Este es el proyecto que amarra el catálogo — el capstone: la piedra de remate que no enseña teoría nueva sino que usa toda la existente en un solo trabajo real, de la decisión al despliegue y de vuelta al comité. Durante diez fases vamos a construir un sistema — el agente de triaje de correos que la Metodología de casos de uso evaluó y aprobó — y cada fase enlazará al curso profundo que corresponda en vez de repetirlo: aquí se aplica.

Y una revelación administrativa con consecuencias técnicas: la empresa del caso — que la Metodología trató genéricamente — tiene nombre y rubro: Finandes, una financiera de crédito de consumo. La elección es deliberada: en una financiera regulada, los datos de clientes son sensibles por ley, los errores visibles tienen costo real y los guardrails de la fase 6 dejan de ser buenas prácticas abstractas para volverse requisitos con motivo. El proyecto gana los dientes que un dominio neutro no da.

La tesis de la fase

Un proyecto integrador no empieza con código: empieza heredando la decisión que lo autorizó y convirtiendo su promesa en criterios verificables. El dossier de la Metodología dijo GO con números y condiciones — piloto de 12 semanas, holdout del 20%, no-go si el desvío no llega al 50% — y esta fase los convierte en la vara de todo lo que sigue: cada fase posterior construye algo que se medirá contra lo que hoy dejamos escrito. El proyecto que no puede fallar con claridad tampoco puede lograr nada con claridad.

El caso heredado, en una página

Lo que la Metodología estableció y este proyecto asume (los detalles viven en sus módulos — baseline, economía, dossier):

Elemento	Valor heredado
El flujo	12.000 correos/mes a soporte de Finandes
Arquetipo	A — automatiza un flujo existente
Baseline medido	$0,88/correo · 7% de error · 5,5 h de ciclo
Categorías del triaje	facturación · soporte · ventas · otro — más dos de derivación obligatoria que el clasificador también asigna: reclamo formal y sospecha de fraude
Lo que hará el agente	Clasificar todo, responder lo repetitivo, derivar lo delicado con resumen
Costo por tarea proyectado	~$0,10/correo (3 capas, con revisión humana al 20%)
ROI proyectado	62% año 1 (con rampa) · 423% año 2 · payback mes 8
La decisión	GO: piloto 12 semanas, $28.000, holdout 20%, no-go si desvío < 50% al mes 3

El matiz que agrega el rubro: en Finandes, “lo delicado” tiene definición regulatoria — reclamos formales (con plazos legales de respuesta), cualquier indicio de fraude, y toda consulta que exija datos personales del cliente. Esa lista es la semilla de la política de gobernanza que la fase 6 formalizará: qué responde solo el agente y qué jamás.

De la promesa a los criterios verificables

“Que el agente funcione bien” no se puede construir ni medir. La disciplina — la de definir el éxito antes de construir — exige convertir la promesa en criterios con umbral, medibles por una máquina o un procedimiento, escritos ahora que nadie tiene incentivos para ablandarlos:

   LA DEFINICIÓN DE ÉXITO — LO QUE FIRMAMOS HOY

  CALIDAD (contra el dataset de evaluación, fase 5)
  · clasificación: ≥92% de acierto global;
    ninguna categoría bajo 85%
  · respuestas: 100% apoyadas en la base de
    conocimiento (groundedness) — cero inventos
  · error crítico (responder solo lo que debía
    derivarse): < 0,5%

  NEGOCIO (contra el holdout, fases 8-10)
  · desvío efectivo ≥ 50% al mes 3 (el no-go
    del dossier); hito: 65% al mes 3;
    régimen del caso: 80% (revisión al 20%)
  · sin caída de satisfacción vs. holdout
  · costo por correo ≤ $0,12 medido

  OPERACIÓN (fase 8)
  · p95 de ciclo < 30 min para lo respondido
  · edad de cola < 1 h en horario hábil

Tres decisiones de diseño escondidas en esa lista, que conviene hacer explícitas:

El error se parte en dos clases. Clasificar mal un correo de ventas como soporte es un error barato (se re-deriva); responder automáticamente algo que debía derivarse — el reclamo formal tratado como consulta de cuota — es el error crítico, con su propio umbral draconiano. La tolerancia al error del scorecard no era un promedio: era esta distinción.
Groundedness sin excepciones. En una financiera, la respuesta inventada sobre condiciones de crédito no es una alucinación simpática: es un problema legal. El 100% no es aspiracional — es la razón por la que toda respuesta llevará cita a la base de conocimiento (fase 3) y validación automática (fases 5-6).
Los criterios de negocio se miden contra el holdout, no contra el recuerdo. El 20% de correos que seguirá el proceso humano (el grupo de control del diseño de medición) es lo que volverá comparables el antes y el después. Se decide ahora porque después del despliegue ya no hay grupo limpio.

El plan de las diez fases

El mapa del proyecto — cada fase con su entregable y su curso de respaldo:

Fase	Entregable	Se apoya en
1. El caso y el éxito	Este documento: caso + criterios firmados	Metodología, Evals
2. El corpus	Datos limpios: dataset de eval + base de conocimiento	Data Engineering, RAG
3. El prototipo	El grafo del agente respondiendo en local	LangGraph, RAG
4. Herramientas y MCP	El agente consultando sistemas (con permisos mínimos)	MCP, cloud
5. Las evals	La suite que mide los criterios de hoy, en CI	Evals
6. Endurecer	Guardrails, PII, política de gobernanza aplicada	Seguridad, Harness
7. Desplegar	El agente corriendo en la nube, efímero y enjaulado	Deploy, serie de nubes
8. Operar	Dashboard, alarmas, kill switch, holdout midiendo	Cloud (operación), MLOps
9. Mejorar	El ciclo de feedback: correcciones → dataset v2 → mejora	MLOps, Fine-tuning
10. Presentar	El dossier actualizado con resultados reales	Producto, Metodología

Errores comunes

Empezar por el prototipo. El agente construido antes que los criterios se evalúa con el ojo del que lo construyó — que siempre aprueba. Fase 1 antes que fase 3, aunque pique.
Heredar el caso sin releerlo. “Ya sabemos qué hay que hacer” tres meses después del dossier es memoria, no documento. La página de herencia se escribe para que el proyecto y el comité miren la misma vara.
Criterios sin clase de error. El promedio de acierto que mezcla el error barato con el crítico esconde exactamente lo que en una financiera no puede esconderse. Dos clases, dos umbrales.
Metas de negocio sin grupo de control. Sin holdout, el desvío del mes 3 se comparará contra recuerdos y estacionalidad. El 20% se aparta desde el diseño.
Ablandar los umbrales al escribirlos. “Mejor pongamos 40% por si acaso” — el no-go del dossier ya se negoció donde correspondía. Aquí se transcribe, no se re-negocia.
Elegir un dominio sin dientes. El mismo proyecto sobre datos neutros enseña la mitad: sin regulación, los guardrails son decorado. Finandes existe para que las fases 6 y 8 duelan como en la vida real.

La frase para llevarse

“El capstone empieza donde casi ningún proyecto empieza: heredando la decisión con sus condiciones y firmando el éxito en criterios que una máquina puede verificar — con el error crítico separado del barato y el holdout apartado desde hoy. Todo lo que construyamos en nueve fases se medirá contra esta página.”

Qué viene

Fase 2: el corpus. Un agente de soporte se alimenta de dos cuerpos de datos que hoy no existen en forma utilizable: el historial de correos etiquetados (para evaluar — y en la fase 9, mejorar) y la base de conocimiento de Finandes (para responder con fundamento). Los construiremos con la disciplina del curso de Data Engineering — ingesta, PII enmascarada antes de persistir, deduplicación, y la aduana de calidad — porque el agente que viene en la fase 3 será exactamente tan bueno como lo que esta fase produzca.

Capstone — Fase 1: el caso y la definición de éxito