Contexto técnico
Cada vez veo más el mismo panorama: la gente monta una herramienta interna en un par de horas y cancela una suscripción de $20-30 al mes. Desde el punto de vista de la ingeniería, es una gozada. Pero cuando hablo de automatización con IA y una implementación de IA seria en una empresa, miro de inmediato no la demo, sino el perímetro operativo.
No llamaría a un agente de IA autohospedado un reemplazo uno a uno del SaaS. Si el agente entra en DevOps, necesita no un chat bonito, sino una arquitectura con contexto, planificación y acción. De lo contrario, no automatiza, solo genera riesgo.
Normalmente lo veo como un bucle C-P-A: el agente lee logs, el estado de CI/CD, eventos de infraestructura, luego construye un plan y solo después actúa. Para lectura, concedo solo lectura; para correcciones, solo un acceso de escritura delimitado; y para acciones dudosas, exijo aprobación humana. Sin esto, lo autohospedado se convierte rápidamente en “¿por qué el agente reinició el servicio cinco veces seguidas?”.
Otro punto donde muchos idealizan la historia es el costo. Cancelar una suscripción mensual es fácil de calcular, pero pocos tienen en cuenta de inmediato la infraestructura, la observabilidad, las actualizaciones de modelos, el control de accesos y la depuración de malas decisiones. Yo presupuestaría de 3 a 6 meses para un ROI claro, a menos que se trate de una herramienta casera y no de un entorno de producción.
Y sí, no vale la pena entregar cada tarea a un agente. La rotación de logs, los despliegues con plantillas, cron, Ansible, los pipelines de Terraform funcionan perfectamente sin “inteligencia”. El agente se necesita donde hay ambigüedad: análisis de incidentes, búsqueda de la causa de una degradación, correlación de eventos, priorización de acciones.
Impacto en el negocio y la automatización
¿Quién gana? Los equipos con tareas de DevOps repetitivas, datos sensibles y hartazgo del zoológico de SaaS. Ahí, el autohospedado da control, menor latencia y, a veces, un ahorro de costes nada despreciable a escala.
¿Quién pierde? Quienes quieren resultados sin carga operativa. He visto esta historia muchas veces: la gente no quiere una pila autohospedada, sino magia sin mantenimiento. Así no funciona.
Para los negocios, aplicaría tres filtros. Primero: la tarea debe ser repetitiva. Segundo: el radio de explosión del error debe estar limitado por barandillas de seguridad. Tercero: el ahorro anual debe superar el costo de la integración de IA y el soporte continuo.
En Nahornyi AI Lab, precisamente recopilamos este tipo de casos para los clientes: dónde mantener la automatización convencional, dónde construir soluciones de IA para la empresa y dónde no tocar el proceso en absoluto. Si sus suscripciones se han disparado y su equipo dedica horas a tareas rutinarias, podemos diseccionar su stack con calma y crear un agente de IA donde realmente alivie la carga en lugar de añadir una nueva.