--- title: "Cómo usa la IA Polargate" description: "Una base de conocimiento por cliente, un servidor MCP con más de 100 herramientas, un agente que propone arreglos, auditorías en paralelo y revisión humana." url: https://polargate.ai/es/ai locale: es publisher: POLARGATE S.L. --- - [Polargate](https://polargate.ai/es) - Cómo usa la IA Polargate, y dónde no la dejamos actuar La IA en Polargate # Cómo usa la IA Polargate, y dónde no la dejamos actuar La IA no es solo lo que construimos para nuestros clientes. Está dentro de nuestra propia forma de entregar: una base de conocimiento por cliente, un servidor MCP interno, un agente de mantenimiento que propone arreglos y agentes de auditoría que discuten entre ellos. Esta es la maquinaria y sus límites. En corto Polargate usa la IA dentro de su propia entrega, no solo en lo que construye para sus clientes: una base de conocimiento por cliente, un servidor MCP interno con más de 100 herramientas, un agente de triaje que propone arreglos como diffs revisables y auditorías en paralelo con un refutador. Un ingeniero senior revisa e integra cada cambio. Ningún agente despliega, responde a un cliente ni toca secretos. ## IA en la entrega, no solo en el entregable Casi todos los estudios venden la IA como algo que construyen para ti. Polargate también lo hace, y además la usa para operar el estudio. Esta página describe la maquinaria y los números que tenemos, para que puedas juzgarla. ## Una base de conocimiento por cliente Todo empieza por el contexto. Polargate mantiene una base de conocimiento por entidad en Postgres: fragmentos de texto con embeddings e índice HNSW, acotados por cliente y proyecto, con un muro entre lo del cliente, lo interno y lo personal. Nuestras herramientas llegan a ella por un servidor MCP que expone más de 100 herramientas internas: conocimiento, tickets, saldos de horas, facturas, contactos, versiones y la cola de arreglos. El efecto práctico: cuando entra tu ticket, el agente que lo lee ya conoce tu stack, las decisiones del trimestre pasado y lo que se rompió la última vez. El fallo habitual es un dato que falta, no un modelo flojo. Tus datos se quedan en tu proyecto: tú no ves nuestra base interna y ningún otro cliente ve la tuya. Esa regla vive en la base de datos, no en un documento de políticas. ## Qué pasa cuando entra un ticket Care funciona sobre un ServiceDesk multicliente, en producción desde el 17 de julio de 2026. - Tu correo entra por nuestro dominio de soporte, con comprobaciones DKIM y DMARC y tokens firmados en la respuesta, para que tu contestación se enganche a su ticket y a ningún otro. - Un agente de triaje lo clasifica: tipo de cambio, repositorio, riesgo y horas que debería consumir. Ese paso cuesta unos 0,05 USD por ticket. - Si es candidato a automatizarse, el arreglo se ejecuta como un trabajo de GitHub Actions dentro de tu repositorio, con la CLI de Claude Code y un tope duro de 80 turnos. - El trabajo devuelve un diff y se para. Espera. - Un ingeniero senior revisa ese diff: aprobar, replanificar, ajustar la estimación, redactar tu respuesta o cancelarlo. - Una persona integra y despliega, con typecheck, tests, build y la página real mirada en escritorio y en un móvil de 375 píxeles. El primer arreglo que salió entero por este circuito, en julio de 2026, costó 0,31 USD de modelo: el gasto por arreglo son céntimos. El coste que importa es el tiempo de revisión senior, y ese no baja a cero. ## Auditorías en paralelo y un escéptico para cada hallazgo En construcción abrimos en abanico agentes de auditoría por dimensión: corrección, arquitectura y reutilización, interfaz, accesibilidad, comportamiento responsive, rendimiento y seguridad, incluidas las políticas por fila. Después, cada hallazgo pasa a otro agente cuyo único trabajo es refutarlo: esa segunda pasada es lo que hace utilizable el resultado. - Web de un club de golf, dos rondas antes de integrar: 37 hallazgos en bruto y 4 confirmados, luego 26 y 3. - Web de un hotel, agosto de 2026: 55 agentes en 6 áreas, 48 hallazgos, 48 confirmados, 0 refutados y 16 de ellos fallos vivos. - Nuestra propia plataforma de operaciones: una auditoría de 74 agentes dio 59 hallazgos confirmados. - Una app móvil offline-first necesitó 11 rondas: 42, 28, 9, 15, 11 y 4 hallazgos. Paramos con dos pasadas limpias seguidas y cero bloqueantes. Verificado significa build, typecheck y tests en verde más la interfaz abierta en el navegador, porque las puertas verdes mienten: un proyecto pasó el typecheck durante meses con un tsconfig cuya raíz no incluía ningún fichero. ## Publicación de versiones Las compilaciones para las tiendas salen de ejecuciones de GitHub Actions lanzadas por etiqueta, y las actualizaciones over-the-air se publican desde nuestro propio hub, con canales, porcentaje de despliegue e interruptor de parada. La automatización prepara la versión. Una persona decide que sale. ## Los límites Son restricciones en la base de datos, no instrucciones en un prompt. - Ningún agente responde a un cliente. Cada mensaje que sale lo revisa y lo envía una persona. - Ningún agente despliega. Ninguno tiene credenciales de producción. - Ningún agente ejecuta migraciones destructivas ni toca autenticación, roles o secretos. - Un tope de gasto diario detiene el carril automático cuando se alcanza. Los datos de cliente no se usan para entrenar modelos. Los secretos viven en un almacén cifrado y auditado, nunca en un repositorio ni en un chat. Y te contamos por escrito dónde está la IA en tu proyecto, incluidas las partes en las que no puede actuar. ## Cuánto cuesta Empezamos con un Discovery Sprint a precio cerrado desde 4.900 euros. Las cuotas mensuales de Care parten de 850 euros al mes. Lo que compra esta maquinaria es revisión senior con un presupuesto contenido, no un equipo júnior con un chatbot. FAQ ## Preguntas, respondidas ¿Revisa una persona el código que escriben los agentes de IA? Sí, todos los cambios. El agente devuelve un diff y se para; un ingeniero senior lo aprueba, pide que replanifique o lo cancela, y una persona integra y despliega con typecheck, tests, build y la página real mirada en escritorio y móvil. Ningún agente tiene credenciales de producción, así que no podría desplegar aunque quisiera. Ese límite es una restricción en la base de datos, no una línea de un prompt. ¿Se usan nuestros datos o nuestro código para entrenar modelos de IA? No. Los datos de cliente no se usan para entrenar modelos. Tu base de conocimiento está acotada a tu entidad y a tus proyectos, separada de la de otros clientes y de la nuestra interna, y esa separación se aplica en la base de datos, no en un documento de políticas. Los secretos y las credenciales viven en un almacén cifrado y auditado, nunca en un repositorio, una hoja de cálculo o un chat. ¿Cómo sé dónde se usa IA en mi proyecto? Te lo contamos por escrito, al empezar y cada vez que cambie. Incluye qué pasos toca un agente (triaje, propuesta de arreglo, pasada de auditoría), qué pasos hace solo una persona (respuestas al cliente, integraciones, despliegues) y dónde dejamos la IA fuera a propósito. Si tu proyecto lleva una función de IA de cara a tus clientes, esa transparencia se aplica también con ellos. ¿Usar IA abarata el trabajo? Cambia lo que pagas. El gasto de modelo por arreglo de mantenimiento son céntimos: el triaje cuesta unos 0,05 USD por ticket y el primer arreglo que salió entero por nuestro circuito costó 0,31 USD. El coste real es el tiempo de revisión senior, y ese no baja a cero. Lo que quita la IA es el borrador, y por eso una cuota mensual de Care desde 850 euros al mes puede llevarlo gente senior y no un equipo júnior. ¿Qué son los agentes de auditoría en paralelo y encuentran algo de verdad? Son agentes que revisan un cambio a la vez desde ángulos distintos: corrección, arquitectura, interfaz, accesibilidad, comportamiento responsive, rendimiento y seguridad. La salida en bruto tiene muchos falsos positivos, así que otro agente intenta refutar cada hallazgo. Casos reales: la web de un club de golf dio 37 hallazgos en bruto y 4 confirmados; la de un hotel, en agosto de 2026, dio 48 hallazgos, los 48 confirmados y 16 de ellos fallos vivos. ¿Qué pasa si el agente propone un arreglo equivocado? No te llega nada. El diff se queda en nuestra consola hasta que una persona lo aprueba, así que una propuesta equivocada se rechaza o vuelve para replanificar, y cuesta tiempo de revisión en lugar de una incidencia. Cuando un arreglo vuelve mal, casi siempre falta un dato en la base de conocimiento: lo añadimos y el siguiente ticket de ese código empieza mejor informado. INITIATE ## Arranca el motor Cuéntanos qué estás construyendo en unas pocas preguntas cortas. Un ingeniero senior responde por escrito en 48 horas laborables con una primera lectura de alcance, plazos y precio. [Empieza tu proyecto](https://polargate.ai/es/start) · [Habla con nosotros](https://polargate.ai/es/start#static-brief-heading)