Volver a Investigación de mercado
AGENTS.inc, operada por AGENTS HQ GmbH, con sede en Berlín, ofrece agentes de software para buscar empresas, investigar mercados, producir contenido promocional y cualificar oportunidades comerciales. Su plataforma AGENTS HQ coordina agentes especializados, los conecta con aplicaciones empresariales e información externa y genera informes, diseños editables o interacciones con clientes. Su aplicación a la supply chain se centra principalmente en la búsqueda y el seguimiento de proveedores. (1, 2, 9, 18)
Puntuación global en supply chain: 3,2/10
| Dimensión | Puntuación |
|---|---|
| Profundidad en supply chain | 2,8/10 |
| Sustancia de las decisiones y la optimización | 2,6/10 |
| Integridad del producto y la arquitectura | 4,2/10 |
| Transparencia técnica | 3,2/10 |
| Seriedad del proveedor | 3,0/10 |
AGENTS.inc automatiza la recopilación de información y la producción de documentos; algunos flujos también actualizan sistemas empresariales. Una prueba de búsqueda de proveedores realizada en septiembre de 2026 aporta evidencia concreta de una reducción del tiempo de investigación. El producto descrito públicamente no calcula políticas de inventario, cantidades de reposición ni decisiones de producción bajo incertidumbre. Su baja puntuación en supply chain refleja ese alcance operativo limitado, además de las debilidades de sus afirmaciones técnicas y económicas.
La debilidad más importante es la distancia entre la autonomía prometida y la verificación exigida. La página sobre exactitud afirma que los informes ejecutivos publicados no contienen alucinaciones y que las respuestas de un despliegue en seguros son perfectamente exactas. Las condiciones reconocen la posibilidad de errores factuales y atribuyen al cliente la responsabilidad de comprobar cada resultado antes de publicarlo o utilizarlo públicamente. Esa obligación de revisión continua debe incluirse en el cálculo del trabajo que sustenta la promesa de una plantilla autónoma. (3, 6)
El proveedor describe la coordinación, la selección de modelos, la validación, el uso de contenedores y las opciones de despliegue. También incluye la integración, los reajustes y el mantenimiento en la tarifa base. Las debilidades están en las garantías anunciadas: citar fuentes no garantiza un razonamiento correcto y cambiar de modelo puede alterar el comportamiento de la aplicación. La ejecución paralela reduce el tiempo transcurrido, pero añade costes de cómputo y validación que la explicación pública de la escalabilidad no cuantifica. (2, 5, 8)
AGENTS.inc frente a Lokad
AGENTS.inc ayuda a los equipos de compras a encontrar posibles proveedores y recopilar información sobre ellos. Su Company Agent recibe criterios y devuelve listas estructuradas de empresas. Los compradores comparan después los candidatos y seleccionan proveedores. Esto puede acortar una etapa preliminar costosa, especialmente cuando el equipo de compras explora mercados desconocidos. (9)
Lokad aborda las decisiones económicas posteriores: cantidades, fechas, reparto de las compras entre proveedores, ubicación del inventario y otras acciones cuyo valor depende de una demanda y un suministro inciertos. La información sobre proveedores puede orientar esas decisiones, pero no resolverlas. Un fabricante puede encontrar otro proveedor certificado y aun así tener que decidir si un precio inferior compensa un tiempo de entrega más largo y menos fiable.
La distinción es sustancial. Un agente puede reproducir correctamente la certificación anunciada por un proveedor y pasar por alto una cualificación importante para el producto del cliente. Puede identificar correctamente un plazo de entrega nominal sin estimar la distribución de los plazos reales. Puede elaborar una lista convincente sin determinar qué reparto de las compras produce el mejor resultado económico esperado. La descripción pública del aprovisionamiento de AGENTS.inc termina en la lista de candidatos y la selección del comprador.
Por tanto, la comparación operativa trata de actividades complementarias, no de motores de planificación equivalentes. El servicio de AGENTS.inc basado en tareas puede sustituir pasos de investigación y producción en torno a una decisión. El enfoque de diseño de Lokad, desarrollado en Introducción a la supply chain, busca mantener la lógica económica que genera decisiones de forma recurrente. Ambos enfoques requieren integración y trabajo especializado; la medida pertinente es el trabajo y el coste recurrentes totales asociados al resultado realmente entregado.
Búsqueda de proveedores: la evidencia más sólida en supply chain
La prueba de búsqueda de proveedores de Machu Picchu Foods publicada por EU-LAC el 24 de septiembre de 2026 comunica 3.136 empresas examinadas y 81 proveedores pertinentes en 16 búsquedas. El tiempo de búsqueda pasó de una referencia de aproximadamente ocho horas a un máximo de una hora, a menudo entre quince y veinte minutos. Los compradores siguieron seleccionando a los proveedores. (9)
Los objetivos predefinidos incluían veinte consultas, una reducción superior al 80 % del tiempo de investigación activa, una relevancia superior a 4/5 y listas aprovechables en más del 85 % de los casos. Los resultados abarcan, en cambio, dieciséis búsquedas, cada una con al menos un proveedor pertinente. No se informa de la relevancia media final ni del cumplimiento del objetivo de tres a cinco candidatos sólidos por lista aprovechable.
La evidencia respalda una búsqueda de proveedores más rápida en una prueba acotada. No demuestra menores precios de compra, mayor fiabilidad de entrega, una cualificación satisfactoria de proveedores ni un menor coste total de aprovisionamiento. La ampliación del despliegue y su integración en las compras diarias se describen como próximos pasos. Importa distinguir el tiempo transcurrido en la búsqueda, el tiempo de trabajo activo del comprador y el esfuerzo total de cualificación: una lista obtenida rápidamente todavía puede exigir una investigación comercial y técnica considerable.
El caso también ilustra por qué la profundidad de búsqueda no es un objetivo económico. Examinar más empresas aumenta la cobertura potencial, pero puede añadir candidatos duplicados, coincidencias débiles y trabajo de revisión. La regla adecuada para detener la búsqueda depende del valor esperado de otra opción creíble frente al coste de encontrarla y cualificarla. AGENTS.inc ofrece opciones de profundidad de búsqueda; no publica una regla de decisión que sopese esos costes.
Qué ejecutan los agentes
La plataforma describe tres capas: agentes especializados, un núcleo de coordinación para dirigir el trabajo y gestionar reintentos, y una capa de validación. Los agentes pueden pasar la investigación a un agente de informes y después a la generación de presentaciones sin que una persona tenga que enlazar cada paso. La elección del modelo se realiza dentro de cada agente, con opciones de modelos comerciales y locales. (2)
Algunos resultados van más allá de los resúmenes. La página de integraciones describe la lectura de registros promocionales de SAP PMR, la escritura de oportunidades cualificadas e historiales de conversación en Salesforce, la reserva de reuniones mediante Office 365 y la generación de archivos InDesign editables. Son acciones identificables en aplicaciones. No demuestran una optimización económica del inventario, pero sí que la automatización del producto es más amplia que un buscador conversacional. (7)
El flujo promocional es especialmente concreto. Un agente genera textos y diseños a partir de datos de productos; una comprobación independiente compara los precios impresos con sus registros de origen. El proveedor comunica una producción un 80 % más rápida en un despliegue nacional de comercio minorista. La página del caso no identifica al cliente ni revela el periodo de medición, la base del porcentaje o el trabajo de diseño restante. El resultado es un documento editable; el margen incremental de una campaña es un resultado distinto. (10)
La inteligencia de mercado y la búsqueda de innovación siguen un patrón recurrente: definir criterios, identificar empresas, vigilar información, evaluar la adecuación y generar un informe o una presentación. Esto puede eliminar tareas repetitivas de recopilación y formato. También deja en manos del cliente la elección de criterios, la interpretación de evidencias incompletas y la decisión económica. Diez informes de mercado en paralelo no son diez previsiones de demanda validadas. (12, 13)
Citar fuentes no demuestra que el resultado sea correcto
La explicación de AGENTS.inc sobre la exactitud contiene un mecanismo sólido y acotado: comprobar un precio generado frente al registro SAP correspondiente. Con un identificador de producto, moneda, fecha, tratamiento fiscal y alcance promocional definidos, una comparación determinista puede rechazar una cifra que no coincide.
La misma explicación se extiende después a todas las afirmaciones factuales de informes abiertos. Describe validación independiente, trazabilidad de las fuentes, escalado y ausencia de alucinaciones en los informes ejecutivos publicados. La información pública no aporta un conjunto de evaluación, una taxonomía de errores, un tamaño de muestra, una tasa de rechazo ni un método para determinar si una fuente respalda realmente la afirmación generada. (3)
Estas omisiones afectan al mecanismo, no solo a la presentación de la documentación. Una fuente real puede estar desactualizada, referirse a otra entidad jurídica, contener una afirmación no sustentada de un proveedor o describir un objetivo en lugar de un resultado alcanzado. Una frase puede citar esa fuente y seguir siendo falsa. Un modelo separado que revise una afirmación puede compartir los errores del primero; la independencia de ejecución no demuestra independencia de fallos.
Tampoco rechazar afirmaciones sin respaldo garantiza la exhaustividad. Un agente que omita las evidencias difíciles puede producir un informe aparentemente impecable y, aun así, incumplir su propósito. La evaluación debe incluir lo que el sistema pasó por alto, los casos remitidos a personas y el trabajo descartado por la validación. Comunicar tasas de error únicamente sobre los resultados aceptados puede ocultar esos costes.
Las condiciones ofrecen una descripción más prudente. La sección 5 dice que la capa de validación reduce las alucinaciones, reconoce errores factuales y de formato y exige que los clientes comprueben los hechos y aprueben todos los resultados antes de publicarlos o utilizarlos de cara al público. Esto contradice directamente la afirmación más contundente de que la arquitectura hace segura la publicación de resultados autónomos. El beneficio atribuido a la verificación debe medirse después de contabilizar la revisión que aún corresponde al cliente. (6)
Alcance del cliente y promesa de exactitud perfecta
El caso de seguros identifica a Fink & Wagner AXA y Salesurance como cliente. Junto a esa identificación, muestra la escala de todo el grupo AXA, con 94 millones de clientes en cincuenta países, y describe la atención diaria a miles de posibles clientes. Un despliegue en una agencia no debe atribuirse la escala de todo el grupo asegurador sin evidencia de un despliegue más amplio. (11)
La misma página afirma una exactitud de respuesta del 100 % y la ausencia de riesgo de información incorrecta. No revela las conversaciones evaluadas, cómo se juzgó la corrección, qué preguntas se rechazaron o si ese porcentaje abarca el tráfico real de producción. Un conjunto de respuestas muy restringido puede comprobarse con mucho más rigor que un asesoramiento de seguros sin restricciones; la página no define esa frontera.
La prueba adecuada sería una muestra representativa de conversaciones revisada de forma independiente, que incluya preguntas difíciles, escalados y cambios en las preguntas de los clientes.
Historia tecnológica y cumplimiento de las promesas
El enfoque en agentes es anterior a la actual ola de LLM. Esa historia establece una continuidad en la ambición del producto, pero también obliga a distinguir la automatización anterior de búsqueda de información de las promesas actuales de una plantilla autónoma.
| Periodo | Registro público | Evaluación |
|---|---|---|
| 2013–2016: software de colaboración | El relato de Sebastian Denef de 2018 describe un producto de colaboración visual, dificultades de comercialización y un giro hacia los agentes durante el programa SAP/Capgemini de 2016. | Es el relato de un fundador sobre un cambio de orientación del producto, no una prueba de que las capacidades actuales de los agentes ya existieran entonces. |
| 2017–2018: marco de agentes | El mismo relato informa de un marco en funcionamiento, una inversión de Innogy y prototipos de hackatón para trabajo científico, reuniones y análisis de ICO. | Actividad de desarrollo concreta. Las demostraciones de prototipos no acreditan una automatización duradera en producción. |
| 2019: asistentes de investigación | Una entrevista publicada por el parque tecnológico donde se ubicaba la empresa describe agentes de noticias, ciencia, empresas y propiedad intelectual, con un tablero visual compartido. | El flujo básico de investigación sigue siendo reconocible en el producto actual. La afirmación de sustituir semanas de investigación por minutos carecía de una evaluación controlada. |
| Lanzamiento de la plataforma en torno a 2021 | El caso de cliente de Scaleway describe una migración desde AWS, agentes en contenedores y un mercado previsto donde los agentes buscarían contratos. | Trabajo de infraestructura atribuible y una ambición de plataforma más amplia. La oferta actual se centra en agentes construidos y mantenidos por el proveedor; no se explica la materialización del mercado propuesto. |
| 2024: trabajo de infraestructura | El currículo público de un ingeniero atribuye a AGENTS.inc trabajos de migración a Kubernetes, ArgoCD y Terraform. | Evidencia de ingeniería concreta más allá de sucesivas etiquetas comerciales. |
| 2026: flujos gestionados y prueba de aprovisionamiento | Las páginas actuales destacan la automatización gestionada de marketing y ventas; EU-LAC documenta una prueba de concepto de búsqueda para compras. | Puede evaluarse un resultado de aprovisionamiento más acotado. Las promesas universales de fiabilidad siguen sin contar con detalles de evaluación comparables. |
Las referencias a agentes de IA anteriores a 2023 no deben interpretarse como evidencia de un razonamiento general maduro. Buscar en bases de datos, clasificar material o reunir resúmenes puede hacerse con métodos más limitados. El registro técnico de 2019 incluye trabajo con Python y scikit-learn, coherente con ese alcance más restringido. Lo importante es qué se automatizó y validó en aquel momento, no cuánto se parece su etiqueta a la de un agente LLM actual.
La afirmación actual de que cambiar el modelo que utiliza un agente no modifica nada más en el flujo de procesamiento es excesiva. Una interfaz puede permanecer estable mientras cambian la exactitud de extracción, el comportamiento de rechazo, la elección de herramientas, la latencia y el coste. Sustituir modelos exige pruebas de regresión con las tareas reales de la aplicación. AGENTS.inc no publica ese proceso de pruebas ni sus resultados. (2)
Inventario de componentes de software
Las páginas públicas actuales explican las opciones de despliegue y modelos. La documentación de infraestructura anterior y el testimonio de un ingeniero aportan componentes más concretos.
| Capa | Componentes atribuibles y fecha | Consecuencia operativa |
|---|---|---|
| Implementación de los agentes de investigación | Python y scikit-learn en el relato de un ingeniero sobre trabajos realizados entre junio y diciembre de 2019. | Los agentes anteriores incluían componentes convencionales de preparación de datos y aprendizaje automático. |
| Plataforma histórica de datos | El diagrama de arquitectura de Scaleway correspondiente al lanzamiento muestra Kafka, PostgreSQL, almacenamiento de objetos, Elasticsearch y MongoDB, con servicios de aplicaciones y agentes distribuidos entre dos zonas de París. | Varios sistemas de datos persistentes requieren sincronización, copias de seguridad, control de acceso y cambios coordinados. |
| Automatización del despliegue | Kubernetes, ArgoCD y Terraform atribuidos a trabajos de julio a noviembre de 2024; la documentación de seguridad actual confirma Kubernetes de forma independiente. | La orquestación y la gestión de infraestructura son responsabilidades de software que deben mantenerse. |
| Ejecución de modelos | La documentación actual de la plataforma identifica Gemini, Claude, GPT, Mistral y opciones locales de pesos abiertos. | El comportamiento, las rutas de los datos, la disponibilidad y el coste de inferencia dependen en parte de servicios de modelos externos o de alternativas alojadas por el cliente. |
| Conexiones con sistemas empresariales | Interfaces con SAP PMR, Salesforce, Office 365, InDesign y WhatsApp. | El servicio debe mantener el significado de los registros de productos, los permisos, los formatos documentales y las acciones de los flujos a medida que esos sistemas cambian. |
El diagrama de la época del lanzamiento muestra una infraestructura considerable detrás de los agentes. Sus múltiples almacenes de datos requieren comprobaciones de consistencia, procedimientos de recuperación y actualizaciones coordinadas. AGENTS.inc no publica qué componentes siguen presentes, sus responsabilidades actuales ni el coste operativo por tarea completada y comprobada.
La página de despliegue afirma que diez análisis sectoriales no tardan más que uno, y ocho mercados no más que uno. La ejecución paralela puede reducir el tiempo transcurrido cuando hay recursos suficientes. No elimina el trabajo adicional de inferencia, búsqueda, almacenamiento, validación y coordinación. El rendimiento debe comunicarse junto con la carga de trabajo y el coste de recursos; el tiempo transcurrido por sí solo es una afirmación incompleta de escalabilidad. (8)
La seguridad exige más que la ubicación de los datos
La página de seguridad describe espacios de trabajo dedicados, despliegue en contenedores, opciones alojadas por el cliente y restricciones contractuales sobre la retención por parte de los proveedores de modelos. Estas medidas abordan parte del problema del tratamiento de datos. No explica si el aislamiento entre clientes se impone mediante clústeres, espacios de nombres, identidades de servicio o bases de datos separados, o mediante reglas de aplicación. (4)
La residencia de los datos también se describe de manera imprecisa. La página de seguridad menciona a Scaleway en Francia y a STACKIT mientras promete un procesamiento estrictamente alemán para los despliegues europeos correspondientes. Por separado, la política de privacidad enumera subencargados de nube y modelos, incluido Azure en la UE o Estados Unidos. El cliente necesita conocer la ruta real de sus registros, prompts, logs y solicitudes a modelos; la nacionalidad de un proveedor no permite establecerla. (4, 19)
La superficie de ataque de la aplicación va más allá del alojamiento. Los agentes recuperan material externo y pueden interactuar con correo, calendarios y registros CRM. Una fuente hostil puede contener instrucciones destinadas a desviar a un agente. La documentación pública no explica cómo se separa el texto externo no confiable de las instrucciones ejecutables, cómo se mantienen las credenciales fuera del contenido visible para el modelo o cómo se limitan los permisos de actuación por tarea.
Comprobar afirmaciones factuales después de generarlas no resuelve esos problemas de autorización. Un agente puede citar correctamente un documento y, a la vez, enviarlo a un destinatario no autorizado. El uso de contenedores puede restringir un proceso, pero su eficacia depende de los permisos de red, los secretos montados, los privilegios de ejecución y el alcance de las credenciales empresariales. Esas fronteras necesitan una descripción técnica antes de considerar acreditada la seguridad del acceso desatendido.
Mantenimiento de la configuración, productividad y responsabilidad
AGENTS.inc incluye explícitamente el trabajo continuado en sus precios. La tarifa base comprende la incorporación, la integración, la configuración de reglas de validación, la supervisión, el mantenimiento y los reajustes cuando cambian los datos de origen o los casos de uso. Después se aplica un cargo por uso al trabajo de los agentes. Es una propuesta operativa más completa que una licencia que transfiere silenciosamente todo el mantenimiento de la configuración al comprador. Las tarifas concretas y la definición de tarea facturable se determinan al acordar el alcance. (5)
Las condiciones se refieren a Agent Tokens como unidad de consumo. Por tanto, el coste práctico depende de cómo se traduzca una tarea empresarial en búsquedas, llamadas a modelos, reintentos, validación y escalados. Una descripción comercial por tarea no garantiza por sí sola un coste predecible por entregable aceptado. Los compradores necesitan conocer los límites de la tarea, el tratamiento de los reintentos y los criterios de aceptación de calidad para calcularlo. (6)
El cliente sigue aportando los objetivos, la semántica de los sistemas de origen, las reglas de marca o cualificación y el criterio experto. Son supuestos empresariales ejecutables, aunque estén escritos como instrucciones o configuración en lugar de código. Un nuevo certificado de proveedor, una regla promocional modificada o un producto de seguros alterado pueden exigir ajustes y nuevas pruebas. Los reajustes incluidos atribuyen parte de la responsabilidad al proveedor, pero la documentación pública no muestra el control de versiones, la reversión, la cobertura de pruebas ni cómo se validan las reglas modificadas antes de operar de forma autónoma.
La prueba de Machu Picchu mide una parte definida de este trabajo y comunica un ahorro de tiempo. Esto es más informativo que contar agentes o informes. Un cálculo completo de productividad también incluiría la cualificación de proveedores propuestos, búsquedas descartadas, revisiones expertas, ajustes del proveedor y cualquier trabajo trasladado a otro departamento. La prueba de concepto debería ampliarse sobre esa base antes de interpretar su aceleración como un resultado para todo el departamento.
La responsabilidad sigue siendo asimétrica. La página de precios afirma que la tarifa base transfiere el riesgo operativo al proveedor. Las condiciones atribuyen al cliente la responsabilidad final de revisar los resultados y excluyen los daños derivados de resultados sin verificar; otros acuerdos empresariales pueden ofrecer compromisos de servicio adicionales. La promesa pública y la obligación estándar describen grados distintos de autonomía. (5, 6)
Para la búsqueda de proveedores, una prueba económica útil seguiría a los candidatos cualificados hasta los resultados reales de aprovisionamiento: cualificación satisfactoria, condiciones de compra, fiabilidad de entrega y valor de las alternativas que pasan a estar disponibles. En la producción de campañas, incluiría el trabajo de corrección y aprobación junto con el tiempo de producción. La evidencia actual de AGENTS.inc es más sólida al demostrar una ejecución más rápida de tareas de procesamiento de información, y mucho más débil respecto a la calidad económica de las decisiones empresariales resultantes.
Puntuación en supply chain
Profundidad en supply chain
| Criterio | Puntuación |
|---|---|
| Enfoque económico | 3/10 |
| Resultado operativo de las decisiones | 2/10 |
| Claridad conceptual sobre la supply chain | 3/10 |
| Independencia de doctrinas obsoletas | 4/10 |
| Resistencia al teatro de los indicadores | 2/10 |
Media: 2,8/10
Enfoque económico — 3/10. Se presta atención al tiempo de investigación y al coste del servicio, y la búsqueda de proveedores puede aportar valor comercial. El método de aprovisionamiento no conecta sus recomendaciones con márgenes, capital circulante, cantidades de compra ni pérdidas esperadas por interrupciones. Una búsqueda más barata contribuye al desempeño de compras, pero no constituye un resultado económico completo. (5, 9)
Resultado operativo de las decisiones — 2/10. El flujo de supply chain devuelve candidatos para que los evalúe un comprador. Las escrituras en CRM y los archivos de campañas son resultados concretos de otras partes del producto, pero la oferta pública no genera repartos de compras, pedidos de reposición ni decisiones de producción. (7, 9)
Claridad conceptual sobre la supply chain — 3/10. Los criterios de proveedores incluyen adecuación técnica, certificación y geografía. El método no explica cómo afectan a la selección la fiabilidad del proveedor, las necesidades futuras inciertas o las dependencias entre fuentes. La descripción publicada de un proveedor no puede sustituir ese análisis. (9)
Independencia de doctrinas obsoletas — 4/10. La oferta evita reuniones de consenso de previsiones y clasificaciones de inventario porque opera antes de esos procesos. Su limitación es seguir considerando la lista de candidatos y la selección humana como punto final. La ausencia de rituales tradicionales de planificación no ha producido un método alternativo de planificación económica. (9)
Resistencia al teatro de los indicadores — 2/10. La prueba de búsqueda de proveedores comunica magnitudes útiles y una referencia inicial. En otros ámbitos se presentan cero alucinaciones, exactitud perfecta de las respuestas y descripciones de clientes a escala de grupo sin las definiciones necesarias para evaluarlas. La prueba acotada no puede validar esas afirmaciones más amplias. (3, 11)
Sustancia de las decisiones y la optimización
| Criterio | Puntuación |
|---|---|
| Profundidad de la modelización probabilística | 1/10 |
| Sustancia distintiva de optimización o aprendizaje automático | 3/10 |
| Tratamiento de restricciones reales | 2/10 |
| Automatización de decisiones y productividad laboral | 5/10 |
| Resiliencia ante la complejidad operativa real | 2/10 |
Media: 2,6/10
Profundidad de la modelización probabilística — 1/10. No se documenta ninguna distribución de demanda o tiempos de entrega, modelo de dependencias ni cálculo estocástico de decisiones económicas. El comportamiento probabilístico de un LLM, reconocido en las condiciones, es distinto de modelizar la incertidumbre de los futuros eventos de la supply chain. (6)
Sustancia distintiva de optimización o aprendizaje automático — 3/10. El sistema combina flujos especializados, modelos externos, recuperación de información y validación. La evidencia histórica identifica trabajo convencional de aprendizaje automático. Ninguna prueba comparativa reproducible ni método publicado establece una capacidad distintiva de optimización más allá de esta orquestación e ingeniería de aplicaciones. (2, 14)
Tratamiento de restricciones reales — 2/10. Los criterios de búsqueda pueden codificar características de proveedores, y las comprobaciones de fuentes pueden imponer reglas de publicación específicas. No demuestran un tratamiento conjunto de capacidad de aprovisionamiento, condiciones comerciales, disponibilidad de inventario o incertidumbre de entrega. El producto aborda la cualificación de información, no planes de supply chain factibles. (9, 3)
Automatización de decisiones y productividad laboral — 5/10. La prueba de aprovisionamiento documenta menos tiempo de investigación, y otros flujos producen archivos o actualizan aplicaciones conectadas. La revisión restante del cliente y los ajustes del proveedor impiden interpretar esas mejoras por tarea como una toma de decisiones autónoma integral. (7, 9)
Resiliencia ante la complejidad operativa real — 2/10. El encaminamiento, los reintentos y el escalado atienden a la ejecución del flujo. La evidencia pública no cuantifica el comportamiento cuando las fuentes envejecen, cambian los modelos externos, falla la validación o se acumulan las colas de revisión humana. Aumentar el número de agentes no resuelve esas formas de fallo. (2, 3)
Integridad del producto y la arquitectura
| Criterio | Puntuación |
|---|---|
| Coherencia arquitectónica | 5/10 |
| Claridad de los límites del sistema | 5/10 |
| Seriedad del enfoque de seguridad | 3/10 |
| Austeridad del software y coste de propiedad | 3/10 |
| Compatibilidad con operaciones programáticas y asistidas por agentes | 5/10 |
Media: 4,2/10
Coherencia arquitectónica — 5/10. Los agentes especializados, la coordinación, la validación y las interfaces específicas por tarea forman una estructura de aplicación comprensible. Afirmar que los modelos pueden cambiar sin afectar al resto del flujo ignora las dependencias de comportamiento. La división en capas necesita evidencia de regresión, no solo un diagrama. (2)
Claridad de los límites del sistema — 5/10. La página de integraciones distingue lecturas de fuentes, escrituras en CRM, acciones de calendario y exportaciones documentales. El flujo de aprovisionamiento también termina claramente en la elección de un comprador. El alcance de las credenciales y la frontera técnica entre generación, validación y publicación quedan menos explícitos. (7, 9)
Seriedad del enfoque de seguridad — 3/10. Las opciones de despliegue y los compromisos de retención abordan preocupaciones pertinentes. La información pública no establece cómo se impone el aislamiento entre clientes, cómo se controlan los accesos privilegiados, cómo se contiene la inyección de prompts o cómo se limita la autorización por tarea. Estas omisiones son importantes para agentes que leen contenido externo y actúan mediante cuentas empresariales. (4, 19)
Austeridad del software y coste de propiedad — 3/10. La arquitectura histórica contiene varios sistemas de datos persistentes, y las operaciones actuales añaden orquestación y dependencias de proveedores de modelos. Incluir el mantenimiento en una tarifa base aclara quién realiza parte del trabajo; no demuestra que el conjunto de la infraestructura de software sea económico de mantener. (15, 5)
Compatibilidad con operaciones programáticas y asistidas por agentes — 5/10. Los traspasos entre agentes, las API y las escrituras en sistemas empresariales pueden eliminar transferencias manuales. La documentación pública no expone suficientes detalles de interfaces o autorización para inspeccionar de forma independiente un flujo completo o sustituir un componente con seguridad. (2, 7)
Transparencia técnica
| Criterio | Puntuación |
|---|---|
| Documentación técnica pública | 3/10 |
| Posibilidad de inspección sin mediación del proveedor | 2/10 |
| Visibilidad de la portabilidad y la dependencia del proveedor | 4/10 |
| Transparencia del método de implementación | 4/10 |
| Densidad de evidencia tras las afirmaciones técnicas | 3/10 |
Media: 3,2/10
Documentación técnica pública — 3/10. Las páginas actuales describen arquitectura, comprobaciones, integraciones y despliegue. No aportan una referencia detallada de API, un algoritmo de validación, un protocolo de pruebas ni un análisis de fallos operativos. Los registros históricos de alojamiento e ingeniería proporcionan información más concreta sobre los componentes que las páginas actuales del producto. (2, 3, 14, 15)
Posibilidad de inspección sin mediación del proveedor — 2/10. Los compradores no pueden reproducir las afirmaciones de cero errores a partir de un conjunto de datos público o un ejemplo ejecutable. La prueba de búsqueda de proveedores puede examinarse como experimento descrito, pero no se facilitan sus consultas, evaluaciones de relevancia ni resultados completos. Un resultado resumido no es una evaluación repetible de forma independiente. (3, 9)
Visibilidad de la portabilidad y la dependencia del proveedor — 4/10. La salida editable en InDesign y el despliegue alojado por el cliente reducen algunas barreras prácticas. Las condiciones reservan al proveedor la plataforma, la lógica de orquestación y las metodologías subyacentes de los agentes. Ser dueño de un informe no permite volver a generarlo sin esos mecanismos. (6, 7, 8)
Transparencia del método de implementación — 4/10. La empresa describe la definición del alcance, la integración de datos, las pruebas supervisadas y la operación posterior, con reajustes continuos incluidos. El proceso no explica la cobertura de las pruebas de aceptación, el versionado de reglas, la reversión ni cómo se mantiene fiable la configuración del cliente cuando cambian sus sistemas de origen. (1, 5)
Densidad de evidencia tras las afirmaciones técnicas — 3/10. La prueba de aprovisionamiento, el relato del proveedor de nube y el historial profesional del ingeniero establecen actividades identificables. Las afirmaciones más contundentes de fiabilidad y escala cuentan con mucho menos detalle de respaldo. Un segundo agente de validación y las fuentes citadas no demuestran una corrección universal. (3, 9, 14, 15)
Seriedad del proveedor
| Criterio | Puntuación |
|---|---|
| Rigor técnico de la comunicación pública | 2/10 |
| Integridad de la hoja de ruta tecnológica | 4/10 |
| Claridad conceptual | 3/10 |
| Responsabilidad económica | 3/10 |
| Capacidad de diferenciación en un mundo de software agéntico | 3/10 |
Media: 3,0/10
Rigor técnico de la comunicación pública — 2/10. Las afirmaciones sin matices de cero errores, ausencia de información incorrecta y comportamiento inalterado tras sustituir modelos exceden los métodos divulgados. Las condiciones públicas reconocen la posibilidad de errores con más franqueza que las páginas comerciales. (2, 3, 6, 11)
Integridad de la hoja de ruta tecnológica — 4/10. Los asistentes de investigación, la infraestructura de nube y los flujos actuales muestran un desarrollo sostenido. Las antiguas ambiciones de mercado de agentes y las amplias promesas de IA carecen de una explicación clara de su realización. La prueba reciente de aprovisionamiento demuestra el progreso de forma más convincente que la continuidad de la etiqueta de agente. (15, 16, 17, 9)
Claridad conceptual — 3/10. Separar generación y validación y conservar la procedencia de las fuentes son decisiones de diseño sensatas. Tratar la procedencia como prueba de corrección y la producción de informes como inteligencia validada debilita el razonamiento construido sobre ellas. La explicación de la escalabilidad mide el tiempo transcurrido sin el coste de recursos asociado. (3, 8, 12)
Responsabilidad económica — 3/10. La tarifa base asigna al proveedor la integración y los ajustes continuos. La verificación obligatoria del cliente y las amplias limitaciones de responsabilidad sobre los resultados restringen ese compromiso. La evidencia pública no concilia la transferencia prometida del riesgo operativo con el trabajo y la exposición que conserva el cliente. (5, 6)
Capacidad de diferenciación en un mundo de software agéntico — 3/10. Las integraciones empresariales mantenidas, la validación específica por tarea y la configuración del cliente pueden ser valiosas. La orquestación general de modelos, la búsqueda de empresas y la generación de informes se enfrentan a sustitutos cada vez más accesibles. El proveedor no ha demostrado que su capa propietaria genere una ventaja sostenida de calidad o coste frente a esas alternativas. (2, 5, 7)
Fuentes
Las fuentes se revisaron el 4 de noviembre de 2026. Los registros históricos de arquitectura e ingeniería se fechan por separado de las afirmaciones actuales sobre el producto.
[1] Posicionamiento actual y proceso de despliegue
AGENTS.inc: Página principal. Sin fecha. Agentes gestionados de marketing, ventas e inteligencia, afirmaciones sobre clientes y secuencia de implementación.
[2] Arquitectura de la plataforma
AGENTS.inc: Visión general de la plataforma. Sin fecha. Conjunto de agentes, núcleo de coordinación, opciones de modelos y capa de validación.
AGENTS.inc: Exactitud y confianza. Sin fecha. Comprobación de precios SAP, validación independiente, procedencia, escalado y afirmaciones de cero errores.
[4] Límites de seguridad y despliegue
AGENTS.inc: Seguridad y cumplimiento. Sin fecha. Kubernetes, opciones de alojamiento, espacios de trabajo y compromisos de retención.
[5] Precios y responsabilidad de mantenimiento
AGENTS.inc: Precios. Sin fecha. Tarifa base, reajustes continuos, mantenimiento y precios por tarea.
[6] Revisión de resultados y obligaciones comerciales
AGENTS.inc: Condiciones del servicio. Las secciones 5–6 cubren la verificación de resultados y los cargos por consumo; las posteriores tratan la propiedad y la responsabilidad.
[7] Integraciones de aplicaciones
AGENTS.inc: Integraciones. Sin fecha. Lecturas de fuentes, escrituras en CRM, operaciones de calendario y correo y salida documental.
AGENTS.inc: Escalabilidad y despliegue. Sin fecha. Opciones gestionadas y alojadas por el cliente; afirmaciones sobre procesamiento paralelo.
[9] Prueba de aprovisionamiento de Machu Picchu Foods
EU-LAC Digital Accelerator: Machu Picchu Foods y AGENTS.inc. 24 de septiembre de 2026. Objetivos de prueba definidos por el cliente, resultados de búsqueda comunicados y ampliación prevista.
AGENTS.inc: Gestión de campañas. Sin fecha. Incorporación de datos de productos, textos, diseño, comprobación de precios y mejora anunciada del tiempo de producción.
[11] Alcance del despliegue en seguros
AGENTS.inc: Seguros y servicios financieros. Sin fecha. Despliegue en Fink & Wagner AXA/Salesurance, descripción contigua de la escala del grupo y afirmación de exactitud perfecta.
[12] Flujo de investigación de mercado
AGENTS.inc: Inteligencia de mercado. Sin fecha. Cartografía de empresas, seguimiento externo e informes sectoriales estructurados.
[13] Flujo de búsqueda de innovación
AGENTS.inc: Búsqueda de innovación. Sin fecha. Búsqueda de empresas, evaluación de adecuación, seguimiento, contactos y generación de presentaciones.
[14] Trabajo de ingeniería atribuido
Dmitrii Kochetov: Currículo técnico público. Documento sin fecha que describe trabajos para AGENTS.inc en 2019 y entre julio y noviembre de 2024. Python, scikit-learn, Kubernetes, ArgoCD y Terraform se atribuyen a esas funciones.
[15] Arquitectura histórica de nube
Scaleway: Agents.Inc. se prepara para transformar el mercado del conocimiento con IA. Relato sin fecha relativo al lanzamiento de 2021. Migración desde AWS, agentes en contenedores, planes de mercado de agentes y un diagrama arquitectónico que identifica los servicios de datos.
[16] Relato del fundador sobre el producto inicial
Sebastian Denef, OWN intelligence: Esta es nuestra historia. 16 de agosto de 2018. Software de colaboración, giro hacia los agentes, marco inicial, inversión y prototipos.
[17] Asistentes de investigación en 2019
Parque Tecnológico de Berlín Adlershof: Un flujo lleno de ideas. 1 de marzo de 2019. Entrevista con los fundadores que describe agentes de investigación, el tablero compartido y las primeras pruebas.
AGENTS.inc: Aviso legal. AGENTS HQ GmbH, Berlín.
[19] Tratamiento de datos y subencargados
AGENTS.inc: Política de privacidad. Sin fecha. Datos del espacio de trabajo, recopilación de fuentes públicas, API de modelos y subencargados de alojamiento.