Lo que aprender al certificarnos en Claude nos enseñó sobre IA real en producción

Una confesión rara para una empresa que construye sobre modelos de pesos abiertos por defecto: acabamos de certificarnos en el stack de IA más premium del sector.

Claude Certified Architect – Foundations es la credencial de Anthropic para arquitectos de soluciones — cubre el diseño de sistemas en producción con la API de Claude, arquitecturas de agentes, el Model Context Protocol (MCP), tool calling y el Claude Agent SDK. Nuestro responsable técnico presentó el examen este mes y lo aprobó. Este post no va del badge. Va de lo que prepararlo confirmó, cuestionó y afiló en cómo construimos sistemas de IA para empresas operativas — y por qué una certificación en modelos de frontera refuerza nuestra posición de stack abierto por defecto, no la debilita.

Por qué un estudio de stack abierto se certifica en un stack de modelos de frontera

Los clientes nos hacen una pregunta justa: “Si los modelos abiertos son tan capaces, ¿por qué dedicáis tanto tiempo a los caros?”

Porque esa es la única forma honesta de gestionar un stack híbrido. Cuando enrutamos las comunicaciones con huéspedes de un hotel a un modelo de frontera y el triaje de facturas a un modelo abierto a una fracción del coste, ambas decisiones necesitan la misma profundidad detrás. Desaconsejar un modelo premium con credibilidad exige saber exactamente a qué renuncias — y reconocer los flujos donde te equivocarías al omitirlo. La profundidad a nivel de proveedor en el stack de modelos de frontera convierte “usa el modelo más barato aquí” de una suposición en una decisión de ingeniería defendible.

Cinco lecciones que se aplican a cualquier operador

1. La fiabilidad del agente es un problema de arquitectura, no de prompting

El material de certificación dedica mucho más tiempo al diseño de herramientas, la gestión de contexto y el manejo de fallos que al redactar prompts — y eso coincide con todo lo que vemos en la práctica. Un agente que hace trabajo real de forma fiable llega con herramientas bien diseñadas y contratos estrechos, decisiones deliberadas sobre qué entra en su contexto, checkpoints donde un humano aprueba acciones con consecuencias, y comportamiento definido para los casos de fallo. Si tu iniciativa de IA está atascada en “la demo fue genial, producción es inestable”, la solución casi nunca es un prompt mejor. Es arquitectura.

2. El coste es una variable de diseño, no una factura que descubres después

La economía de la IA en producción se decide al diseñar: qué modelo gestiona qué flujo, qué se cachea, qué se procesa en batch, dónde un modelo pequeño hace la primera pasada y uno más fuerte solo revisa los casos difíciles. Tratar la factura del modelo como una sorpresa post-lanzamiento es cómo mueren los pilotos en revisión financiera. Ponemos el coste por flujo en la pizarra junto a la precisión — el énfasis de la certificación en uso eficiente de la API (caché, batching, disciplina de contexto) es la misma disciplina, directamente del proveedor.

3. MCP es silenciosamente lo más importante del stack

El Model Context Protocol da a los agentes una forma estándar de llegar a herramientas y datos — suena a fontanería hasta que entiendes qué compra un operador: la capacidad de cambiar de opinión. Cuando tu PMS, ERP o sistema de reservas se conecta por interfaces estándar, puedes cambiar el modelo detrás de tus agentes sin reescribir la operación. Eso es control del proveedor, entregado como patrón de integración. Por eso diseñamos cada encargo de Capa Operativa MCP-first: las herramientas sobreviven al modelo que sea mejor este trimestre.

4. Las evaluaciones van antes de escalar, no después de los incidentes

No sabes que un agente funciona porque pasó tu demo. Lo sabes porque lo mediste contra criterios definidos en casos representativos — antes de escalar, y de forma continua después. Construye el conjunto de evaluación pronto, guarda las trazas, vigila el drift. Es poco glamoroso, y es la diferencia entre un agente que puedes defender ante tu dirección y uno que apagas en silencio tras la primera mala semana.

5. Las certificaciones no construyen sistemas — pero un vocabulario compartido los acelera

Un examen no te convierte en mejor ingeniero de la noche a la mañana. Lo que hace es verificar profundidad contra la barra del propio proveedor y dar a todos — nosotros, tu equipo, los propios ingenieros de la plataforma — un vocabulario compartido para conversaciones de arquitectura. Menos errores de traducción, revisiones más rápidas, menos sorpresas en producción. Eso vale las horas de estudio. Es la misma razón por la que tenemos la certificación architect-professional de Oracle para el trabajo cloud: fluidez en el idioma de la plataforma, en tu interés y no en el de la plataforma.

Qué significa si estás evaluando IA para tu operación

Nada de esta certificación cambia nuestros defaults. Los modelos abiertos (familias GLM, Llama y Mistral, entre otras) siguen llevando el trabajo de volumen — triaje, clasificación, extracción, borradores — a costes unitarios que hacen viable la automatización en toda la operación, en la región que elijas. Los modelos de frontera siguen teniendo que ganarse su sitio, llamada a llamada, donde el matiz o el razonamiento en varios pasos realmente compensa. Lo que añade la certificación es evidencia de que, cuando tomamos esa decisión, la tomamos con profundidad en ambos lados de la línea.

Esa es toda la filosofía de la Capa Operativa de IA: lo bastante capaz para trabajo real, lo bastante barata para ejecutarse en todas partes, estructurada para que mantengas el control — de tus datos, tus costes y tus proveedores.

Si quieres saber cómo se ve eso en tu operación — qué flujos moverían primero, cuánto costarían de ejecutar y dónde debe seguir un humano en el bucle — el trabajo actual empieza por un presupuesto Web & eCommerce o US → EMEA.