PROBLEMA
Interpretación y autoridad son responsabilidades diferentes.
Los LLM son útiles para interpretar entradas ambiguas, pero la ejecución empresarial requiere controles determinísticos.
CASO DE ESTUDIO 02 · INTELLIGENT AUTOMATION
Intelligent Automation Case Orchestrator
Flujo documental donde un LLM interpreta ambigüedad, mientras políticas determinísticas, schemas y revisión humana conservan la autoridad sobre la ejecución.
Documento / LLM / Structured Output / Policy / HITL / Ejecución controlada
DECISIÓN CENTRAL
El modelo recomienda. La política decide.
Los outputs se validan con schemas; la política evalúa la recomendación y se incorpora aprobación humana cuando corresponde.
CONTROL
IA dentro de un límite de ingeniería.
01DocumentoEntrada no confiable
02LLMInterpretación
03SchemaValidación tipada
04Policy + HITLAutorización
05ToolsEjecución controlada
01
Structured outputs
Function/tool calling y validación tipada reducen comportamiento libre.
02
Guardrails
El documento se trata como datos no confiables.
03
Control humano
Human-in-the-loop para decisiones que requieren aprobación.
04
Evaluación
Dataset de regresión para cambios de prompts o lógica.
TRADE-OFFS
Complejidad sólo cuando existe una razón.
Sin loop autónomo
El flujo no necesita planificación irrestricta.
Sin RAG por defecto
No se agrega retrieval sin un requerimiento real de conocimiento.
Sin multi-agent
No se añade coordinación de agentes sin beneficio demostrable.
Confiabilidad downstream
La ejecución puede delegarse al Enterprise Automation Orchestrator.
PRINCIPIO
Recomendación, autorización y ejecución son límites separados.
Implementación de referencia para automatización inteligente controlada; no una plataforma autónoma productiva.