesitan sistemas de agentes nativos de dominio que entiendan cestos y promociones minoristas, depósitos bancarios y banderas de riesgo, SKU velocidad y proveedor OTIF, células de red y cohortes de interrupción, viajes de pacientes y desviaciones de protocolos.Eso es el centro de la visión de Praveen Satyanarayana en Tredence: flujos de trabajo personalizados, ontologías, gráficos de conocimiento, herramientas y métricas para cada dominio, llevados por dos no negociables que se aplican en todas partes. El lenguaje de negocios resuelve las métricas canónicas, las joyas permitidas, las unidades y el linaje, y el sistema bloquea el alcance a través de la métrica, el tiempo, el segmento y la geografía antes de gastar cualquier computación. Ontology-first grounding. El razonamiento de varias vueltas corre a través de una barra de verificación con jueces dobles, un crítico de LLM para la estructura y la claridad, y una capa de datos de oro para la verdad numérica. Reliability over autonomy. Durante más de una década, las empresas han derramado dinero en almacenes y dashboards, mientras que la latencia de la decisión se mantuvo obstinada. El problema de la última milla no es una brecha de visualización. Es una brecha de razonamiento. Cerrarlo requiere sistemas que clarifiquen la intención, la forma y las hipótesis de prueba, mapeen las reivindicaciones a los datos gobernados y devuelvan las recomendaciones listas para la decisión con un rastro audible. Ese es el punto de Milky Way, el sistema de decisión de agentes que Praveen y el equipo han construido para el análisis descriptivo y diagnóstico. Trata la realidad empresarial como es, con términos sobrecargados, datos parciales, juntas frágiles y exigencias de auditoría. “En el comercio minorista, un agente que no puede hablar de cesta, UPC, promoción y semana de la tienda no tiene SQL de negocio.” – Praveen Satyanarayana “Construimos constelaciones de agentes, no un robot mascota.Cada uno conoce su dominio, sus herramientas y sus guardias.” —Praveen Satyanarayana What makes this different ¿Qué hace que esto sea diferente Agentic AI es un software que selecciona acciones y utiliza herramientas para perseguir un objetivo dentro de los guardrails.La contribución de Praveen es hacer que esa idea sea mensurable y gobernable para el análisis. Fundar el idioma. Mapar términos a entidades, métricas, sinónimos, lineamientos y vías de unión admisibles. Compila planes en llamadas de herramientas guardadas con temporizadores, retries, interruptores de circuitos y comprobaciones de estructura de SQL en variantes de esquema. Generar explicaciones competitivas, vincular cada una a campos, juntas, transformaciones, pruebas y visuales, luego clasificar por probabilidad previa, costo para validar y ganancia de información esperada. Deja que un modelo crítico realice claridad y cobertura, mientras que una tienda de oro verifica números, juntas, filtros y afirmaciones estadísticas. Proporcionar tablas, cifras, confianza y enlaces a la pista completa para la auditoría. Why now ¿Por qué ahora El compounding de errores es imperdonable. Las tasas de error modestas por paso colapsan la fiabilidad de fin a fin en los flujos de trabajo de múltiples pasos, por lo que los pasos limitados, la verificación y las puertas humanas son importantes. La longitud de la conversación también impulsa el coste y la latencia del token, por lo que los sistemas prácticos favorecen las tareas de estado corto con puntos de control explícitos. “Los pasos cortos y verificados vencen a los chats largos y inteligentes.” —Praveen Satyanarayana A crisp domain-native playbook Un libro de juegos de dominio nativo El sistema no envía una plantilla. Navega paquetes de dominio que incluyen una ontología y un gráfico de conocimiento, un conjunto de herramientas verificado, una biblioteca de hipótesis de inicio y métricas de aceptación. Retail, BFSI, Supply Chain, Telecom, Healthcare y Travel todos usan la misma espina dorsal pero instalan paquetes diferentes. “La forma más rápida de perder la confianza es responder rápidamente con los datos equivocados”. La verdadera satirización Knowledge graph and ontology operations Gráficos de conocimiento y operaciones de ontología El gráfico de ontología y conocimiento actúa como el contrato entre el lenguaje y los datos. codifican las relaciones de entidades, el linaje métrico, la admisibilidad, los sinónimos y las etiquetas de políticas. También llevan costos de ruta y etiquetas de calidad, por lo que los planificadores prefieren rutas cortas y fiables. Detectar cambios de esquema, cambios de definición, desajustes de unidades y interrupciones de relación. Proporcionar adaptadores de dominio para nuevas tablas y curar tareas de currículum que endurecen puntos débiles. Mantiene una tienda de términos compacta respaldada por embeddings para el llamado y por reglas duras para la precisión. Realizar verificaciones de prefixo y pruebas estructurales de SQL sobre variantes de esquemas ocultos antes de la ejecución. Transparencia de lineado: graba las tablas, las juntas, los filtros y las reglas de agregación en una pista que es explorable por roles. Custom evaluations and rubrics Evaluaciones personalizadas y rubricas Los líderes genéricos no miden la fiabilidad de la empresa. Milky Way utiliza rubricas personalizadas y pruebas de aceptación que convierten el comportamiento en señales para el aprendizaje y para las puertas de entrada en vivo. Framing y señales de guardameta. Clarificar el recuento, la precisión del alcance, las solicitudes de información que faltan, la detección del tipo de tarea y la disponibilidad de interrupción o sobrecarga. Señales de alineación de ontología. precisión de mapeo de campo contra una lista corta de oro, incorporación de la tasa de validez en el gráfico de ontología, adherencia de la regla de agregación al lineado y latencia de escalada cuando los datos requeridos están ausentes. Completitud del plan, adecuación de las pruebas estadísticas, corrección estructural de SQL, ratio de éxito de ejecución y profundidad exploratoria en distribuciones, cohortes, outliers y controles. La confianza en la atribución causal, el tiempo de conducción de la acción, la persona adecuada para el consumo ejecutivo y analítico, y el índice de transparencia de rastreo. Las recompensas en forma de rol recompensan a los clarificadores de crédito por las mejoras en el alcance, a los mappers por la precisión del campo y la validez de la unión, a los ejecutores por la corrección estructural y a los reporteros por el ajuste y la transparencia de la persona, con un bono de equipo por el cierre a tiempo por encima de los umbrales de confianza. Estas evaluaciones se ejecutan fuera de línea en tareas sintéticas que reflejan el esquema real y se ejecutan en línea como flujos de sombra o cerraduras. How multi-turn reasoning actually runs Cómo funciona realmente el razonamiento multi-turn El motor de hipótesis siembra candidatos de una biblioteca de dominios y de la recuperación sobre casos anteriores y marca la coexistencia o la competencia. El cartógrafo une cada hipótesis a campos y se une y produce un mapa de factores. El ejecutor ejecuta SQL y pruebas bajo temporadas y interruptores de circuitos y rastrea profundidad exploratoria. Los jueces críticos y de oro iteran sobre calidad narrativa y verdad numérica. El reportero reúne narraciones específicas de rol con evidencia, confianza y acciones posteriores. Cada etapa emite métricas que alimentan tanto la evaluación como el aprendizaje de refuerzo. Reliability and economics by design Fiabilidad y economía por diseño El escudo captura las firmas de herramientas, las políticas de efectos secundarios y los costes. Las herramientas devuelven una retroalimentación estructurada que incluye éxito, éxito parcial, muestra y costo. Las operaciones destructivas están cerradas. La memoria es episódica y semántica en lugar de una transcripción interminable. Las herramientas sin estado son preferidas donde sea posible. Adoption that earns trust Adopción que gana confianza Los equipos comienzan con el human-in-the-loop, donde los analistas validan el bloqueo de alcance y las primeras recomendaciones. Avanzan hasta el human-on-the-loop, donde los caminos de rutina se ejecutan automáticamente y las excepciones requieren revisión. A continuación, autorizan la autonomía selectiva para flujos de trabajo estrechos y de alta confianza con rollback y auditoría completa. Open work, stated plainly Trabajo abierto, declarado claramente La ontología y el mantenimiento de gráficos suponen un coste real. La detección de flujos y los currículos de dominio están en curso. El juego de recompensas es posible y debe comprobarse con auditorías transversales y variantes de sorpresa. Las brechas sintéticas a las reales persisten y se benefician de la ejecución de sombras dirigidas en los incidentes en vivo. La asignación de créditos en trazas largas es ruidosa, por lo que las recompensas en forma de rol y los bonos del equipo mejoran la estabilidad. Why this vision is credible Por qué esta visión es creíble El enfoque de Praveen combina la orquestación de agentes, el uso de herramientas, la recuperación y el aprendizaje de señales, luego los ancla a las restricciones de la empresa. La postura es opinada donde debe ser con puertas de ontología y un juez de oro y modular donde debe ser con herramientas intercambiables y adaptadores de dominio. Si el último millón se trata de hacer el análisis útil en el tiempo y bajo control, este es un camino que se mantiene en la producción y en la escala por diseño. “Una narración sólo es tan fuerte como su huella, nosotros enviamos la huella y las respuestas.” La verdadera satirización References Referencias Oracle, Qué es la IA de Agentes, 2025. Gartner, las principales tendencias tecnológicas estratégicas para 2025, Agentic AI, 2024. Google DeepMind, Introducción a Gemini 2.0 para la era de la agencia, 2024. Utkarsh Kanwat, Por qué estoy apostando contra los agentes de IA en 2025, 2025. Navin Chaddha, Servicios Profesionales AI-First: El Gran Equalizador está llegando, 2025. Cobertura de la industria sobre el despliegue de agentes y la adopción de empresas, 2025. Esta historia fue distribuida como una publicación por Kashvi Pandey bajo el Programa de Blogging de Negocios de HackerNoon. Esta historia fue distribuida como una publicación por Kashvi Pandey bajo el Programa de Blogging de Negocios de HackerNoon.
