Novaeon Studio · The AI Agent Factory

Agentes,diseñados paraproducción.

Diseñamos, construimos, liberamos y operamos agentes de IA en los entornos más exigentes, SAP incluido. Con más de 22 años de experiencia en proyectos SAP empresariales detrás de cada release.

Ilustración: la Tierra en el horizonte, naves de agentes en órbita a través de cuatro puertas

  • Modelos abiertosPublicados en Hugging Face
  • Código abiertoParticipación activa en la comunidad OpenClaw
  • 22+ añosExperiencia en proyectos SAP empresariales detrás de Novaeon
  • Disciplina de releasesGestión de releases y cambios SAP (ChaRM)

Cinco módulos. Una misión.

Recorra la empresa como una estación espacial. Cada módulo tiene su propia página, sus propias pruebas y un camino de vuelta.

El problema que resolvemos

Un agente de demostración se hace en una tarde. Un agente que aceptan sus auditores, su comité de empresa y su equipo de operaciones es una cuestión de arquitectura: un rol definido, skills probadas, límites claros, una persona que aprueba — y un proceso de release que le permite cambiarlo sin miedo.

Cómo se entrega un agente

Idea → Agente → Release → Operación.

Siempre el mismo camino. Nada llega a producción solo por entusiasmo.

  1. 01

    Idea

    Elegimos el proceso en el que un agente rinde. Mapeamos entradas, decisiones, riesgos y responsables — y decidimos dónde un flujo de trabajo simple es la mejor respuesta.

  2. 02

    Agente

    Construimos el agente y sus skills: contratos de herramientas, salvaguardas, pruebas de prompt injection, escenarios de evaluación y el paso de aprobación humana.

  3. 03

    Release

    Lo llevamos a producción como cualquier software: versionado, probado contra una línea base fija, con calificación de riesgo, aprobado, trazable — y reversible.

    • Control de evals
    • Calificación de riesgo
    • Aprobación
    • Rollback listo
  4. 04

    Operación

    Vigilamos en producción la calidad, el costo por acción y la deriva. Mejoramos con una cadencia de releases, no parcheando prompts sobre la marcha.

Entrar en la Fábrica

Qué construimos

Cuatro ámbitos. Construidos para funcionar, no para lucir en una demo.

Agentes de IA

Agentes de varios pasos con un rol claro, herramientas acotadas, límites estrictos y una vía de escalado hacia las personas. Medidos con escenarios de evaluación, no por una buena primera impresión.

  • Rol y límites
  • Herramientas acotadas
  • Supervisión humana

Skills

Los componentes deterministas a los que llaman los agentes: consultar, validar, crear, contabilizar. Pequeñas, probadas, versionadas — la parte que hace fiable a un agente.

  • Deterministas
  • Probadas
  • Versionadas

Integraciones y automatización

ERP, CRM, APIs, documentos. Conectamos los sistemas que un agente necesita — y automatizamos el trabajo que no necesita ningún agente.

  • Servidores MCP
  • APIs
  • Flujos de trabajo

IA privada y soberana

Modelos locales y autoalojados cuando los datos no deben salir de su infraestructura. Agentes en su hardware, bajo su control.

  • LLM locales
  • On-premise
  • Datos en la UE

Interno · Agent Ops

Operamos la fábrica nosotros mismos.

Antes de construir agentes para clientes, los usamos en nuestra propia empresa, con los mismos controles de calidad y de release que implantamos en nuestros clientes.

  • 43casos de control deterministas por cambio de modelo
  • 2 / 8modelos candidatos superaron el control
  • 95%gestor correcto, benchmark de enrutamiento de 60 tareas
  • 90%nivel de modelo correcto, mismo benchmark

La Novaeon Agent Factory

  • Los cambios de modelo se convirtieron en releases: de 8 versiones candidatas, 2 superaron el control y 6 se detuvieron antes de producción.
  • Un modelo en prueba intentó anunciar un reinicio del servidor para el que no tenía herramienta: salió a la luz en el control, no en producción.
  • Enrutamiento en nuestro benchmark de 60 tareas: 95% de gestor correcto, 90% de nivel de modelo correcto; una decisión de enrutamiento tarda unos 1,5 s en hardware local.
Enfoque
  • Un agente coordinador delega en agentes especialistas (estudio, operaciones); cinco o más trabajos independientes se reparten en líneas de trabajo paralelas que devuelven resultados estructurados con evidencia citada.
  • Un router toma tres decisiones por tarea — quién la gestiona, qué nivel de modelo, razonamiento activado o no — con dos jueces independientes; ante cualquier duda, escala al modelo más potente.
  • Un control de regresión para cada cambio de modelo: 43 casos de prueba deterministas, sin LLM como juez. Aprobado = puntuación de al menos la línea base menos 2, cero regresiones en tool calling, cero errores de petición. Cada cambio genera ahora también un expediente de release, anotado en un registro de auditoría encadenado por hashes.
  • Todo lo público se verifica contra las fuentes y lo revisa un segundo modelo, distinto, antes de publicarse.

Benchmarks propios, octubre de 2026. El benchmark de enrutamiento usa 60 peticiones realistas con etiquetas de referencia fijas (medido antes de añadir los casos de operaciones).

Entornos exigentes

Donde los errores de TI salen caros.

Más de 22 años de experiencia en proyectos SAP empresariales detrás de Novaeon — y el stack de agentes que operamos nosotros mismos.

Trayectoria — proyectos realizados

  • SAP S/4HANA
  • SAP ERP 6.0 / ECC
  • Solution Manager 7.2
  • ChaRM
  • CTS+
  • cCTS
  • SAP HANA
  • SAP BW/BI
  • SAP CRM
  • SAP APO
  • SAP Fiori
  • SAP Hybris
  • Oracle
  • AIX

Nuestro stack de agentes — en uso diario

  • Claude
  • MCP
  • A2A
  • Python
  • TypeScript
  • Node.js
  • LLM locales
  • Entornos de evaluación
  • Docker
  • Linux
  • Cloudflare
  • Astro
  • Hugging Face
  • Releases basados en Git

Preguntas

Antes de la primera llamada.

¿Trabajan solo con clientes SAP?

No. SAP es el origen de nuestra disciplina de releases y el entorno donde más cuesta acertar con los agentes, pero construimos agentes, skills e integraciones sobre cualquier stack — incluidos modelos totalmente autoalojados.

Nuestro sistema SAP es on-premise. ¿Podemos usar Joule?

Hoy no existe una vía estándar de Joule para S/4HANA o ECC on-premise; SAP la vincula a ediciones cloud y a contratos específicos. La revisión de preparación le indica qué es posible en su landscape — y qué agentes puede construir sin esperar a Joule.

¿Qué significa en la práctica «gestión de releases de IA»?

Cada cambio en un agente — prompt, modelo, herramienta, fuente de datos — pasa por versionado, una línea base de evaluación fija, una calificación de riesgo y una aprobación, con un release validado al que volver. Como ChaRM, para agentes.

¿Pueden nuestros datos permanecer en la empresa?

Sí. Construimos sobre modelos locales y autoalojados cuando los datos no deben salir de su infraestructura, y acotamos cada herramienta a la que un agente puede acceder.

¿Cómo empieza un proyecto?

Con una llamada de 30 minutos sobre estrategia de agentes y, después, una auditoría. Tras la auditoría, usted decide si construimos y qué construimos.

¿Entrenan sus propios modelos?

No entrenamos modelos fundacionales. En Hugging Face hemos publicado un dataset abierto de solicitudes de cambio sintéticas para agentes y un adaptador LoRA para Qwen3-4B entrenado con él. Ofrecemos como servicio la creación de datasets, conjuntos de evaluación y el fine-tuning LoRA de modelos abiertos. Nuestras demás versiones públicas en Hugging Face son versiones cuantizadas de modelos abiertos, y cada modelo se prueba con un control fijo antes de entrar en producción.