Microsoft Foundry y Copilot: cómo llevar la IA de la demo a producción
Grabación y guía para construir aplicaciones y agentes conectados con datos, procesos, seguridad y métricas de negocio.
La inteligencia artificial empresarial no se consolida cuando una prueba responde bien. Se consolida cuando la solución puede consultar información autorizada, utilizar herramientas, integrarse con sistemas, respetar permisos, medir su calidad y operar de forma sostenible. Esta sesión muestra el papel de Microsoft Foundry, conocido anteriormente como Azure AI Foundry, y cómo se conecta con Copilot, Copilot Studio, Azure AI Search y el resto del ecosistema Microsoft.
Azure AI Foundry ha evolucionado: hoy la plataforma se denomina Microsoft Foundry
La grabación utiliza la denominación Azure AI Foundry porque era el nombre vigente cuando se realizó la sesión. Microsoft ha seguido evolucionando la plataforma y actualmente presenta Microsoft Foundry como un entorno unificado para descubrir modelos, construir aplicaciones y agentes, evaluar resultados, desplegar soluciones y gobernar su operación.
El cambio no invalida el contenido del vídeo. Al contrario: refuerza la tesis central. La IA empresarial necesita una plataforma que conecte modelos, agentes, herramientas, datos, evaluación, observabilidad, seguridad y gobierno. Lo que antes se explicaba bajo Azure AI Foundry forma parte ahora de una propuesta más integrada alrededor de Microsoft Foundry.
Por eso este contenido se ha actualizado. Mantiene la grabación original como recurso práctico y añade una lectura actual para CIO, CTO, responsables de datos, innovación, aplicaciones, operaciones y transformación digital.
No se trata de “poner IA”. Se trata de construir una capacidad que pueda operar.
Explorando Azure AI Foundry y Copilot
La grabación aborda arquitectura, agentes, RAG, modelos, gobierno, operación y casos de uso. Puede verse de principio a fin o utilizarse como base para revisar las decisiones que aparecen desarrolladas en esta guía.
Plataforma
Cómo organizar modelos, aplicaciones, agentes, datos y recursos dentro de una arquitectura empresarial.
Conocimiento
Cómo conectar la IA con documentos, datos propios y fuentes corporativas mediante búsqueda y RAG.
Agentes
Cómo pasar de una conversación a una experiencia capaz de consultar, utilizar herramientas y apoyar tareas.
Producción
Cómo incorporar evaluación, observabilidad, seguridad, costes, despliegue y mejora continua.
Copilot Studio y Microsoft Foundry no compiten por resolver exactamente el mismo problema
Ambas plataformas permiten crear experiencias y agentes con inteligencia artificial, pero parten de necesidades diferentes. La elección no debería reducirse a “low-code frente a pro-code”. Debe considerar el canal, los usuarios, el grado de personalización, las herramientas que utilizará el agente, el nivel de control técnico, el ciclo de vida, la seguridad, la observabilidad y la arquitectura donde deberá operar.
Agentes conectados al trabajo y a los procesos Microsoft
Copilot Studio encaja especialmente bien cuando la empresa quiere crear agentes mediante una experiencia low-code, conectar conocimiento corporativo, activar acciones y flujos, integrarse con Power Platform y desplegar la experiencia en canales como Microsoft 365, Teams o sitios corporativos.
Aplicaciones y agentes con mayor control técnico y operativo
Microsoft Foundry encaja cuando se necesita trabajar con diferentes modelos, SDK, APIs, herramientas, evaluaciones, despliegues, observabilidad y arquitecturas personalizadas. También resulta relevante para agentes con lógica específica, integraciones profundas, necesidades de escalado o requisitos avanzados de operación.
En muchas arquitecturas empresariales, la respuesta correcta no es elegir una plataforma y descartar la otra.
Microsoft Foundry puede aportar el motor especializado, los modelos, los agentes o los servicios técnicos; Copilot Studio puede acercar esa capacidad al usuario, conectarla con Microsoft 365, Power Platform y canales de negocio. La arquitectura debe decidir qué responsabilidad tiene cada capa.
Una solución de IA preparada para producción se construye por capas
El error habitual consiste en empezar por el modelo y dejar para después los datos, la seguridad, la integración, la experiencia o la medición. En producción ocurre lo contrario: el modelo es una pieza importante, pero el resultado depende de cómo se relaciona con el resto de la arquitectura.
Caso de uso y proceso
Quién utilizará la solución, qué problema resuelve, qué tarea mejora, qué decisión apoya, qué límites existen y cómo se integrará en el trabajo cotidiano.
Fuentes y calidad del dato
Documentos, bases de conocimiento, ERP, CRM, Dataverse, Data Lake, aplicaciones, histórico y contenido corporativo con propietarios y reglas de actualización.
Recuperación y conocimiento
Indexación, búsqueda, recuperación, fragmentación, relevancia, filtros, permisos y RAG para fundamentar respuestas con contenido autorizado.
Modelos e instrucciones
Selección de modelo, contexto, instrucciones, parámetros, límites, coste, latencia y estrategia para adaptar el comportamiento al escenario.
Agentes y herramientas
Capacidad para consultar, calcular, llamar servicios, utilizar APIs, recuperar información, ejecutar pasos y preparar acciones dentro de límites definidos.
Integración y automatización
Dynamics 365, Business Central, Power Platform, Microsoft 365, aplicaciones propias, flujos, colas, eventos y sistemas corporativos.
Seguridad y gobierno
Identidades, roles, redes, secretos, datos sensibles, protección de contenido, auditoría, responsables, políticas y validación humana.
Evaluación y operación
Calidad, relevancia, seguridad, latencia, costes, trazas, errores, disponibilidad, satisfacción, adopción y mejora continua de la solución.
La IA empresarial necesita saber lo que sabe tu empresa
Un modelo generativo puede redactar, resumir y razonar, pero no conoce automáticamente el contrato vigente, el manual técnico correcto, el expediente de un cliente, la última política interna o el estado actual de un proceso. Para trabajar con ese contexto necesita una arquitectura capaz de recuperar información propia antes de generar la respuesta.
RAG permite conectar el modelo con fuentes corporativas. Azure AI Search puede actuar como capa de recuperación para localizar contenido relevante, aplicar filtros, combinar búsqueda textual y vectorial y proporcionar contexto al modelo o al agente. El reto no está solo en indexar documentos. Está en gestionar versiones, permisos, calidad, fragmentación, relevancia, trazabilidad y actualización.
Fuentes correctas
Seleccionar documentación vigente, datos con propietario, sistemas fiables y contenidos que realmente respondan al caso de uso.
Permisos respetados
La experiencia debe recuperar únicamente información que el usuario o el proceso estén autorizados a consultar.
Respuestas fundamentadas
La solución debe mostrar evidencias, referencias o contexto suficiente para que el usuario pueda validar la respuesta.
Calidad medida
Relevancia de recuperación, precisión, cobertura, ausencia de respuesta, latencia, coste y satisfacción deben evaluarse.
Un agente aporta valor cuando puede utilizar contexto y herramientas dentro de un proceso controlado
Una experiencia conversacional responde. Un agente puede, además, seleccionar herramientas, recuperar información, llamar a una API, consultar un sistema, calcular un resultado, preparar una acción o coordinar varios pasos. Esa capacidad amplía el valor potencial, pero también aumenta el riesgo y la necesidad de control.
Microsoft Foundry Agent Service proporciona un entorno gestionado para construir, desplegar y escalar agentes. Puede trabajar con distintos modelos y herramientas, y admite tanto experiencias configuradas desde la plataforma como agentes desarrollados mediante código y frameworks. La decisión importante no es si el agente puede hacer algo, sino si debe hacerlo, con qué permisos, bajo qué supervisión y con qué trazabilidad.
Consultar
Recuperar documentación, datos, estados, históricos, indicadores o conocimiento relevante para una tarea.
Interpretar
Relacionar información, aplicar instrucciones, detectar excepciones, clasificar situaciones y preparar una recomendación.
Preparar
Generar un borrador, una propuesta, un resumen, una respuesta, una orden o una acción para revisión humana.
Ejecutar
Llamar a una herramienta o sistema para completar un paso autorizado, con validación cuando el riesgo lo requiera.
Escalar
Derivar una situación a una persona, equipo o proceso cuando existe incertidumbre, conflicto o excepción.
Registrar
Mantener trazas de la información utilizada, las herramientas llamadas, los resultados y las decisiones humanas.
Cuanto más puede hacer un agente, más importante es definir lo que no puede hacer.
Permisos, herramientas disponibles, datos accesibles, límites, aprobación humana, gestión de errores y auditoría forman parte del diseño funcional.
La oportunidad no está en crear otro asistente. Está en mejorar un proceso que hoy cuesta tiempo, dinero o riesgo
Los casos con mayor recorrido suelen combinar volumen, repetición, conocimiento disperso, decisiones frecuentes, tareas administrativas y datos disponibles. No todos necesitan un agente. Algunos se resuelven mejor con búsqueda, automatización tradicional, Power Platform, analítica o una mejora del sistema de origen.
Asistente sobre documentación corporativa
Consulta manuales, contratos, políticas, procedimientos, expedientes o documentación técnica mediante lenguaje natural y devuelve respuestas apoyadas en fuentes autorizadas.
Copiloto financiero conectado al ERP
Ayuda a analizar desviaciones, preparar explicaciones, localizar documentación, interpretar saldos, revisar incidencias y construir resúmenes para cierre y control de gestión.
Preparación comercial conectada al CRM
Resume cuentas, oportunidades, actividad, correos, propuestas e incidencias; identifica información pendiente y prepara reuniones o siguientes pasos para revisión del vendedor.
Agente de apoyo a atención al cliente
Clasifica consultas, recupera conocimiento, propone respuestas, resume conversaciones y prepara escalados con contexto para que el agente humano actúe más rápido.
Automatización documental inteligente
Extrae información, valida campos, clasifica documentos, detecta excepciones, actualiza registros y prepara el archivado dentro de un flujo controlado.
Agente para cierre y seguimiento de obra
Recupera datos del ERP, documentación, certificaciones, incidencias, costes y tareas pendientes para preparar revisiones y apoyar el cierre operativo de una obra.
Una ruta práctica para pasar del primer caso a una capacidad de IA sostenible
La velocidad importa, pero no debe confundirse con precipitación. Un primer caso puede construirse en un plazo acotado si el alcance es claro, las fuentes están disponibles y el riesgo está controlado. El objetivo del piloto no es impresionar. Es comprobar utilidad, arquitectura, calidad, adopción y viabilidad operativa.
Seleccionar un problema con dolor visible
Elegir una tarea con volumen, tiempo, errores, riesgo o dependencia de conocimiento. El caso debe tener usuarios identificados, frecuencia suficiente y una mejora que pueda observarse.
Definir objetivo, usuario y métrica
Determinar quién utilizará la solución, qué debe conseguir, qué tareas quedan fuera, qué decisión seguirá siendo humana y qué indicador demostrará que el caso aporta valor.
Revisar datos, conocimiento y permisos
Identificar fuentes, calidad, propietarios, frecuencia de actualización, sensibilidad, versiones, accesos y dependencias. Un caso aparentemente sencillo puede fracasar por una base documental deficiente.
Diseñar la arquitectura mínima viable
Seleccionar modelo, recuperación, herramientas, canal, identidad, seguridad, integración, evaluación y observabilidad. Mínima viable no significa improvisada: significa suficiente para validar sin sobredimensionar.
Construir y evaluar con usuarios reales
Probar preguntas, entradas, excepciones y tareas reales. Medir si la información recuperada es relevante, si la respuesta es correcta, si el usuario confía y si la experiencia reduce trabajo.
Preparar la operación
Definir despliegues, versiones, responsables, alertas, registros, soporte, costes, recuperación ante errores, gestión de cambios y criterios de suspensión o escalado.
Escalar solo cuando existe evidencia
Ampliar usuarios, fuentes, herramientas o autonomía cuando el caso demuestra calidad, adopción, valor y control. Escalar una solución débil solo multiplica su coste y sus problemas.
El ROI de la IA no se demuestra contando conversaciones
Una solución puede recibir muchas consultas y no generar impacto. También puede utilizarse poco y ser muy valiosa si reduce una tarea crítica, evita errores relevantes o acelera una decisión de alto valor. La métrica debe responder al proceso, no a la novedad tecnológica.
Conviene separar métricas técnicas, métricas de experiencia y métricas de negocio. Las primeras explican cómo funciona la solución; las segundas, si el usuario confía; las terceras, si la inversión merece continuar.
Calidad técnica
Precisión, relevancia, cobertura, fundamentación, tasa de error, latencia, disponibilidad, fallos de herramienta y coste por interacción o tarea.
Experiencia y adopción
Usuarios activos, recurrencia, finalización de tareas, satisfacción, confianza, escalados, correcciones y abandono de la experiencia.
Impacto operativo
Horas ahorradas, tiempo de respuesta, reducción de búsqueda, menor trabajo manual, menos errores, mayor capacidad de atención y ciclos más cortos.
Impacto económico y de riesgo
Coste evitado, productividad, conversión, retención, incidencias, cumplimiento, errores críticos, exposición y tiempo de especialistas liberado.
La mayoría de los problemas aparecen antes de escribir la primera línea de código
Los proyectos de IA no fracasan únicamente por una mala elección de modelo. Fracasan porque se elige un caso poco útil, se subestima la preparación del dato, se promete autonomía sin control o se lanza una experiencia que nadie integra en su trabajo.
Elegir un caso vistoso sin dolor real
La demo funciona, pero el usuario no la necesita, no la incorpora al proceso y no existe una métrica que justifique mantenerla.
Conectar fuentes sin gobierno
La solución recupera documentos obsoletos, contradictorios, duplicados o accesibles por usuarios que no deberían consultarlos.
Confundir fluidez con precisión
Una respuesta bien redactada puede ser incompleta o incorrecta. La calidad debe evaluarse con casos reales y criterios definidos.
Dar demasiada autonomía demasiado pronto
El agente puede ejecutar acciones sensibles sin suficiente validación, límites, auditoría o recuperación ante errores.
Ignorar el coste de operación
Modelos, búsquedas, almacenamiento, herramientas, observabilidad, soporte, evaluación y mantenimiento tienen un coste recurrente.
No integrar la experiencia en el trabajo
El usuario debe abandonar su herramienta, copiar datos y cambiar de contexto. La fricción termina reduciendo la adopción.
No definir responsables
Nadie mantiene las fuentes, revisa la calidad, aprueba cambios, controla costes o responde cuando la solución falla.
Intentar desplegar demasiados casos
La organización dispersa recursos, multiplica agentes y genera una deuda de mantenimiento antes de demostrar valor.
Conectar plataforma, datos, procesos y adopción para que la IA no se convierta en otra isla
Ayesa aborda la inteligencia artificial empresarial desde una visión completa del ecosistema Microsoft: Azure, Microsoft Foundry, Azure OpenAI, Azure AI Search, Copilot Studio, Power Platform, Microsoft 365, Dynamics 365, Business Central, datos, integración, seguridad y soluciones sectoriales.
El objetivo no es imponer IA a todos los procesos. Es identificar dónde un modelo, una búsqueda inteligente, un copiloto, un agente o una automatización generan una mejora tangible. A partir de ahí se diseña la arquitectura, se construye un caso acotado, se mide y se decide si merece escalar.
Prioridad de negocio
Selección de casos por impacto, viabilidad, riesgo, disponibilidad de datos y capacidad de adopción.
Arquitectura Microsoft
Modelos, búsqueda, RAG, agentes, integración, automatización, identidad, seguridad y observabilidad.
Conexión con negocio
Integración con ERP, CRM, documentos, datos, Microsoft 365, Power Platform y aplicaciones corporativas.
Producción y evolución
Evaluación, despliegue, operación, medición, adopción, costes y mejora continua de la solución.
Conecta Microsoft Foundry con la arquitectura completa de IA empresarial
Estas páginas amplían las decisiones sobre plataforma, modelos, conocimiento, agentes, automatización y conexión con los sistemas de negocio.
Azure + IA empresarial
La arquitectura para conectar modelos, datos, búsqueda, aplicaciones, agentes, seguridad y automatización.
Azure AI para empresas
Cómo pasar de pruebas aisladas a capacidades de inteligencia artificial conectadas con datos y procesos.
Azure OpenAI para empresas
Casos de generación, resumen, clasificación, conversación y razonamiento con control empresarial.
RAG empresarial en Azure
Cómo fundamentar respuestas con documentos, ERP, CRM, permisos, fuentes verificables y Azure AI Search.
Agentes IA en Azure
Cuándo un agente aporta más que un asistente y qué arquitectura necesita para actuar con control.
Microsoft Copilot Studio
Agentes low-code conectados con Microsoft 365, Power Platform, Dynamics 365 y conocimiento corporativo.
ERP e inteligencia artificial Microsoft
Por qué la IA necesita procesos, permisos y datos fiables del ERP para generar valor operativo.
CRM + IA con Microsoft
Cómo conectar clientes, oportunidades, servicio, automatización, Copilot, agentes y datos de negocio.
Dudas habituales sobre Microsoft Foundry, Copilot y agentes empresariales
Estas respuestas ayudan a ordenar la conversación antes de seleccionar plataforma, arquitectura, primer caso y modelo de operación.
¿Microsoft Foundry es lo mismo que Azure AI Foundry?
Microsoft Foundry es la evolución de la propuesta que anteriormente se conocía como Azure AI Foundry. Microsoft ha unificado y ampliado capacidades relacionadas con modelos, agentes, herramientas, evaluación, despliegue, observabilidad y gobierno.
¿Qué diferencia hay entre Microsoft Foundry y Azure OpenAI?
Azure OpenAI proporciona acceso a modelos generativos dentro de Azure. Microsoft Foundry ofrece una plataforma más amplia para trabajar con modelos, agentes, herramientas, evaluaciones, despliegues y operación de aplicaciones de inteligencia artificial.
¿Copilot Studio sustituye a Microsoft Foundry?
No. Copilot Studio está orientado a crear y gestionar agentes mediante una experiencia low-code, especialmente conectada con Microsoft 365, Power Platform y Dynamics 365. Microsoft Foundry permite construir aplicaciones y agentes con mayor control técnico, variedad de modelos, herramientas, código y operación.
¿Cuándo necesito RAG?
RAG tiene sentido cuando la respuesta depende de documentos, datos o conocimiento propio de la organización. Permite recuperar información relevante antes de generar una respuesta, aunque exige trabajar fuentes, permisos, relevancia, trazabilidad y actualización.
¿Azure AI Search es solo un buscador?
Azure AI Search es un servicio de recuperación de información que puede trabajar con contenido textual, vectorial y multimodal. En escenarios generativos puede proporcionar contexto a modelos y agentes para fundamentar respuestas con información empresarial.
¿Un agente puede ejecutar acciones en el ERP o CRM?
Puede utilizar herramientas, APIs, conectores o flujos para consultar y preparar acciones sobre sistemas empresariales. El diseño debe definir qué acciones están permitidas, qué información puede utilizar y cuándo se necesita validación humana.
¿Necesito un gran proyecto para empezar?
No. Es preferible empezar con un caso acotado, datos disponibles, usuarios identificados y una métrica clara. El piloto debe diseñarse con una arquitectura que permita aprender y escalar, sin intentar resolver todos los escenarios a la vez.
¿Cómo se controla la privacidad y la seguridad?
Mediante identidad, roles, redes, cifrado, gestión de secretos, permisos sobre fuentes, políticas, filtros, registros, validación, responsables y controles específicos para datos sensibles y acciones de riesgo.
¿Cómo se mide si la solución funciona?
Hay que combinar métricas de calidad técnica, experiencia de usuario e impacto de negocio. Precisión, relevancia, tiempo, coste, adopción, ahorro, errores, satisfacción y resultado del proceso deben analizarse conjuntamente.
¿Qué necesita Ayesa para realizar una primera evaluación?
Un problema o proceso concreto, usuarios afectados, fuentes de información, sistemas implicados, restricciones de seguridad, volumen aproximado, resultado esperado y cualquier prueba previa que la organización haya realizado.
Evalúa cómo preparar tu arquitectura Azure para IA, datos y agentes inteligentes
Analizamos el caso de uso, las fuentes, la arquitectura, los riesgos, las opciones de Microsoft Foundry y Copilot Studio y las métricas que permitirían demostrar valor antes de escalar la inversión.
¿Conectamos?
La tecnología bien aplicada suele facilitar las cosas. Si sospechas que también puede ser de ayuda para ti, concédenos la oportunidad de conocerte y demostrarte hasta qué punto es así.
Suscríbete a nuestra enews mensual, y no te pierdas los mejores contenidos sobre Microsoft Dymanics 365
Información respecto al tratamiento de los datos solicitados, de acuerdo con el RGPD 2016/679 y la LOPDGDD 3/2018: el responsable es Ibermática SA; la finalidad es la recogida y tratamiento de los datos personales que solicitamos para atender tu consulta, enviarte nuestras publicaciones, newsletters, promociones de productos y/o servicios, y recursos exclusivos; la legitimación se establece mediante el consentimiento expreso; no se cederán datos a terceros, salvo obligación legal; en cualquier momento puedes ejercer tus derechos de acceso, rectificación, supresión, portabilidad, limitación u oposición al tratamiento de tus datos, así como retirar el consentimiento prestado o formular reclamaciones ante la Autoridad de Control, enviando la solicitud por correo electrónico a: arco@ibermatica.com; puedes consultar la información adicional y detallada sobre Privacidad y Protección de Datos de Carácter Personal en la Política de Privacidad de Ibermática S.A.
¿Por qué Ayesa?
Somos uno de los principales implantadores de Microsoft, con casi 2000 clientes que han depositado su confianza en nosotros para la implantación de Dynamics 365, Business Central (NAV / Navision) y Dynamics 365 Finance & Operations (AX / Axapta). Además, destacamos en el despliegue de proyectos sobre AZURE y Microsoft 365. Nuestra experiencia en el campo de la inteligencia artificial y el uso de Copilot nos sitúa a la vanguardia de la innovación tecnológica.
Con una plantilla de más de 12.000 profesionales y una sólida presencia en 23 países, estamos comprometidos en ayudar a nuestros clientes a definir y aprovechar oportunidades en el nuevo contexto digital. Desde la tecnología hasta las personas, ofrecemos un enfoque integral que garantiza el éxito en cada proyecto.
- ÚLTIMAS ENTRADAS DEL BLOG -
Business Development Manager | PSELLER Microsoft en Ayesa | Miembro Unidad Transición Energética, Climática y Urbana en Tecnalia | Secretaria de la Junta Directiva del Cluster de la Construcción (Build INN)