Documento para evaluar cómo se implanta UNO en un cliente: appliance local, integración con sistemas existentes, gobierno del dato, trazabilidad y capacidades de IA operativa. 40+ células autónomas, base extensible de capacidades, despliegue federado y ejecución on-premise cuando el entorno lo requiere.
UNO es un sistema de inteligencia artificial operativa diseñado para funcionar dentro de una organización real. Observa el entorno, razona sobre lo que ocurre, aprende de cada ciclo y puede proponer o ejecutar acciones dentro de límites definidos por el cliente, con trazabilidad completa de cada decisión. No es un modelo estático: es un sistema vivo que se adapta a la operación que lo contiene.
Estructuralmente, UNO es un sistema multi-agente de IA (MAS) donde la unidad fundamental es el agente autónomo. Cada agente implementa un único punto de entrada: recibe un estímulo, razona mediante el módulo de inferencia que corresponda a su función — LLM, red neuronal recurrente, convolucional u otro —, consulta la memoria relevante, produce uno o más resultados y registra la traza completa de la decisión.
Las propiedades arquitecturales del sistema son: desacoplamiento total (ningún agente conoce la dirección ni identidad de otro), coordinación declarativa por capacidad a través de un bus de mensajes distribuido con persistencia garantizada, inferencia configurable por agente — LLM, RNN, CNN u otro módulo, local on-premise o vía API externa según el entorno, memoria en tipos epistemológicamente separados, y trazabilidad inmutable con encadenamiento criptográfico por cada decisión registrada, y arquitectura de IA federada con acoplamiento y desacoplamiento automático de nodos.
No requiere reentrenamiento periódico del núcleo para cada nuevo caso. Reduce puntos únicos de fallo mediante desacoplamiento. Acumula conocimiento operativo de forma continua. Distingue formalmente hechos de hipótesis. Se entrega como appliance cerrado on-premise con código propietario sellado y puede funcionar aislado cuando el entorno lo requiere.
El dossier técnico no debe leerse como una lista de promesas cerradas para cualquier entorno. UNO aporta un núcleo operativo y una arquitectura de despliegue; cada proyecto concreta conectores, permisos, datos, acciones, validaciones y gobierno con el cliente.
| Elemento | Estado de partida | Implicación en proyecto |
|---|---|---|
| Núcleo UNO | Organismo, células, memoria, routing por capacidad y trazas | Se despliega como base de la solución, ajustando alcance y perfiles. |
| Power BI, n8n, Power Platform | Componentes integrables | Se activan cuando aportan valor; no sustituyen al núcleo operativo. |
| WhatsApp, Telegram, email y app móvil | Canales integrables | Alertas, aprobaciones, consultas y resúmenes bajo permisos, trazabilidad y gobierno del cliente. |
| SAP, ERP, MES, SCADA | Integración por vía autorizada | La ruta técnica depende de IT, permisos, frecuencia, lectura/escritura y auditoría. |
| Acciones sobre sistemas | Solo con configuración explícita | Por defecto se prioriza lectura, recomendación y validación humana. |
| Auditoría | Registro y trazabilidad como principio de diseño | El nivel de evidencia y modo auditor se define según requisitos del cliente. |
UNO está diseñado para sectores donde la operatividad no admite interrupciones y los datos no pueden salir del entorno: hospitales, industria, defensa, logística crítica. La arquitectura de agentes distribuídos no es una elección estética — es la única forma de cumplir estos requisitos simultáneamente: alta disponibilidad, aprendizaje continuo, trazabilidad completa y aislamiento total de red.
La IA convencional sigue una cadena lineal rígida: fuentes de datos → pipeline ETL → modelo ML → dashboard → persona. Sea cual sea el sector, el patrón es el mismo y los problemas también:
En todos los casos: punto único de fallo, rigidez ante cambios, pérdida de contexto entre ejecuciones, y un equipo técnico que mantiene el pipeline.
La unidad estructural fundamental es el agente autónomo. Todos los agentes comparten una arquitectura común que encapsula seguridad, ciclo de vida, monitorización, presupuesto de inferencia, integridad y aprendizaje de forma automática. El agente especializado implementa únicamente su lógica de dominio. Ningún agente conoce la dirección ni identidad de otro: el enrutamiento es exclusivamente por capacidad a través de un bus de mensajes distribuido con entrega garantizada.
UNO no se construye sobre un único paradigma de inteligencia artificial. El organismo integra nativamente múltiples técnicas, cada una especializada en el tipo de razonamiento para el que es más adecuada. Esta heterogeneidad es deliberada: ningún modelo único resuelve bien todos los problemas operativos reales.
Cada agente selecciona autónomamente el módulo de inferencia más adecuado a su función — LLM, RNN, CNN, transformers ligeros u otros. El sistema se autoconfigura: comprende contexto operativo, genera respuestas justificadas y produce explicaciones auditables.
El organismo distingue correlación de causalidad. Cuando detecta una anomalía, no solo describe qué ocurre: razona sobre por qué ocurre, qué lo causó y qué pasaría si se intervinieran variables específicas.
Dedicado a la simulación: ¿qué habría pasado si...? Las hipótesis contrafactuales se generan, evalúan y almacenan en memoria aislada, separadas epistemológicamente de los hechos verificados. Permiten anticipar consecuencias antes de actuar.
Un módulo de atención distribuida monitoriza el estado de todos los tejidos del organismo y redistribuye prioridad de procesamiento de forma dinámica. Detecta qué partes del sistema están bajo presión y redirige recursos computacionales antes de que se produzcan cuellos de botella.
Para fuentes de datos no estructurados (imágenes médicas, señales de sensores, audio industrial) el organismo incorpora módulos de percepción convolucional. La salida se traduce a estímulos semánticos que los agentes cognitivos pueden razonar directamente.
Un agente especializado en analogías detecta patrones en el conocimiento acumulado que se corresponden con situaciones nuevas. Cuando el organismo se enfrenta a un problema no visto, puede razonar por analogía con casos pasados estructuralmente similares.
El organismo tiene capacidad de reflexionar sobre su propio proceso de aprendizaje. Evalúa qué estrategias de razonamiento han funcionado mejor en cada tipo de situación y ajusta los parámetros del ciclo de aprendizaje autónomamente.
Un mecanismo de curiosidad intrínseca genera estímulos de exploración sobre las zonas del grafo de conocimiento con mayor incertidumbre. El sistema identifica autónomamente lo que no sabe y busca reducir esa incertidumbre.
Las 40+ células del organismo se organizan en tejidos funcionales — grupos con afinidad de propósito. Un tejido no es una jerarquía: es una etiqueta semántica que permite al sistema monitorizar el balance de atención entre áreas y detectar desequilibrios antes de que se conviertan en fallos.
| Tejido | Agentes representativos | Función |
|---|---|---|
| Cognitivo | Comprensión del lenguaje, razonamiento causal, inferencia analógica, planificación | Procesamiento de lenguaje natural, razonamiento, inferencia causal y analógica, generación de planes |
| Memoria | Almacenamiento episódico, validación semántica, aislamiento contrafactual, buffer de trabajo, representación vectorial, extracción procedimental | Almacenamiento, recuperación y consolidación de los tipos de memoria del organismo |
| Metacognitivo | Autorreflexion, evaluación de rendimiento, optimización de estrategias de aprendizaje, observabilidad interna | El organismo pensando sobre sí mismo: evalúa su propio rendimiento y propone mejoras |
| Operativo | Pasarela externa, generación de contenido, ejecución de herramientas, navegación, búsqueda | Interfaz con el exterior: recibe estímulos, produce salidas, ejecuta herramientas |
| Regulación | Balanceo de carga, monitorización de salud, detección de anomalías, protección de circuitos, evaluación de integridad | Autoprotección y autorregulación: detecta fallos, escala recursos, inhibe agentes degradados |
| Crecimiento | Exploración autónoma, incubación de capacidades, replicación, desarrollo, revisión crítica | Expansión controlada: propone nuevas capacidades, las prueba en entorno aislado y somete cambios permanentes a aprobación |
| Sensorial | Percepción de imágenes, procesamiento de audio, imagen médica, ingesta de señales IoT | Ingesta de datos no estructurados: convierte señales, imágenes y audio en estímulos semánticos |
El bus de mensajes distribuido es el canal principal de coordinación. No existe un orquestador central: cada agente publica y consume mensajes por capacidad, con entrega fiable, persistencia y balanceo automático entre réplicas. Además, el organismo inyecta automáticamente sabiduría operativa acumulada en el contexto de razonamiento de cada agente, enriqueciendo cada decisión con la experiencia colectiva del sistema.
Agente saturado: el organismo crea réplicas automáticamente. Agente ocioso: se retira. Sin configuración externa.
Agente caído: detectado en segundos, regenerado sin intervención. Sin orquestador central.
Cada agente anuncia sus capacidades. Nuevos agentes se integran automáticamente al ser descubiertos.
No hay punto único de fallo. Los agentes son independientes y se reemplazan sin afectar al resto.
Un sistema heurístico codifica el conocimiento como condiciones fijas escritas por un experto: si temperatura > umbral, activar alarma. Barato de escribir, caro de mantener, y roto en cuanto aparece un caso que nadie anticipó. UNO no tiene una sola regla de este tipo. Cada estímulo activa un ciclo de inferencia completo: recuperación de memoria relevante, razonamiento causal, respuesta justificada con nivel de confianza, registro inmutable. Si el entorno cambia, el agente razona sobre el nuevo entorno. Si se equivoca, aprende. El conocimiento operativo no vive en el código — vive en la memoria del organismo.
Cada estímulo lleva un valor de energía que decae cada vez que pasa de un agente a otro. Si cae por debajo del umbral mínimo, el estímulo se descarta automáticamente. Este mecanismo evita bucles infinitos de razonamiento y acota el consumo computacional — sin ninguna regla codificada a mano. Es el sistema el que se autorregula.
Si un agente cae, el organismo lo regenera sin interrupción del servicio. Detecta la ausencia, ejecuta un diagnóstico basado en datos reales de la situación y aplica la política de acción escalonada adecuada. Todo el proceso es trazable y auditable.
| Escenario | Comportamiento del organismo |
|---|---|
| Agente muerto | Detectado automáticamente, regenerado en segundos |
| Fallos intermitentes | Agente progresivamente más cauto (reducción gradual de autonomía) |
| Fallos repetitivos | Circuito abierto, tráfico redirigido a réplicas disponibles |
| Sobrecarga | Réplicas creadas dinámicamente, carga redistribuida |
| Agente degradado | Diagnóstico autónomo: reintentar, redirigir o escalar al operador |
El organismo puede mejorar su precisión con el uso y con supervisión. Reflexión periódica que analiza trazas de ejecución y feedback. Materialización de reglas operativas con deduplicación semántica. Decaimiento natural de reglas que no demuestran utilidad. Consolidación de experiencia en conocimiento estructurado. Curiosidad autónoma que explora activamente zonas de conocimiento sin datos.
El organismo mantiene seis tipos de conocimiento epistemológicamente separados. Las hipótesis nunca se mezclan con hechos verificados. Cada respuesta incluye el tipo de conocimiento fuente, nivel de confianza numérico y evidencia citada.
Modelos causales nativos integrados en el núcleo cognitivo. Razonamiento de tipo “si intervengo en X, ¿qué pasa con Y?”. Distinción explícita entre correlación y causalidad. Simulación de escenarios contrafactuales: “¿qué habría pasado si hubiéramos intervenido antes?”. Explicación de caminos causales completos para cada conclusión.
Canvas interactivo con paneles configurables por perfil de usuario. Alertas contextualizadas que incluyen diagnóstico, causa probable, opciones de acción y nivel de confianza. Chat en lenguaje natural con respuestas fundamentadas en evidencia trazable. Timeline de correlación de eventos. KPIs con predicciones. Panel de gobernanza y auditoría visual en tiempo real.
Las siguientes capacidades no deben leerse como funciones aisladas. Su valor aparece cuando trabajan juntas dentro de un mismo sistema operativo de IA: memoria, hipótesis, gobierno, trazabilidad, autocontrol y aprendizaje supervisado.
Los sistemas convencionales son reactivos: responden cuando se les pregunta. UNO tiene un drive epistémico intrínseco — un indicador interno que impulsa al organismo a investigar activamente lo que no sabe. Analiza su propio grafo de conocimiento, identifica zonas sin conexiones suficientes y genera preguntas de investigación de forma autónoma. En paralelo, evalúa periódicamente su propio rendimiento, formula hipótesis de mejora y las ejecuta en entorno aislado. La dirección de la exploración la determina el propio grafo, no una agenda predefinida.
Preguntas generadas autónomamente por día. Ratio de preguntas que conducen a conocimiento verificado. Propuestas de mejora generadas y tasa de aprobación.
El organismo separa arquitectónicamente los hechos verificados de las hipótesis y simulaciones contrafactuales. No es una etiqueta en una base de datos — es una frontera física: las hipótesis son invisibles para las consultas de conocimiento factual y no pueden contaminar el razonamiento verificado por accidente. Para que una hipótesis cruce esa frontera y se convierta en hecho, debe superar un proceso formal de verificación con evidencia independiente.
Separación formal entre hechos, hipótesis y conocimiento promovido. Hipótesis generadas, verificadas y descartadas.
Cada agente tiene un indicador de fiabilidad continuo que modula su comportamiento en tiempo real: a medida que acumula fallos, el agente se vuelve progresivamente más cauto — solicitando verificación, reduciendo autonomía, hasta detenerse si es necesario. El indicador decae naturalmente con el tiempo, permitiendo recuperación gradual sin intervención. Los sistemas convencionales rompen o reintentan de forma binaria; aquí el fallo es un espectro, no un interruptor.
Tiempo medio de recuperación. Cascadas de fallos prevenidas. Correlación fiabilidad/precisión.
No todo lo que el organismo encuentra se convierte en conocimiento. Cada hecho candidato pasa por un proceso de verificación con evidencia independiente antes de ser admitido en la memoria permanente. La distinción entre “dato encontrado” y “hecho verificado” es arquitectónica: los sistemas RAG convencionales devuelven información sin esa garantía. Aquí es una condición de entrada.
Ratio de hechos candidatos rechazados por evidencia insuficiente. Fuentes consultadas por hecho admitido.
El organismo construye y mantiene modelos de causa-efecto entre variables operativas. Cuando detecta una anomalía, no describe solo lo que ocurre — razona sobre por qué ocurre, qué lo causó y qué pasaría si se intervinieran variables específicas. Un modelo correlacional dice “X e Y ocurren juntos”; un modelo causal dice “X provoca Y”. La diferencia no es semántica — cambia las decisiones que se toman.
Aristas causales con evidencia. Precisión de predicciones intervencionistas vs. resultados reales.
El organismo no depende de un único mecanismo de protección. Varios sistemas independientes operan simultáneamente: si uno falla, los demás mantienen la estabilidad.
El organismo no tiene una única base de datos — tiene seis sistemas de memoria formalmente separados, cada uno con reglas de adquisición, validación y caducidad específicas. La separación entre hechos e hipótesis es una regla sagrada del sistema.
La consolidación de memoria opera de forma continua: las experiencias se analizan periódicamente, se detectan patrones recurrentes y los que superan los criterios de evidencia se promueven a memoria de hechos verificados. Las hipótesis contrafactuales solo pueden ascender a hechos mediante verificación formal con evidencia independiente.
| Tipo | Contenido | Para qué sirve |
|---|---|---|
| Episódica | Registro de interacciones pasadas con contexto | Base para la reflexión y el aprendizaje continuo |
| Semántica | Hechos verificados sobre el dominio operativo | Fuente de verdad del organismo. Jamás recibe hipótesis. |
| Contrafactual | Hipótesis, simulaciones, escenarios alternativos | Simulación sin riesgo. Aislada del conocimiento factual. |
| De trabajo | Contexto inmediato de la operación en curso | Procesamiento a corto plazo con decaimiento automático |
| Vectorial | Representaciones semánticas del conocimiento | Permite búsqueda por similitud conceptual |
| Procedimental | Recetas de operaciones exitosas reutilizables | Know-how operativo acumulado, extraído de la experiencia real |
El ciclo de sabiduría es el motor de mejora continua del organismo. Opera como un bucle controlado que detecta patrones en la experiencia acumulada y materializa conocimiento operativo trazable. Los cambios sensibles deben quedar sujetos al gobierno definido para cada entorno.
El aprendizaje convencional de IA sigue un ciclo externo: se recopila un dataset, se ejecuta un proceso de entrenamiento o ajuste fino sobre un modelo estático y se despliega la nueva versión. Ese ciclo implica detener la operación, un equipo técnico que supervisa el proceso, y un modelo que no aprende nada entre versiones.
UNO no funciona así. El conocimiento se construye de forma continua a partir de la experiencia operativa real del propio organismo. Cada operación genera evidencia. Esa evidencia alimenta el ciclo de sabiduría. El ciclo materializa reglas verificadas que pueden ajustar el comportamiento bajo políticas de gobierno. No hay que reducirlo a una parada de sistema, un dataset aislado o un reentrenamiento periódico: el organismo aprende mientras opera sobre datos reales del entorno en el que está desplegado.
El organismo analiza periódicamente las trazas de ejecución y el feedback acumulado. Detecta patrones de fallo recurrentes, identifica oportunidades de mejora y genera sugerencias estructuradas que alimentan el ciclo de aprendizaje.
Cada regla operativa tiene una confianza numérica que decae periódicamente. Solo las reglas que demuestran utilidad real en operaciones posteriores mantienen su confianza alta. Las reglas inútiles pierden peso sin requerir intervención directa en cada ciclo.
El organismo mantiene un registro de estado interno que permite a cualquier agente acceder al contexto operativo global: qué está procesando el sistema, qué ha aprendido recientemente, qué agentes están bajo presión. El sistema es introspectable en tiempo real sin necesidad de herramientas externas.
Un registro continuo de observaciones sobre el estado del sistema: carga, anomalías, patrones detectados. Permite al organismo “recordar” su estado reciente y detectar tendencias operativas.
Cuando un agente detecta una situación crítica, esa información se difunde automáticamente al resto del organismo. No hay silos de información ni cuellos de botella comunicativos.
El sistema puede generar un resumen de su estado operativo: qué está procesando, qué agentes han registrado anomalías, qué ha aprendido recientemente y cuál es el nivel de fiabilidad global del organismo.
Los agentes se agrupan en tejidos funcionales (cognitivo, operativo, meta-cognitivo, sensorial). El sistema de observabilidad monitoriza la atención relativa entre tejidos y detecta desequilibrios antes de que se conviertan en fallos.
Mientras los sistemas convencionales de IA detectan correlaciones estadísticas, UNO incorpora un motor de inferencia causal nativo que distingue explícitamente entre “X e Y ocurren juntos” y “X causa Y”.
Representación formal de relaciones causa-efecto entre variables operativas. Cada arista del grafo tiene evidencia asociada: observaciones que soportan la relación causal, nivel de confianza, y condiciones bajo las cuales la relación se mantiene.
Razonamiento de tipo “si intervengo en X y fijo su valor, ¿qué distribución espero para Y?”. Permite predecir efectos de acciones antes de ejecutarlas, no basado en correlaciones observacionales.
“¿Qué habría pasado si hubiéramos intervenido antes en la variable X?”. El motor simula escenarios alternativos, proporcionando estimaciones de resultados hipotéticos con niveles de confianza.
Cada conclusión causal viene acompañada de la cadena causal completa: qué variables intervienen, cuál es el mecanismo propuesto, qué evidencia lo soporta, y cuáles son las alternativas consideradas y descartadas.
Cada decisión relevante del organismo genera un registro con hash criptográfico que permite verificación posterior. La cadena de evidencia es inmutable y auditable por terceros.
Cada decisión crítica genera un registro que incluye: datos de entrada, agentes que intervinieron, reglas aplicadas, resultado y un hash criptográfico que encadena con el registro anterior. La cadena es verificable de extremo a extremo.
Los registros críticos pueden anclarse opcionalmente en una blockchain pública para inmutabilidad certificada. Proporciona una prueba independiente de que el registro no ha sido alterado, verificable por cualquier tercero.
El objetivo de la capa de auditoría es permitir consulta de decisiones históricas, verificación de integridad y revisión de evidencias sin exponer más información interna de la necesaria.
El sistema de trazabilidad cumple con los requisitos de registro de datos de los estándares GMP, FDA 21 CFR Part 11, y EU Annex 11 para sistemas computerizados en entornos regulados.
UNO no exige reemplazar la infraestructura existente. Se conecta a ella mediante conectores, exportaciones gobernadas o adaptadores específicos por vertical, incluyendo entornos ERP corporativos, protocolos industriales, sistemas sanitarios y fuentes de datos no estructuradas. El modo por defecto es solo lectura; la actuación bidireccional requiere configuración explícita y autorizada.
| Fuente | Protocolo / Estándar | Modo | Notas |
|---|---|---|---|
| Fuentes industriales | OPC-UA, Modbus TCP/RTU, MQTT, Profinet, HART | Solo lectura | Ingest en tiempo real. Compatible con PLCs de los principales fabricantes. |
| SCADA / DCS | OPC-DA, OPC-UA, DNP3, IEC 60870-5 | Solo lectura | No sustituye al SCADA. Se conecta como cliente adicional. |
| SAP | Exportaciones gobernadas, ficheros, tablas intermedias o capa SAP autorizada | Lectura; escritura solo si queda autorizada | No se plantea como una IA llamando libremente a SAP. La vía correcta depende de IT/SAP, BTP, Integration Suite, BW/Datasphere, SEIDOR o la capa aprobada en cada cliente. |
| ERP / MES / WMS / CRM / PLM | REST, GraphQL, SOAP, JDBC/ODBC, ficheros gobernados | Lectura/Escritura | Compatible con Oracle ERP, Microsoft Dynamics, SAP S/4HANA, Salesforce, Infor y sistemas logísticos o de almacén cuando forman parte del alcance. |
| Sistemas clínicos (HIS/LIS/PACS) | HL7, FHIR, DICOM o CDA si forman parte del alcance | Preferentemente solo lectura | Integración sanitaria mediante adaptadores específicos y permisos definidos por el entorno clínico. |
| Bases de datos | SQL (PostgreSQL, MSSQL, MySQL, Oracle), NoSQL (MongoDB, Cassandra), ODBC | Solo lectura | Queries parametrizadas. |
| APIs de negocio | REST, GraphQL, SOAP, Webhooks, WebSockets | Lectura/Escritura | Soporte OAuth2, API Key, mTLS. |
| BI y automatización corporativa | Power BI, Power Automate, Power Apps, n8n, webhooks | Lectura/Escritura | UNO puede alimentar paneles, disparar flujos, recibir eventos y devolver resultados gobernados hacia las herramientas corporativas existentes. |
| Mensajería y canales de usuario | WhatsApp, Telegram, SMTP/email, notificaciones push, app móvil | Lectura/Escritura | Alertas, aprobaciones, consultas, resúmenes de turno y comunicación operativa bajo permisos y trazabilidad. |
| Repositorios corporativos | SharePoint, SFTP, carpetas gobernadas, WebDAV, almacenamiento objeto | Solo lectura; escritura controlada | Ingesta documental, sincronización incremental, respeto de permisos y publicación de evidencias cuando procede. |
| Ficheros y datos no estructurados | CSV, Excel, JSON, XML, PDF, imágenes | Solo lectura | Ingesta periódica o event-driven. OCR para documentos no digitalizados. |
| OCR documental / RAG | PDF, imagen, Office, OCR, embeddings, búsqueda semántica | Solo lectura; respuesta trazada | Consulta documental con cita a fuente, control de permisos y separación entre evidencia, interpretación e hipótesis. |
| Data Lake / analítica | Parquet, Iceberg, SQL, APIs internas, exportaciones BI | Lectura/Escritura | Histórico propio, retención, explotación analítica y consumo por herramientas externas cuando el cliente lo requiere. |
| GIS y fuentes externas | GIS, imagen satélite, Sentinel/NDVI, AEMET, Catastro, mapas de parcelas | Solo lectura | Enriquecimiento territorial, agroindustrial y medioambiental para modelos de rendimiento, riesgo y planificación. |
| Equipamiento industrial específico | CELOX, Newtec, MODBUS, MES, SCADA, pesadoras y equipos de producción | Solo lectura por defecto | Vigilancia de anomalías, calibración, mapas de calor, calidad, rendimiento y parada temprana cuando se incluye en el alcance. |
| IoT / Edge devices | MQTT, AMQP, CoAP, HTTP/S | Solo lectura | Compatible con AWS IoT, Azure IoT Hub y brokers MQTT propios. |
| IAs existentes | API REST, SDK | Lectura/Escritura | UNO puede actuar como orquestador o consumidor de modelos ML externos ya desplegados. |
WhatsApp, Telegram, email, app móvil, notificaciones push, panel web y chat integrado cuando forman parte del alcance.
Power BI, n8n, Power Automate, Power Apps, webhooks y flujos corporativos como canales integrados, no como núcleo de inteligencia.
SharePoint, OCR documental, RAG, Data Lake, SFTP, carpetas gobernadas, histórico propio y exportaciones controladas.
CELOX, Newtec, MODBUS, MES, SCADA, WMS, pesadoras, equipos de producción, calidad, OEE, paradas y mantenimiento predictivo.
Mapas, parcelas, GIS agroindustrial, imagen satélite, Sentinel/NDVI, AEMET, Catastro y variables externas relevantes.
Permisos, aprobaciones, modo solo lectura por defecto, validación humana, auditoría y trazabilidad por cada acción relevante.
Principio de seguridad: el modo por defecto es solo lectura respecto a todos los sistemas de la empresa. UNO observa y razona; no controla activos operativos salvo configuración explícita y documentada para actuación bidireccional.
UNO implementa una arquitectura de IA Federada: cada entorno despliega su propio appliance autónomo que opera de forma completamente independiente, pero puede compartir conocimiento y capacidades con otros nodos cuando existe conectividad. El dato bruto nunca sale del entorno local. Solo el conocimiento sintetizado circula entre nodos, con firma criptográfica verificable.
Máquina física preconfigurada que se instala en la red de la empresa. El software interno no es accesible. Funciona completamente aislado, sin necesidad de acceso a nube ni a internet.
Cómputo, aceleradores de IA, memoria y almacenamiento dimensionados según volumen de datos, número de variables, complejidad de procesos y retención requerida. Incluye GPUs dedicadas para inferencia local.
Appliance sellado criptográficamente. Software no accesible ni modificable. Funciona como un instrumento de medida industrial cerrado. Actualizaciones vía paquetes firmados digitalmente con verificación de integridad.
Todo el procesamiento, almacenamiento e inferencia de IA ocurre dentro de la red del cliente. No requiere conexión a internet. Nada sale de la empresa salvo decisión explícita del cliente. Los modelos de lenguaje se ejecutan localmente.
Conectividad a fuentes de datos de la empresa. Sala técnica con alimentación y refrigeración estándar. Acceso remoto opcional (VPN) para soporte. Sin dependencias externas de ningún tipo.
Funciona on-premise sin conexión a internet ni nube pública. Solo lectura respecto a empresa. Seguridad por agente con límites de tasa, autorización multinivel y políticas de comunicación entre tejidos. Cinco niveles de acceso.
Cada decisión registrada con: datos de entrada, agentes que intervinieron, reglas aplicadas, tipo de conocimiento consultado, nivel de confianza, timestamp de precisión submilisegundo. Cadena de custodia digital verificable.
Registros críticos anclables en blockchain para inmutabilidad certificada. Verificación on-chain de integridad. Backup local automatizado. Auditable por terceros sin acceso al sistema interno.
Evaluación en cuatro dimensiones antes de cada acción relevante: lógica (coherencia), sesgo (imparcialidad), ética (impacto), utilidad (valor). Cualquier dimensión puede vetar la acción. Auto-mejoras siempre propuestas, nunca auto-aplicadas.
Diseñado para alinearse con entornos de alta exigencia regulatoria: GMP (Good Manufacturing Practice), ISO 27001 (seguridad de la información), IEC 62443 (seguridad de sistemas de control industrial), FDA 21 CFR Part 11 (registros electrónicos) y EU Annex 11 (sistemas computerizados). La validación concreta depende del alcance, del cliente y del proceso auditado.
Los sistemas multiagente actuales (CrewAI, AutoGen, LangGraph) representan un avance real en la orquestación de tareas con IA. UNO incorpora capacidad multiagéntica, pero no se limita a encadenar modelos y herramientas: la diferencia está en la arquitectura operativa completa, con memoria diferenciada, gobierno, trazabilidad, autocontrol, aprendizaje supervisado y despliegue local cuando el entorno lo exige.
| Dimensión | SCADA + IA | Agentes (CrewAI/AutoGen) | MLOps Pipeline | Digital Twin | RPA + ML | UNO |
|---|---|---|---|---|---|---|
| Arquitectura | Centralizada | Orquestada | Pipeline lineal | Modelo-céntrica | Reglas + modelo | Organismo autónomo |
| Punto único de fallo | Sí | Orquestador | Pipeline | Motor de sim. | Servidor RPA | No existe |
| Auto-reparación | No | No | Retry básico | No | No | Nativa y autónoma |
| Auto-escalado | Manual | No | Cloud auto-scale | No | Manual | Autónomo |
| Aprendizaje continuo | Retrain manual | No nativo | CI/CD modelos | No | No | Autónomo 24/7 |
| Tipos de memoria | Logs | Logs | Feature store | Estado modelo | No | Múltiples, epistemológicamente separados |
| Hechos vs hipótesis | No distingue | No distingue | No distingue | No distingue | No distingue | Separación formal |
| Razonamiento causal | Correlación | No nativo | No | Sim. física | No | Nativo |
| Contrafactuales | No | No | No | Limitado | No | Motor completo |
| Explicabilidad | SHAP/LIME | Variable | Feature import. | Parámetros | Reglas | Cadena causal + fuentes |
| Chat lenguaje natural | No | Sí (genérico) | No | No | No | Sí (fundamentado) |
| Curiosidad autónoma | No | No | No | No | No | Sí |
| Sistema inmunológico | No | No | No | No | No | Capas de protección autónomas |
| Multi-entorno | Copias indep. | Copias indep. | Multi-tenant | Copias indep. | Copias indep. | IA Federada real |
| Internet requerido | Generalmente sí | Sí | Sí (cloud) | Variable | Variable | No. Aislado |
| Protección de IP | Código visible | Código cliente | Código cliente | Modelo visible | Scripts visibles | Appliance sellado |
| Gobernanza ética | No | No | No | No | No | Multi-perspectiva + veto |
| Trazabilidad blockchain | No | No | No | No | No | Opcional |
| Tiempo despliegue | Depende de integración | Semanas según alcance | Depende de datos/modelos | Meses según fidelidad | Semanas según flujos | Appliance + integración por alcance |
| Coste operativo | Licencias + integración | Modelos + ejecución + mantenimiento | Infraestructura + ciclo de modelos | Licencias + mantenimiento | Licencias + soporte | Por appliance/capacidad; menor dependencia de tokens externos en uso local |
Esta comparativa se enfoca en el segmento de herramientas de visualización e inteligencia de negocio. La pregunta más frecuente: "¿Por qué UNO y no Grafana + un modelo GPT encima, o PowerBI con Copilot?"
"No somos otro BI. Somos la capa operativa inteligente entre tus sistemas y tus decisiones."
| Capacidad | PowerBI / Tableau | Grafana | UNO |
|---|---|---|---|
| Conexión SAP | Conectores, gateways o modelo semántico según arquitectura | Requiere flujo o conector específico | Vía autorizada por IT/SAP: exportación, réplica, gateway, BTP, Integration Suite o partner si aplica |
| MQTT / SCADA en tiempo real | No | Sí (Grafana) | Sí, con razonamiento IA sobre el stream en tiempo real |
| HL7 / FHIR (datos clínicos) | Requiere integración sanitaria específica | Requiere flujo o adaptador específico | Adaptadores por vertical cuando forman parte del alcance |
| IA integrada | Copilot genérico (LLM sin contexto operativo) | Plugins externos, sin IA nativa | IA que aprende del contexto operativo específico |
| Aprendizaje continuo | No | No | Sí. Mejora autónoma 24/7 sobre datos reales |
| Crear apps operativas | No es su núcleo; normalmente requiere Power Apps u otra capa | No es su núcleo; requiere desarrollo adicional | Apps, formularios, flujos y aprobaciones cuando se incluyen en el alcance |
| Razonamiento causal | Correlación estadística | Correlación estadística | Grafos causales nativos. Simula contrafactuales. |
| Explicabilidad de alertas | Feature importance (genérico) | No | Cadena causal completa + fuentes + nivel de confianza |
| Funciona sin internet | Depende de edición y arquitectura; SaaS implica nube | Sí, si se despliega on-premise | Puede desplegarse aislado en appliance local |
| Auto-reparación | No | No | Sí. Detección y regeneración autónoma sin interrupción del servicio. |
| Trazabilidad de decisiones | Logs de acceso | Logs básicos | Registro inmutable por decisión. Opción blockchain. |
Las herramientas BI son excelentes para visualizar datos históricos y generar informes. UNO no reemplaza esa necesidad si ya está cubierta — puede coexistir y complementar. La diferencia está en la capa operativa en tiempo real: UNO razona sobre lo que está pasando ahora, aprende de ello y actúa.
Cuando se necesita una funcionalidad nueva, no se abre un ticket de desarrollo. Se le pide al organismo. El propio sistema es el desarrollador de sus nuevas capacidades.
El organismo recibe una petición en lenguaje natural, la analiza, genera la solución, la prueba en entorno aislado y la despliega automáticamente si supera las verificaciones. Sin intervención humana en el bucle técnico.
Antes de que cualquier nuevo código entre al organismo, es evaluado por un conjunto de agentes especializados en revisión: coherencia arquitectural, seguridad, cobertura de tests, regresión sobre capacidades existentes.
El organismo genera los tests junto con el código, los ejecuta y registra la evidencia. Si un test falla, razona sobre el fallo, corrige la implementación y vuelve a iterar.
Antes de generar cualquier nueva capacidad, el organismo busca en su catálogo si ya existe algo equivalente o adaptable. Solo si la búsqueda confirma que no existe, inicia el ciclo de desarrollo. Evita duplicación.
El organismo monitoriza el rendimiento de sus capacidades actuales, detecta cuáles tienen alta tasa de fallos o baja confianza, y propone mejoras de forma autónoma. Las propuestas de refactorización se someten a aprobación antes de aplicarse.
El coste de añadir funcionalidad no escala con la complejidad del sistema. No hay backlog de desarrollo, no hay sprints, no hay equipo técnico que implementar. La interfaz de extensión es conversacional: se describe qué se necesita, el organismo propone y construye. El cliente aprueba o rechaza.
UNO no entrega dashboards. Entrega aplicaciones operativas completas, compuestas de widgets funcionales que el propio organismo selecciona, combina y genera según los procesos del cliente.
El organismo dispone de un catálogo amplio de componentes de interfaz, datos, proceso, comunicación, industria, sanidad, finanzas y razonamiento. Sabe qué puede construir y selecciona los componentes más adecuados para cada proceso.
Cuando un operador describe un proceso, el organismo analiza qué widgets son relevantes, los combina en un canvas operativo y genera la aplicación. Sin diseño manual. Sin desarrollo.
Los widgets no son solo visualización. Incluyen formularios de acción, flujos de aprobación, disparadores de procesos e interfaces de validación. Pueden leer el estado de un proceso y ejecutar acciones sobre él, con trazabilidad completa.
Cuando el catálogo existente no cubre una necesidad, el organismo genera un nuevo tipo de widget, lo registra y lo hace disponible inmediatamente para futuras composiciones.
| Categoría | Ejemplos | Capacidad IA integrada |
|---|---|---|
| Visualización y medición | Barras, líneas, áreas, tarta, radar, mapa de calor, sankey, treemap, embudo, cascada, burbujas, dispersión, boxplot, velas, gauges, KPI cards y comparadores | Detección de anomalías, predicción, explicación en lenguaje natural y seguimiento de tendencias |
| Datos y tablas | Tabla de datos, tabla pivote, hoja de cálculo, hoja con fórmulas, listas de entidades, detalle de entidad, libro contable, explorador de base de datos, visor JSON | Lectura semántica, validación, conciliación, enriquecimiento y detección de incoherencias |
| Formularios y entrada | Formulario básico, formulario asistido, pago, firma digital, subida de archivos, código de barras, QR, búsqueda, filtros, sliders, conmutadores y steppers | Autocompletado desde memoria, sugerencias contextuales, validación y control de riesgo antes de enviar |
| Flujos de trabajo | Cadenas de aprobación, constructor de flujos, Kanban, progreso, tablero de estado, diagramas de proceso, motor de reglas y plantillas de mensaje | Orquestación con estado, aprobación humana cuando aplica, seguimiento de objetivo y trazabilidad por paso |
| Planificación temporal | Calendario, Gantt, línea temporal, planificador de turnos, programador de tareas, temporizador, presencia, asistencia y ausencias | Optimización automática, detección de conflictos, predicción de carga y alertas preventivas |
| Comunicación y colaboración | Interfaz de chat, canal de mensajería, comentarios, centro de notificaciones, actividad, alertas, escáner de correo y búsqueda web | Resúmenes, priorización, escalado, generación de mensajes y control de permisos por destinatario |
| Documentos y contenido | Editor Markdown, editor enriquecido, visor PDF, visor de imágenes, visor de vídeo, constructor de informes, HTML personalizado y editor de código | Extracción, OCR, resumen, cita a fuente, redacción asistida y generación de informes trazables |
| Operaciones industriales | Monitor de controladores, control de consignas, panel de alarmas, plano de planta, mapa de almacén, inventario, pedidos e información meteorológica | Razonamiento sobre desviaciones, causa raíz, anomalías, mantenimiento predictivo y simulación contrafactual |
| Sanidad asistencial | Ficha de paciente, ocupación de camas, pauta farmacológica, constantes, resultados de laboratorio y mapa de servicios | Estratificación de riesgo, compatibilidad, alertas clínicas, trazabilidad regulatoria y apoyo a decisión supervisada |
| Finanzas y negocio | Facturas, pagos, flujo de caja, presupuestos, subvenciones, COA, ingresos, embudo de ventas, campañas, control presupuestario y proyectos | Conciliación, detección de desviaciones, predicción, escenarios y explicación de margen o coste |
| Organización y usuarios | Directorio, organigrama, gestor de usuarios, configurador de roles y perfil individual | Asignación de responsabilidades, permisos, escalado, auditoría y trazabilidad por rol |
| Razonamiento avanzado | Grafo causal, árbol contrafactual, grafo de red, estado interno, registro de auditoría y visor de logs | Causa raíz, escenarios what-if, explicabilidad, vigilancia de coherencia y memoria de decisiones |
| Integraciones técnicas | Playground de APIs, explorador de base de datos, marco embebido, registro de webhooks, botón de asistencia IA, acordeones, pestañas y vista de mapa | Conexión gobernada, pruebas de integración, asistencia contextual y publicación controlada de capacidades |
Arquitectura UNO propiedad exclusiva de WhaoSolutions.
Arquitectura de agentes autónomos bio-inspirada. Memoria epistemológica formal con seis tipos diferenciados. Auto-regulación con cinco sistemas independientes. Aprendizaje continuo autónomo. Razonamiento causal nativo. Motor de curiosidad autónoma. Observabilidad interna. IA Federada con comunicación segura. Evaluación multi-perspectiva con veto ético. Trazabilidad inmutable con anclaje blockchain.
Arquitectura UNO propiedad de Whao Solutions / AI2Evolve.
Appliance sellado. Código propietario no accesible. Este dossier describe capacidades funcionales, no implementación interna.
Estos son ejemplos reales de experiencias de aprendizaje generadas autónomamente por UNO en entornos de producción. Sin que nadie las programe. Sin reentrenamiento. El sistema observa, razona, contrasta con experiencias previas y consolida nuevo conocimiento operativo.