Dos empresas. Dos ecosistemas. Un solo principio: los datos no salen.
Lo que viene a continuación son dos casos reales en su problemática, aunque los datos identificativos son ficticios. Representan el tipo de proyectos que desarrollamos en SIMBION: ecosistemas de agentes de inteligencia artificial que funcionan íntegramente dentro de la infraestructura de la empresa, sin conexiones externas, sin que ningún dato salga de la red interna.
Caso 01 — Clínica Mediterránea
Sector: Salud Tamaño: 35 personas Ubicación: Alicante
El problema
Clínica Mediterránea es un centro médico privado con cuatro especialidades y un volumen de entre 80 y 120 pacientes al día. Su mayor problema no era clínico. Era administrativo.
El equipo de recepción gestionaba cada día un volumen de consultas repetidas que consumía horas de trabajo que deberían dedicarse a tareas de mayor valor: confirmación de citas, preguntas sobre protocolos de preparación para pruebas, dudas sobre coberturas de seguros privados, solicitudes de informes y resultados.
La misma pregunta podía llegar diez veces al día por teléfono, email y WhatsApp. La respuesta siempre era la misma. Y siempre la daba una persona.
Además, los médicos tenían un problema distinto pero relacionado: el protocolo clínico actualizado, los criterios de derivación entre especialidades y los formularios de consentimiento informado existían en versiones distintas guardadas en carpetas de red, en emails y en documentos impresos. Nadie tenía claro qué versión era la vigente.
Lo que construimos
El primer paso fue la Auditoría de Entropía. Dos semanas mapeando los flujos reales del centro: cómo llegaban las consultas, qué preguntas se repetían, dónde estaba el conocimiento clínico y administrativo y en qué formato.
El resultado fue claro: el 70% de las consultas al personal administrativo eran predecibles y seguían siempre el mismo patrón. Y el conocimiento clínico existía — solo que estaba disperso y desactualizado.
La arquitectura que diseñamos tiene dos agentes:
Agente Administrativo — Responde consultas frecuentes de pacientes a través de los canales internos del centro. Conoce el calendario de cada especialidad, los protocolos de preparación de cada prueba, los formularios de cada aseguradora y el procedimiento para solicitar informes. No accede a datos de pacientes — solo a información de protocolos y procedimientos.
Agente de Base de Conocimiento Clínica — Accesible únicamente para el personal médico desde la red interna del centro. Centraliza toda la documentación clínica en una única fuente: protocolos, criterios de derivación, consentimientos informados, guías de práctica clínica. El médico hace una pregunta en lenguaje natural y obtiene la respuesta con la versión vigente del documento y la fecha de última actualización.
La infraestructura
Todo corre en un servidor instalado en el propio centro médico. Sin nube. Sin APIs externas. Sin que ningún dato de paciente, ningún protocolo clínico ni ninguna consulta abandone la red interna de la clínica.
El modelo de lenguaje que alimenta los agentes es local — sin conexión a internet durante el funcionamiento. La base de conocimiento se actualiza desde dentro de la red cuando el equipo sube nuevos documentos.
Los resultados
Tres meses después de la implantación:
- El tiempo que el equipo de recepción dedicaba a consultas repetidas se redujo un 65%.
- Los médicos localizan cualquier protocolo vigente en menos de 30 segundos.
- Se eliminaron las versiones duplicadas de documentos clínicos — hay una sola fuente de verdad.
- Ningún dato de paciente ha salido nunca del servidor del centro.
Caso 02 — Piezas Levante
Sector: Fabricación industrial (componentes metálicos) Tamaño: 58 personas Ubicación: Elche, Alicante
El problema
Piezas Levante fabrica componentes metálicos de precisión para el sector del calzado y la automoción. Llevan 22 años en el mercado. Su problema no era la producción — era el conocimiento que estaba a punto de irse por la puerta.
Tres de sus operarios más veteranos, con entre 15 y 20 años en la empresa, iban a jubilarse en los próximos dos años. En su cabeza estaba el conocimiento que ningún manual recogía: cómo ajustar la máquina X cuando el material de un proveedor específico varía, qué tolerancias aplicar en función de la temperatura del taller, qué hacer cuando aparece determinado tipo de defecto en la pieza.
Ese conocimiento era el que diferenciaba a Piezas Levante de sus competidores. Y estaba a punto de desaparecer.
Además, el equipo de producción gestionaba los partes de trabajo, los registros de incidencias y los informes de control de calidad en papel y en hojas de Excel desconectadas entre sí. El responsable de producción tardaba entre dos y tres horas cada semana en consolidar la información para el informe de dirección.
Lo que construimos
La Auditoría de Entropía reveló tres cuellos de botella claros: la pérdida de conocimiento tácito de los veteranos, la fragmentación de los registros de producción y el tiempo manual de consolidación de datos para dirección.
El ecosistema que diseñamos tiene un Comandante y tres microagentes especializados:
Agente de Conocimiento Técnico — El más crítico. Durante tres meses, antes del inicio del proyecto técnico, realizamos sesiones estructuradas con los tres operarios veteranos: casos reales, problemas frecuentes, decisiones de ajuste, criterios no escritos. Todo ese conocimiento se estructuró y se cargó en la base de conocimiento del agente. Ahora cualquier operario puede preguntar en lenguaje natural: "¿Qué ajuste hago en la fresadora 3 cuando el aluminio viene del proveedor de Valencia?" y obtiene la respuesta que habría dado el veterano.
Agente de Registro de Producción — Los operarios registran partes de trabajo, incidencias y resultados de control de calidad a través de una interfaz simple desde las tablets del taller. El agente estructura la información, detecta anomalías y la consolida en la base de datos interna.
Agente de Informe de Dirección — Cada lunes a las 7 de la mañana, el responsable de producción tiene en su pantalla el informe semanal generado automáticamente: producción real vs planificada, incidencias por máquina, tendencias de calidad, alertas. Lo que antes le llevaba dos horas se genera en segundos.
La infraestructura
Servidor físico en las instalaciones de la fábrica. Red completamente cerrada — los agentes no tienen acceso a internet y no pueden comunicarse con sistemas externos. Los datos de producción, los planos, los registros de clientes y el conocimiento técnico de los veteranos permanecen dentro de la empresa.
El acceso es por roles: los operarios ven solo lo que necesitan para su trabajo, el responsable de producción tiene acceso completo al sistema de informes, dirección accede al dashboard ejecutivo.
Los resultados
Seis meses después de la implantación:
- El conocimiento técnico de los tres veteranos está capturado, estructurado y accesible para todo el equipo.
- Los operarios nuevos resuelven el 80% de las dudas técnicas sin necesitar supervisión.
- El tiempo de consolidación del informe semanal pasó de 2-3 horas a 0 minutos.
- Cero incidencias de seguridad de datos — ninguna información de la empresa ha abandonado el servidor.
Lo que tienen en común estos dos casos
Una clínica y una fábrica. Sectores distintos, tamaños distintos, problemas distintos. Pero la misma lógica de fondo.
En los dos casos, el mayor activo de la empresa era su conocimiento interno — clínico en un caso, técnico en el otro. Y ese conocimiento estaba en riesgo: disperso, desactualizado o a punto de jubilarse.
En los dos casos, la solución no fue conectar a una IA externa y esperar que aprendiera sola. Fue capturar el conocimiento, estructurarlo y construir un sistema que lo preserve y lo haga accesible sin que salga nunca de la organización.
Esa es la diferencia entre implementar IA y diseñar un organismo digital que crece con la empresa.
¿Tu empresa tiene conocimiento interno que está en riesgo? ¿Procesos que dependen de personas concretas? Hablamos. Primera conversación sin coste en simbion.digital