WEBVTT 00:00:00.000 --> 00:00:03.580 Hiciste clic porque el podcast dijo que Azure AI Foundry es una trampa, ¿verdad? 00:00:04.500 --> 00:00:05.660 Estás en el lugar correcto. 00:00:05.880 --> 00:00:06.920 Aquí está la promesa desde el principio. 00:00:07.560 --> 00:00:12.100 Los copilots colapsan sin fundamentos, pero herramientas como la generación aumentada por recuperación 00:00:12.100 --> 00:00:17.760 o RAC con búsqueda híbrida y semántica de Azure AI, además de evaluadores de fundamentación, relevancia y coherencia, 00:00:18.360 --> 00:00:21.640 son las soluciones reales para evitar que entregues alucinaciones disfrazadas de respuestas. 00:00:22.780 --> 00:00:26.700 Dejaremos de lado las presentaciones de marketing y te mostraremos el manual de supervivencia con ejemplos reales del campo. 00:00:26.700 --> 00:00:31.540 Suscríbete al boletín de la M365 Show y sigue las transmisiones en vivo con los MVP. 00:00:32.280 --> 00:00:34.280 Ahí es donde residen las lecciones aprendidas y las soluciones. 00:00:35.020 --> 00:00:37.960 Y como las primeras grietas suelen aparecer en los multimodales, empecemos por ahí. 00:00:38.980 --> 00:00:40.980 Porque las aplicaciones multimodales fallan en el mundo real. 00:00:41.420 --> 00:00:44.040 Cuando ves una demostración multimodal en el escenario, parece impecable. 00:00:44.720 --> 00:00:48.320 El presentador ingresa un prompt de texto, una imagen clara, quizás incluso una entrada de voz rápida, 00:00:48.320 --> 00:00:51.200 y el modelo entrega un gráfico perfecto o un resumen de contrato preciso. 00:00:51.660 --> 00:00:56.100 Todo parece magia, pero en el momento en que intentas lo mismo dentro de una empresa real, el brillo desaparece rápidamente. 00:00:56.700 --> 00:00:59.660 Las demostraciones funcionan con entradas y en los lugares de trabajo funcionan bien. 00:00:59.860 --> 00:01:00.620 Esa es la vera división. 00:01:01.060 --> 00:01:04.800 En producción, nadie le da a tu modelo capturas de pantalla cuidadosamente preparadas 00:01:04.800 --> 00:01:06.900 o CSV formateados por un comité de estándares. 00:01:07.840 --> 00:01:09.540 Recursos humanos están enviando identificaciones bueno. 00:01:10.080 --> 00:01:13.000 Compras está arrastrando archivos PDF que están en su quinta generación de fax. 00:01:13.560 --> 00:01:17.020 Alguien en finanzas está tomando una foto de una factura con la cámara rota de un Android. 00:01:17.560 --> 00:01:20.820 Los modelos multimodales pueden manejar texto, imágenes, voz y video, 00:01:21.060 --> 00:01:24.020 pero necesitan datos bien indexados y recuperación para funcionar en condiciones desordenadas. 00:01:24.020 --> 00:01:27.460 De lo contrario, solo estás pidiendo al modelo que improvise sobre basura. 00:01:28.020 --> 00:01:30.980 Y ninguna cantidad de gasto GPU soluciona el principio de entre basura, sale basura. 00:01:31.340 --> 00:01:35.180 Aquí es donde la generación aumentada por recuperación, o RAG, se supone que te salvará. 00:01:35.640 --> 00:01:38.840 En palabras simples, el modelo no conoce tu negocio, así que lo conectas a una fuente de conocimiento. 00:01:39.400 --> 00:01:41.780 Recupera una porción de datos y moldea la respuesta en torno a ella. 00:01:42.400 --> 00:01:44.740 Cuando la coincidencia es precisa, obtienes respuestas útiles y fundamentales. 00:01:44.980 --> 00:01:47.760 Cuando es descuidada, el modelo improvisa y escupe tonterías con confianza. 00:01:47.760 --> 00:01:54.040 Y así es como terminas con un chatbot, jurando que tu empresa tiene una nueva política de descuentos para cutres que no existe. 00:01:54.680 --> 00:01:57.180 No se vuelve consciente, simplemente extrajo los datos incorrectos. 00:01:57.940 --> 00:02:05.200 Azure AI Studio y Azure AI Foundry se apoyan en este patrón y soportan todo tipo de modalidades, lenguaje, visión, voz e incluso recuperación de video, voz. 00:02:05.600 --> 00:02:07.760 Pero el truco es que el RAG es tan bueno como los datos que utiliza. 00:02:08.320 --> 00:02:09.920 Aquí está el detalle que la mayoría de los equipos pasa por ahí. 00:02:10.220 --> 00:02:12.580 No puedes simplemente conectar un método de recuperación y darlo por terminado. 00:02:12.580 --> 00:02:19.500 Si quieres que los resultados sean coherentes, necesitas una búsqueda híbrida de palabras clave y vectores, rematada con un reordenador semántico integrado en Azure AI Search. 00:02:19.840 --> 00:02:25.860 Esto permite al sistema equilibrar las coincidencias literales de palabras clave con el significado semántico y semántico de los resultados para que el contexto sea adecuado para exparica primer. 00:02:26.020 --> 00:02:33.040 Al integrar eso en tu configuración multimodal, el modelo puede manejar escaneos torcidos e imágenes borrosas en lugar de inventarse tu política de cumplimiento de la nada. 00:02:34.060 --> 00:02:36.460 Ahora, hablemos de por qué tantos lanzamientos fracasan. 00:02:37.080 --> 00:02:41.800 Las empresas esperan resultados pulidos desde el primer día, pero no destinan presupuesto a ciclos de evaluación. 00:02:42.580 --> 00:02:48.040 Sin controles de fundamentación, relevancia y coherencia en segundo plano, no notarás la desviación hasta que los usuarios ya se hayan visto afectados. 00:02:48.840 --> 00:02:51.440 Muchos despliegues iniciales fracasan rápidamente exactamente por esta razón. 00:02:51.680 --> 00:02:54.500 El resultado suena correcto, pero nadie lo verificó con una fuente de verdad. 00:02:54.940 --> 00:02:57.620 Piénsalo, nunca implementarías una base de datos nueva sin supervisión. 00:02:58.420 --> 00:03:02.840 Sin embargo, con la IA multimodal, los ejecutivos la danzan a producción como si fuera una caja magicalista para usar. 00:03:03.560 --> 00:03:04.460 No tiene por qué terminar fracaso. 00:03:04.460 --> 00:03:07.880 Carvana es una de las historias de clientes de Foundry que demuestra este punto. 00:03:08.400 --> 00:03:14.680 Hicieron que el IA Auto Servicio fuera realmente útil ajustando la recuperación, fundamentando adecuadamente a sus agentes e invirtiendo en observabilidad. 00:03:15.600 --> 00:03:19.140 Eso convirtió lo que pudo ser otro bot de juguete en algo en lo que los clientes pueden confiar. 00:03:20.200 --> 00:03:25.680 Ahora, compáralo con las empresas que añadieron un chatbot genérico a su página de soporte sin fundamentación ni evaluación ni evaluación. 00:03:25.680 --> 00:03:26.800 Y ha visto el resultado. 00:03:27.300 --> 00:03:31.360 Reclamos de garantía clasificados como prospectos de ventas, colas de soporte saturadas y credibilidad destruida. 00:03:31.720 --> 00:03:33.380 La misma infraestructura de ASU, resultados opuestos. 00:03:33.680 --> 00:03:35.000 Entonces aquí está la conclusión directa. 00:03:35.400 --> 00:03:38.220 La IA multimodal no colapsa porque no sea lo suficientemente inteligente. 00:03:38.840 --> 00:03:41.580 Colapsa porque los datos no están preparados, indexados o monitoreados. 00:03:42.400 --> 00:03:45.640 Introduce basura en el sistema de recuperación, salta las evaluaciones y mira cómo se pierde la confianza. 00:03:46.160 --> 00:03:49.540 Pero con búsqueda híbrida, reordenamiento semántico y evaluaciones constantes, 00:03:49.780 --> 00:03:55.600 puedes procesar facturas, contratos, imágenes e incluso notas de audio con respuestas que siguen basándose en la realidad y no en la fantasía. 00:03:56.640 --> 00:03:59.060 Y una vez que la fundamentación esté en orden, surge otro riesgo. 00:04:00.060 --> 00:04:03.980 Incluso si las tuberías de datos están limpias, el sistema que las impulsa puede descontrolarse. 00:04:04.520 --> 00:04:05.300 Es ahí donde cambia la pregunta. 00:04:06.000 --> 00:04:11.360 ¿El agente que coordina todo esto ayuda realmente a tu negocio o está convirtiendo silenciosamente tu presupuesto de TI en combustible para una hoguera? 00:04:12.160 --> 00:04:13.980 ¿Un agente útil o un costoso pisa papeles? 00:04:14.800 --> 00:04:17.340 ¿Un agente coordina modelos, datos, activadores y acciones? 00:04:18.000 --> 00:04:20.500 Piénselo como un agente de tránsito para tu flujo de trabajo automatizado. 00:04:21.020 --> 00:04:24.740 A veces dirige todo sin problemas, a veces deja pasar tres camiones de volteo y un auto de payasos, 00:04:24.740 --> 00:04:25.680 y luego se va a almorzar. 00:04:26.600 --> 00:04:30.340 Esa brecha entre la definición clara y la realidad desordenada es donde la mayoría de los equipos pierdan el control. 00:04:31.100 --> 00:04:32.440 En teoría, un agente parece perfecto. 00:04:33.040 --> 00:04:38.560 Dale instrucciones, conéctalo a tus datos y aplicaciones, debería ejecutar procesos, obtener respuestas e incluso iniciar flujos de trabajo. 00:04:38.560 --> 00:04:40.820 Pero no es un compañero de trabajo perfecto. 00:04:41.260 --> 00:04:43.440 Es tan probable que solucione un problema recurrente a las dos. 00:04:43.980 --> 00:04:47.720 Como que en un de tu cola con 100 tickets fantasma por malinterpretar un registro de errores. 00:04:48.260 --> 00:04:49.100 Imagínalo de otro servicio. 00:04:49.900 --> 00:04:54.560 Con un alcance limitado, la IA genera tickets reales solo para problemas genuinos y ahorra horas de trabajo humano. 00:04:55.580 --> 00:05:00.620 Si se deja libre, puede enterrar al servicio de soporte técnico en un muro de alertas falsas sobre fallas críticas de impresoras que funcionan bien. 00:05:00.880 --> 00:05:03.160 Intenta explicarle ese aumento de productividad a tu CEO. 00:05:03.580 --> 00:05:04.760 Aquí está la distinción que muchos pasan por. 00:05:05.060 --> 00:05:06.620 Los copilotos y los agentes no son lo mismo. 00:05:07.020 --> 00:05:08.680 Un copiloto es básicamente un asistente para tu. 00:05:08.960 --> 00:05:11.060 Tu pregunta se responde y tú mantienes el control. 00:05:11.900 --> 00:05:14.380 Los agentes, por otro lado, toman decisiones sin esperar por ti. 00:05:14.940 --> 00:05:18.560 Siguen tus instrucciones vagas al pie de la letra, incluso cuando los resultados no tienen sentido. 00:05:19.360 --> 00:05:23.740 Ahí es cuando la automatización ahorra tiempo real o se convierte en un caos que tardarás el doble en limpiar. 00:05:24.080 --> 00:05:28.160 La verdad es que muchos equipos dan a su agente una descripción de puesto que parece una promesa de campaña. 00:05:28.960 --> 00:05:31.760 Optimizar procesos, proporcionar información, ayudar a la gente. 00:05:31.760 --> 00:05:34.260 Felicidades, básicamente le has dicho al bot que haga lo que quiera. 00:05:34.800 --> 00:05:37.220 Los agentes sin un alcance definido no se mantienen educadamente en su lugar. 00:05:37.440 --> 00:05:37.860 De control. 00:05:38.300 --> 00:05:39.400 Inventan problemas para solucionar. 00:05:39.680 --> 00:05:40.440 Duplican registros. 00:05:41.040 --> 00:05:41.940 Entran bucles infinitos. 00:05:42.300 --> 00:05:45.440 Y luego los líderes se preguntan por qué una demostración brillante se convirtió en un duro de cabeza en producto. 00:05:45.780 --> 00:05:46.740 Ahora, aclaremos las cosas. 00:05:47.180 --> 00:05:49.720 No es que la mayoría de las organizaciones fracasen en los primeros dos meses. 00:05:50.360 --> 00:05:51.060 Eso no está en la investigación. 00:05:51.060 --> 00:05:56.500 Lo que sí ocurre, y rápido, es que muchas organizaciones se topan con obstáculos pronto porque nunca limitaron bien sus agentes, 00:05:56.660 --> 00:06:00.580 nunca añadieron pasos de validación y nunca instrumentaron telemetría, nunca instrumentaron telemetría. 00:06:00.880 --> 00:06:04.660 Sin esas barreras de seguridad, tu flamante nueva herramienta es solo un becario imprudente con derechos de administrado. 00:06:05.140 --> 00:06:07.380 Y aquí es donde la plataforma de Microsoft realmente te da las piezas. 00:06:08.180 --> 00:06:11.700 Copilot Studio es el espacio de bajo código donde los creadores diseñan el comportamiento de la gente, 00:06:11.820 --> 00:06:13.540 piezas en flujos prompts y disparadores de eventos. 00:06:13.540 --> 00:06:19.400 Luego, Azure AI Foundry's Agent Service es la estructura empresarial que pone a sus agentes en producción con observabilidad. 00:06:20.300 --> 00:06:23.280 Agent Service es donde añades monitoreo, registros y métricas. 00:06:24.140 --> 00:06:28.060 Está delimitado deliberadamente para la automatización con supervisión humana incorporada 00:06:28.060 --> 00:06:31.400 porque Microsoft sabe qué pasa si confías en un agente no probado en el mundo real. 00:06:32.200 --> 00:06:33.900 Entonces, ¿cómo sabes si tu agente es realmente útil? 00:06:34.520 --> 00:06:36.180 Pásalo por una lista de verificación simple y directa. 00:06:36.680 --> 00:06:40.160 1. Reduce las horas de trabajo humano o arrastra tu personal a tareas de depuración. 00:06:40.160 --> 00:06:44.460 2. ¿Estás capturando métricas como fundamentación, fluidez y coherencia 00:06:44.460 --> 00:06:46.400 o solo estás mirando los bonitos paneles de marketing? 00:06:47.600 --> 00:06:51.920 3. ¿Tienes telemetría para detectar desviaciones antes de que los usuarios empiecen a presentar quejas? 00:06:52.480 --> 00:06:55.120 Si respondiste mal a cualquiera de ellas, no tienes un agente inteligente. 00:06:55.520 --> 00:06:56.780 Tienes un protector de pantalla costoso. 00:06:57.660 --> 00:07:01.880 La solución es utilizar las funciones de observabilidad y los valores integrados de Azure AI Foundry. 00:07:02.600 --> 00:07:03.780 Estos no son extras opcionales. 00:07:04.040 --> 00:07:07.620 Son la forma documentada de medir la fundamentación, relevancia, coherencia y fidelidad a la fuente. 00:07:07.620 --> 00:07:12.620 Sin ellos, estarás adivinando si tu agente es inteligente o solo inventa cosas con un tono amable. 00:07:13.080 --> 00:07:16.640 Con ellos, puedes intervenir con confianza y ajustar cuando los resultados se desvíen. 00:07:17.080 --> 00:07:18.460 Sí, los agentes pueden cambiar las reglas del juego. 00:07:19.100 --> 00:07:22.720 Si se definen mal, se convierten en amplificadores de caos que consumen más tiempo del que ahorran. 00:07:23.100 --> 00:07:26.540 Si se definen, con límites claros, telemetría real y respuestas fundamentadas, 00:07:26.800 --> 00:07:29.300 pueden manejar tareas mientras los humanos se enfocan en trabajos de mayor valor. 00:07:30.180 --> 00:07:32.600 ¿Y justo cuando crees que ha logrado ese equilibrio, la historia vuelve a cambiar? 00:07:32.600 --> 00:07:37.120 ¿Microsoft ya está impulsando agentes autónomos, bots que no esperan a que tú actúes? 00:07:38.540 --> 00:07:42.460 Lo que lleva a los riesgos de ser útil o un pisapapeles a una categoría totalmente distinta, 00:07:42.560 --> 00:07:45.060 porque ahora hablamos de sistemas que operan incluso cuando nadie los vigila. 00:07:46.440 --> 00:07:47.560 La trampa del agente autónomo. 00:07:48.320 --> 00:07:50.900 Los agentes autónomos son donde la exageración se vuelve peligrosa. 00:07:51.480 --> 00:07:52.480 En teoría, son el sueño. 00:07:53.160 --> 00:07:55.580 Deja que la idea actúe por ti, automaquiza las tareas pesadas 00:07:55.580 --> 00:07:59.220 y deja de levantarte de la cama a las 2 A para atender culas de tickets. 00:07:59.560 --> 00:08:00.520 Suena genial la sala de juntas. 00:08:01.020 --> 00:08:01.600 La trampa es simple. 00:08:02.020 --> 00:08:02.680 No piden permiso. 00:08:03.260 --> 00:08:04.220 Los copaylos hacen una cosa. 00:08:04.680 --> 00:08:05.500 Los agentes autónomos no. 00:08:05.900 --> 00:08:09.160 Cuando toman una mala decisión, el daño ocurre al instante y se escala por todo tu tena. 00:08:09.600 --> 00:08:10.840 El concepto es bastante sencillo. 00:08:10.920 --> 00:08:11.720 Los copaylos son reactivos. 00:08:12.140 --> 00:08:13.000 Los agentes son proactivos. 00:08:13.440 --> 00:08:15.680 En lugar de permanecer en silencio hasta que alguien escribe un prompt, 00:08:15.940 --> 00:08:17.580 defines agentes para vigilar la salud del servicio, 00:08:17.680 --> 00:08:20.280 manejar señales de seguridad o ejecutar flujos de trabajo automáticamente. 00:08:20.760 --> 00:08:22.420 Microsoft lo presenta como eficiencia, 00:08:22.520 --> 00:08:23.340 menos desperdicio humano, 00:08:23.480 --> 00:08:25.360 detecciones más rápidas y operaciones más fluidas. 00:08:25.940 --> 00:08:28.240 La promesa es real, pero aquí está el contexto importante. 00:08:29.180 --> 00:08:32.160 Los agentes autónomos en Copilot Studio hoy en día siguen en versión preliminar. 00:08:32.640 --> 00:08:35.900 Prediminar no significa roto, pero sí significa no probado en el caótico mundo real. 00:08:36.560 --> 00:08:39.300 E incluso Microsoft dice que necesita salvaguardas de gobernanza de ciclo de vida 00:08:39.300 --> 00:08:42.180 y el sistema de consola de Copilot implementado antes de pensar en desplegarlos masivamente. 00:08:42.720 --> 00:08:43.500 Considera un realista. 00:08:44.120 --> 00:08:46.120 Digamos que creas un agente de soporte técnico autónomo 00:08:46.120 --> 00:08:48.580 y le das autoridad para responder a anomalías de inicio de sesión. 00:08:49.180 --> 00:08:51.080 En una negociación con 5 usuarios funciona de perfección. 00:08:51.520 --> 00:08:52.860 Alertas emitidas, cuenta gestionada. 00:08:53.440 --> 00:08:54.960 Luego las entradas ruidosas llegan a producción. 00:08:54.960 --> 00:09:00.000 En lugar de esperar, comienza a restablecer masivamente cientos de cuentas basándose en falsos positivos. 00:09:00.980 --> 00:09:02.460 El resultado no es una interrupción hipotética. 00:09:02.880 --> 00:09:05.160 Podría dejar fuera de servicio las operaciones de fin de mes de forma real. 00:09:05.620 --> 00:09:06.480 Es una esencia ficción. 00:09:06.480 --> 00:09:09.240 Es el modo de falla que aceptas si omites el alcance. 00:09:09.860 --> 00:09:10.980 La solución no es deshacer a tecnología. 00:09:11.520 --> 00:09:12.720 Es construir la red de seguridad primera. 00:09:13.280 --> 00:09:14.700 Busca la lista de verificación de su... 00:09:14.700 --> 00:09:17.100 Tres elementos esenciales preceden a cualquier automatización llamada. 00:09:17.440 --> 00:09:18.920 Uno, alcance de identidad y acceso. 00:09:20.180 --> 00:09:22.520 Dale a tu agente derechos mínimos, nada de errores de administrador general. 00:09:22.960 --> 00:09:24.020 Dos, registro y reversión. 00:09:24.640 --> 00:09:26.460 Cada acción debe dejar un rastro que puedas auditar. 00:09:26.460 --> 00:09:30.060 Y cada acción seria necesita una ruta de reversión cuando el agente falla. 00:09:30.840 --> 00:09:32.080 Tres filtros de contenido comprobado. 00:09:32.520 --> 00:09:36.200 Microsoft lo destaca con la seguridad de contenido y configuración de conocimiento de Azure AI. 00:09:36.860 --> 00:09:40.780 Los filtros que evitan que un bot entusiasta genere respuestas inapropias o se salga del guión. 00:09:41.500 --> 00:09:44.820 Haz esto primero o la astucia de tu agente enterrará tus procesos en lugar de ayudarlos. 00:09:45.200 --> 00:09:46.460 La capa ética hace que esto sea más crítico. 00:09:46.460 --> 00:09:51.020 Imagina a un agente de RH marcando automáticamente a empleados como riesgosos. 00:09:51.140 --> 00:09:54.560 O un agente financiero reteniendo pagos a proveedores por clasificarlos erróneamente como fraude. 00:09:55.000 --> 00:09:56.600 Estas no son peculiaridades inofensivas. 00:09:56.740 --> 00:09:59.160 Son fallas de impacto humano con repercusiones legales y de cumplimiento. 00:09:59.380 --> 00:10:04.060 El sesgo en los datos de entrenamiento o recuperación no desaparece solo porque ahora estás ejecutando una versión preliminar empresarial. 00:10:05.080 --> 00:10:10.540 Sin filtros, controles y alternativas humanas estás delegando decisiones que tus abogados definitivamente no quieren que tome un algoritmo sin supervisión. 00:10:11.280 --> 00:10:13.740 El propio mensaje de Microsoft en Ignite fue contundente al respecto. 00:10:13.740 --> 00:10:19.160 Las barandillas, la gestión del ciclo de vida, el monitoreo y el sistema de control de Copilot no son opcionales, son obligatorios. 00:10:19.820 --> 00:10:24.140 La vista previa hoy trata menos sobre demostraciones brillantes y más sobreprobadores, demostrando dónde aparecen las grietas. 00:10:24.600 --> 00:10:28.560 Si lanzas sin pruebas de tapa, flujos de aprobación y auditorías, no estás ejecutando un agente. 00:10:28.660 --> 00:10:31.440 Estás estresando tu entorno en producción, en producción. 00:10:31.740 --> 00:10:33.160 Es por eso que la observabilidad no es opcional. 00:10:33.700 --> 00:10:40.080 Necesitas paneles que muestren cada paso que da un agente y que verifiquen si su resultado fue fundamentado, relevante y coherente con tu política. 00:10:40.080 --> 00:10:42.220 Y necesitas opciones con supervisión humana. 00:10:42.560 --> 00:10:43.520 Microsoft no oculta esto. 00:10:44.400 --> 00:10:46.760 Señalan patrones donde el humano sigue siendo la garantía de seguridad. 00:10:47.720 --> 00:10:49.080 Es algo como el piloto automático en vuelo. 00:10:49.600 --> 00:10:52.300 Increíblemente útil, pero siempre diseñado con una anulación manual. 00:10:53.200 --> 00:10:57.000 Si el bot cree que el aterrizaje óptimo es en un lago, querrás tomar el control antes del impacto. 00:10:57.720 --> 00:11:00.000 La analogía correcta aquí es dejar que un adolescente aprenda a conducir. 00:11:00.580 --> 00:11:05.080 El potencial es real, la velocidad es impresionante, pero no le das las llaves, te vas de la entrada y esperas lo mejor. 00:11:05.640 --> 00:11:09.560 Te sientas en el asiento del pasajero, le das límites y le instalas frenos que tú mismo puedas pisar. 00:11:10.060 --> 00:11:11.580 Eso es la gobernanza del ciclo de vida en la práctica. 00:11:11.580 --> 00:11:14.520 Recuerdas de entrenamiento hasta que estés seguro de que el sistema no se saldrá del camino. 00:11:15.300 --> 00:11:20.120 Y esto nos lleva a la planta de fábrica más grande, donde los agentes, los copilots y cada flujo de trabajo que has probado se unen. 00:11:20.800 --> 00:11:24.920 Microsoft llama eso Azure AI Foundry, un espacio integral para crear IA con todas las herramientas. 00:11:24.920 --> 00:11:30.820 Si se convierte en una potencia de producción o en el lugar donde tu proyecto se autodestruye, depende totalmente de cómo lo trates. 00:11:32.040 --> 00:11:34.760 Azure AI Foundry, tu fábrica o tu campo de minas. 00:11:35.660 --> 00:11:41.080 Azure AI Foundry es la nueva propuesta insignia de Microsoft, una supuesta fábrica para todo lo relacionado con la IA. 00:11:42.520 --> 00:11:44.200 Demasiados equipos entran y lo tratan como si fuera Ikea. 00:11:44.200 --> 00:11:51.640 Deambulan deslumbrados por los catálogos, toman un par de modelos de lenguaje grandes y llamativos, añaden algunos conectores y luego ensamblan algo sin instrucciones. 00:11:52.300 --> 00:11:58.920 Lo que terminan obteniendo no es un sistema empresarial, es un juguete a nivel de demostración que se derrumba la primera vez que un usuario real sube un PDF desordenado. 00:11:59.420 --> 00:12:02.420 Esto es lo que Foundry ofrece realmente, directamente desde el manual oficial. 00:12:02.420 --> 00:12:06.580 Un catálogo de modelos que abarca Microsoft, OpenAI, Meta, Mistral, Dipsic y otros. 00:12:07.380 --> 00:12:11.580 Opciones de personalización como generación aumentada por recuperación, ajuste fino y destilación. 00:12:12.620 --> 00:12:14.180 Un servicio de agentes para orquestación. 00:12:14.580 --> 00:12:16.700 Herramientas como Promflow para evaluación y depuración. 00:12:17.360 --> 00:12:21.940 Funciones de seguridad básicas, controles de identidad y acceso, filtros de seguridad de contenido y paneles de observabilidad. 00:12:22.500 --> 00:12:27.400 En resumen, son todas las piezas que necesitas para construir copilotos, agentes y flujos autónomos manteniéndolos en cumplimiento. 00:12:27.840 --> 00:12:28.620 Ese es el inventario. 00:12:28.620 --> 00:12:35.760 El problema no es que la caja de herramientas esté vacía, sino que demasiados administradores actúan como si solo fuera activar un interruptor de GPT-4 Turbo y llamarlo listo para producción. 00:12:36.320 --> 00:12:39.360 La verdad es que Foundry es una planta de fábrica, no tu caja de juguetes de un hackatón. 00:12:39.780 --> 00:12:43.760 Eso significa establecer límites de identidad para que solo las personas adecuadas toquen los modelos correctos. 00:12:44.360 --> 00:12:46.860 Significa envolver cada canalización con seguridad de contenido. 00:12:47.580 --> 00:12:52.840 Significa usar la observabilidad para saber cuándo una respuesta está fundamentada y cuándo un modelo está inventando políticas de la empresa de la nada. 00:12:54.120 --> 00:12:58.140 Significa combinar el trabajo con el modelo correcto en lugar de simplemente elegir el más grande porque suena inteligente, 00:12:58.140 --> 00:12:58.940 porque suena inteligente. 00:12:59.600 --> 00:13:01.780 Si omites esos pasos, el caos entra por la puerta tercera. 00:13:02.340 --> 00:13:07.260 He visto un equipo conectar a un copiloto de Foundry y SharePoint que alegremente expuso datos restringidos de R20 pasantes. 00:13:08.060 --> 00:13:11.780 No fue ingenioso, fue un desastre de cumplimiento que se podría haber evitado con reglas de acceso integradas. 00:13:12.680 --> 00:13:13.640 Hablemos de modo de fallo real. 00:13:14.160 --> 00:13:17.020 Una organización ejecutó una vez que PT-4 Turbo para etiquetado fotos de producto. 00:13:17.980 --> 00:13:19.560 En el laboratorio arrasó con la demostración. 00:13:20.220 --> 00:13:22.920 Fotos de estudio limpias, etiquetas perfectas, todos aplaudieron. 00:13:22.920 --> 00:13:27.920 En producción, las entradas no eran archivos JPEG brillantes, eran fotos borrosas tomadas con teléfonos en él. 00:13:28.380 --> 00:13:33.220 De repente, la IETI que toma los cochecitos como sillas de oficina y convierte los códigos UPC en números de serie falsos. 00:13:33.460 --> 00:13:34.240 En números de serie falsos. 00:13:35.000 --> 00:13:37.020 Además del golpe de la confianza, los costos empezaron a subir. 00:13:37.420 --> 00:13:39.320 Y esto no es un cuento de más de un centavo por mensaje. 00:13:39.820 --> 00:13:43.060 El precio de Foundry se basa en el consumo y está vinculado a los servicios específicos que utiliza. 00:13:43.540 --> 00:13:47.120 Cada conector, cada llamada de recuperación y cada medidor de mensaje se factura a su inquilino. 00:13:47.900 --> 00:13:49.300 Cada pieza tiene su propio modelo de facturación. 00:13:49.300 --> 00:13:54.380 Esa flexibilidad está bien, pero si no estima con la calculadora de precios de Azure y supervisa el uso, 00:13:54.480 --> 00:13:56.880 su equipo financiero estará encantado con su factura sorpresa. 00:13:58.000 --> 00:13:58.860 Esa es la trampa de la factura. 00:13:59.060 --> 00:14:02.240 Los precios por consumo funcionan si planifica, supervisa y optimiza. 00:14:02.700 --> 00:14:06.680 Si no lo hace, se parece mucho usar un auto deportivo como una moto de reparto, caro, ruidoso e inútil. 00:14:07.480 --> 00:14:10.960 Todos hemos pasado por eso con herramientas como Power BI, Gan, demostración, factura descontrolada. 00:14:11.640 --> 00:14:13.220 No deje que Foundry lo lleve al mismo lugar. 00:14:13.340 --> 00:14:16.920 A los desarrolladores les encanta crear prototipos en Foundry porque el entorno de pruebas es A. 00:14:17.280 --> 00:14:18.320 Y en un entorno de pruebas lo es. 00:14:18.320 --> 00:14:20.880 Datos de demostración limpios sin errores, sorpresa instantánea. 00:14:21.240 --> 00:14:21.780 Lo ha quitado el problema. 00:14:22.060 --> 00:14:24.820 Los equipos lanzan ese prototipo a producción sin canalizaciones de evaluación. 00:14:25.720 --> 00:14:29.860 Si omite el uso de valores de fundamentos, fluidez, relevancia y coherencia, estará trabajando a ciegas. 00:14:30.540 --> 00:14:31.180 ¿Y qué sucede? 00:14:31.520 --> 00:14:33.360 Los usuarios notan la desviación en los resultados. 00:14:33.500 --> 00:14:35.220 La confianza cae y los ejecutivos recortan foco. 00:14:35.320 --> 00:14:36.360 Esto no es un fallo de Foundry. 00:14:36.520 --> 00:14:37.720 Es un fallo de los equipos en la dornada. 00:14:38.020 --> 00:14:41.280 Muchos prototipos de Foundry se estancan antes de llegar a producción por esta misma razón. 00:14:41.680 --> 00:14:44.080 Sin observabilidad, sin controles de calidad, sin telemetría. 00:14:44.520 --> 00:14:45.620 La respuesta está ahí misma en la plataforma. 00:14:46.420 --> 00:14:48.640 Utilice la observabilidad de Azure iFoundry desde el primer día. 00:14:49.100 --> 00:14:49.980 Conecte los flujos de PROM. 00:14:50.280 --> 00:14:51.820 Ejecute evaluadores integrados en cada PROM. 00:14:52.340 --> 00:14:57.380 Fundamente su sistema con Azure AI Search usando búsqueda híbrida y reglación semántica antes si quiere pensar en salir al aire. 00:14:57.380 --> 00:15:00.940 Microsoft no escondió estas herramientas y están documentadas para la seguridad de producción. 00:15:01.720 --> 00:15:04.360 Pero a menudo los desarrolladores las pasan por alto como si fueran atasal. 00:15:04.860 --> 00:15:07.560 Esa mentalidad, puntos de control, es la forma de mantenerse fuera del campo de mí. 00:15:08.220 --> 00:15:15.700 Trate a Foundry como una fábrica, la gobernanza es el primer paso, las políticas de cumplimiento integradas como acceso condicional y las canalizaciones de observabilidad funcionando desde el inicio. 00:15:16.180 --> 00:15:20.940 Y si el alcance de entidad y la seguridad de contenido no deben añadirse después, son parte de la lista de materiales, son parte real. 00:15:21.280 --> 00:15:23.260 Si omite la gobernanza, arriesga mucho más que malas respuestas. 00:15:23.260 --> 00:15:30.320 Sin ella, su bot multimodal podría exponer alegremente salarios de error, a usuarios externos o etiquetar facturas con números de polices ficticios. 00:15:30.720 --> 00:15:34.060 ¿Son o solo una llarrota de escáner de titulares que su departamento de cumplimiento no querrá explicar? 00:15:34.860 --> 00:15:38.260 Y es ahí donde el foco cambia, porque el siguiente obstáculo no es técnico en absoluto. 00:15:39.140 --> 00:15:40.420 Es si su IA es responsable. 00:15:41.240 --> 00:15:48.500 A todos les encanta incluir esas palabras en una diapositiva de presentación, pero en la práctica se trata de auditorías, filtros, cumplimiento y la montaña de decisiones que tomas antes del lanzamiento. 00:15:48.740 --> 00:15:50.000 Y ahí es donde realmente comienzan los esfuerzos. 00:15:50.000 --> 00:15:55.320 Suscríbete y síguenos en el boletín M365.show para obtener soluciones directas y síguenos en M365. 00:15:55.980 --> 00:16:00.960 Visita nuestra página de LinkedIn para ver transmisiones en vivo con MVP que han probado Foundry en producción y han visto lo que sale mal. 00:16:01.620 --> 00:16:03.100 IA responsable o dolores de cabeza responsable. 00:16:04.200 --> 00:16:06.460 A todas les encanta incluir la IA responsable en una presentación. 00:16:07.080 --> 00:16:09.460 Se ve bien junto a palabras de moda como equidad y transparencia. 00:16:10.040 --> 00:16:11.880 Pero en el trabajo diario no es una filosofía inspiradora. 00:16:11.980 --> 00:16:17.500 Se trata de configuración, auditorías, filtros y pasos de gobernanza que se sienten más como mantenimiento de servidores que como innovación. 00:16:17.500 --> 00:16:20.600 IA responsable es el cinturón de seguridad, no el autodeportivo. 00:16:20.940 --> 00:16:22.380 Si lo metes una vez, el choque llega rápido. 00:16:22.880 --> 00:16:28.460 Microsoft habla de ética y seguridad desde el principio, pero para los administradores que implementan esto se traduce en barreras de protección prácticas. 00:16:28.600 --> 00:16:28.840 CETE. 00:16:28.840 --> 00:16:37.700 Necesitas políticas de acceso que no se dan bajo presión, filtros que realmente bloqueen instrucciones dañinas y registros lo suficientemente detallados como para satisfacer a un regulador con cafeína de citación. 00:16:37.940 --> 00:16:38.800 Es un trabajo glamoroso. 00:16:39.220 --> 00:16:40.160 Es aislar los copilotos de R. 00:16:40.840 --> 00:16:48.340 De los datos financieros establecer reglas de alcance para que los bots de equipo no se filtren en secretos de SharePoint y etiquetar registros para probar exactamente cómo se formó una respuesta. 00:16:48.340 --> 00:16:52.480 Hazlo bien y responsable, no será un eslogan corporativo, será supervivencia. 00:16:52.820 --> 00:16:58.340 La versión fea de ignorar esto es conectar un bot directamente a tu repositorio de RR, H, sin delimitar el inquilino, TEN. 00:16:59.200 --> 00:17:01.060 Un usuario pregunta sobre beneficio de seguro. 00:17:01.700 --> 00:17:04.700 El bot, muy servicial, publica las bandas salariales de los empleados en el chat. 00:17:05.360 --> 00:17:10.240 Ahora tienes una violación de privacidad, una pesadilla de moral y posiblemente los reguladores pisándote los talones. 00:17:10.240 --> 00:17:14.140 La forma más rápida de matar la adopción no es una mala experiencia de usuario, es una filtrados confidenciales. 00:17:14.360 --> 00:17:15.400 No es que mantienes el desastre de RR. 00:17:15.700 --> 00:17:17.240 Empieza con la seguridad de contenida de SharePoint. 00:17:17.680 --> 00:17:22.380 Está diseñada para filtrar instrucciones y respuestas violentas, obscenas y ofensivas antes de que lleguen a los usuarios. 00:17:23.200 --> 00:17:24.080 Pero eso es solo higiene básica. 00:17:24.920 --> 00:17:28.660 Foundry y Copilot Studios se apoyan en procesos de evaluación que manejan el siguiente nivel. 00:17:29.620 --> 00:17:33.820 Verificaciones de fundamentos, puntuación de relevancia, paneles de transparencia y explicabilidad. 00:17:34.600 --> 00:17:39.740 En pocas palabras, puedes ajustar umbrales, filtrar entradas y salidas y hacer que los bots muestren su trabajo. 00:17:40.240 --> 00:17:43.260 Sin eso, solo estás lanzando dados con lo que la IA arroja. 00:17:43.580 --> 00:17:44.640 Aquí está la realidad de los recursos. 00:17:45.200 --> 00:17:46.280 Microsoft respalda esto con fuerza. 00:17:47.280 --> 00:17:50.260 34.000 ingenieros equivalentes a tiempo completo dedicados a la seguridad. 00:17:50.460 --> 00:17:52.900 Más 15.000 socios con profunda experiencia en seguridad. 00:17:53.880 --> 00:17:54.620 Eso es una fortaleza. 00:17:54.800 --> 00:17:55.520 Pero no te confías. 00:17:56.100 --> 00:17:59.040 Ninguno de esos ingenieros está dentro de tu inquilino estableciendo tus reglas de acceso. 00:17:59.580 --> 00:18:06.160 Microsoft te entrega las barreras de protección, pero sigue siendo tu trabajo asegurar identidades, configurar el aislamiento de datos, aplicar cifrado y configurar políticas. 00:18:06.800 --> 00:18:09.460 Si tu alcance es descuidado, tú seguirás siendo responsable de la brega. 00:18:09.460 --> 00:18:11.580 La verdad, la solución es la gobernanza del ciclo de bien. 00:18:11.800 --> 00:18:14.020 Piénsalo como la receta que la misma Microsoft recomienda. 00:18:14.760 --> 00:18:17.180 Probar, aprobar, lanzar, auditar. 00:18:17.560 --> 00:18:17.900 Iterar. 00:18:18.980 --> 00:18:23.060 Con puntos de control en cada ciclo, detectas las desviaciones antes de que sea noticia. 00:18:23.680 --> 00:18:25.980 Los equipos que lanzan algo y se olvidan siempre terminan en un desastre. 00:18:26.400 --> 00:18:29.360 Los modelos evolucionan, las instrucciones cambian y los resultados se desvían. 00:18:29.920 --> 00:18:31.120 La gobernanza no es pura burocracia. 00:18:31.580 --> 00:18:35.000 Es como evitas que un bot interno invente políticas en Teams mientras todos duermen. 00:18:35.000 --> 00:18:38.140 Algunos administradores se quejan de que ser responsable significa ser lento. 00:18:38.760 --> 00:18:39.740 Es una perspectiva equivocada. 00:18:40.100 --> 00:18:42.960 Ser responsable no mata la velocidad y evita que la velocidad te mate a ti. 00:18:43.840 --> 00:18:47.120 No buena gobernanza significa que puedes sobrevivir a auditorías y seguir avanzando. 00:18:47.540 --> 00:18:48.620 Si la ignoras, te estás lanzando de base. 00:18:49.200 --> 00:18:51.220 La velocidad sin controles solo te trae un tipo de récord. 00:18:51.780 --> 00:18:53.180 Un tiempo más corto hasta un análisis de fallo. 00:18:54.000 --> 00:18:55.460 Piensa en conducir por curvas cerradas de montaña. 00:18:55.640 --> 00:18:56.920 No maldice las barandillas. 00:18:57.100 --> 00:18:58.900 Las agradece cuando la carretera cae 60 metros. 00:18:59.580 --> 00:19:00.440 La irresponsabilidad es el mismo. 00:19:00.440 --> 00:19:03.480 Alcances, políticas, filtros y registros no frenan tu velocidad. 00:19:03.680 --> 00:19:04.920 Evitan que salgas en las noticias. 00:19:05.820 --> 00:19:06.160 Resumen. 00:19:06.500 --> 00:19:08.080 Microsoft te ha dado una herramienta muy potente. 00:19:09.320 --> 00:19:12.940 Seguridad de contenido, evaluación, marcos de trabajo y SDKs. 00:19:13.280 --> 00:19:18.380 Pero sigue siendo tu labor configurar accesos y conectar todo a tu ciclo de producción. 00:19:19.520 --> 00:19:22.600 Hazlo y tendrás una IA que sobrevive al cumplimiento en lugar de colapsar por él. 00:19:22.600 --> 00:19:25.720 Ignóralo y no solo arriesgas una caída del sistema. 00:19:25.920 --> 00:19:26.760 Pones carreras en juego. 00:19:27.260 --> 00:19:28.340 La IA responsable no es de... 00:19:28.340 --> 00:19:30.480 La IA responsable es sostenible. 00:19:30.700 --> 00:19:32.000 Y la sostenibilidad es la prueba real. 00:19:32.240 --> 00:19:35.600 Porque lo que viene no trata de funciones, sino de si tratas esto como algo sencillo 00:19:35.600 --> 00:19:37.660 o como una infraestructura de gobernanza. 00:19:38.660 --> 00:19:40.820 Esa distinción decide quién sobrevive, quién fracasa. 00:19:41.500 --> 00:19:42.280 Aquí está la conclusión. 00:19:42.680 --> 00:19:43.540 La trampa no es Foundry. 00:19:43.720 --> 00:19:46.180 O Copilot Studio es pensar que son fáciles de usar sin más. 00:19:46.600 --> 00:19:47.640 La regla es simple. 00:19:47.920 --> 00:19:50.200 Gobernanza primero, experimentación después, producción al final. 00:19:50.200 --> 00:19:52.900 Ignorar la identidad y la observabilidad bajo tu propio riesgo. 00:19:53.180 --> 00:19:56.700 Las herramientas están ahí, pero solo la gobernanza convierte prototipos en producción real. 00:19:57.220 --> 00:19:59.860 Así que si quieres las soluciones directas que mantienen vivo tu entorno, 00:20:00.000 --> 00:20:02.120 suscríbete al podcast y déjame una reseña. 00:20:03.480 --> 00:20:05.860 Adícoras diarias a esto y tu apoyo es de gran ayuda. 00:20:06.560 --> 00:20:08.240 Las herramientas cambiarán las tácticas de permanencia.