¿Qué es el rastreo de decisiones de IA?
El rastreo de decisiones es la práctica de capturar el razonamiento completo detrás de cada decisión de agente de IA como artefactos estructurados y auditables. A diferencia de los registros de ejecución que registran lo que sucedió, los rastros de decisiones registran por qué sucedió: las opciones consideradas, la evidencia consultada, los argumentos sopesados y la justificación seleccionada. AIAgentree implementa el rastreo de decisiones a través de Paquetes de Decisión: registros sellados que contienen la proposición, el árbol de argumentos, instantáneas de evidencia, la justificación seleccionada y el seguimiento de resultados. El rastreo de decisiones permite el cumplimiento de los Artículos 12-14 de la Ley de IA de la UE, apoya los Tres Modos de Confianza (Humano-en-el-Circuito, Humano-sobre-el-Circuito, Autonomía Total) y crea memoria institucional a través de precedente-como-infraestructura. La arquitectura distingue relaciones normativas (apoya/se opone) de relaciones descriptivas (menciona/relacionado con), haciendo que el razonamiento de IA sea consultable, comparable y citables.
La mayoría de las organizaciones confunden registro (lo que hizo el agente) con rastreo de decisiones (lo que se decidió y por qué). La distinción es importante porque la regulación, la gobernanza y la memoria institucional dependen de lo último.
- •Los registros documentan eventos de ejecución: llamadas a la API, latencia, errores
- •Rastros de decisión capturan el razonamiento estructurado — opciones, evidencia, justificación, resultados
- •Paquetes de Decisión son artefactos sellados que los auditores pueden consultar y reproducir.
- •El precedente surge automáticamente de decisiones estructuradas — memoria institucional como infraestructura
Un regulador acaba de solicitar las últimas 100 decisiones que tomó tu IA.
Tienes 30 días para responder. ¿Qué es lo que realmente tienes?
La Tesis Original, Reformulada
Las decisiones de IA merecen recibos. El registro no es responsabilidad. La cadena de pensamiento no es la verdad fundamental.
Estas afirmaciones siguen siendo ciertas. Pero son incompletas.
La pregunta "¿Por qué deberíamos capturar decisiones?" tiene una respuesta obvia: cumplimiento, responsabilidad, depuración. La pregunta más difícil es: "¿Qué sucede cuando lo hacemos?"
La respuesta es inesperada: la memoria institucional se vuelve automática. No como una característica que construyes encima. No como un módulo que añades más tarde. Como una consecuencia natural del modelo de datos.
Lo que realmente significa "Decisión"
Una decisión no es la salida del modelo. No es la respuesta de la API. No es el valor de retorno de la función.
Una decisión es un artefacto estructurado que contiene:
- •Proposición — lo que se estaba decidiendo (aprobar préstamo #1234)
- •Pruebas ponderadas — hechos consultados, congelados en el momento de la decisión
- •Alternativas consideradas — opciones evaluadas y rechazadas
- •Razonamiento seleccionado — qué argumentos sustentaron la decisión
- •Resultado registrado — lo que sucedió después (inmediato, 6 meses, 1 año)
Esto es lo que AIAgentree llama un Paquete de Decisión — un registro sellado e inmutable que los auditores pueden consultar, reproducir y citar.
Lo que los registros no te dicen
| Registro de Ejecución | Rastro de Decisión |
|---|---|
aprobar_prestamo(id_solicitud=1234, puntaje=0.87) | Proposición: Aprobar préstamo #1234 PRO: Verificación de ingresos aprobada (peso: 0.92) PRO: 3 años de historial laboral (peso: 0.85) CON: Puntaje de crédito por debajo del umbral (peso: 0.78) EXCEPCIÓN: Excepción manual aprobada por el Sr. Analista Justificación: La estabilidad laboral supera la preocupación crediticia Resultado (6 meses): 0 pagos atrasados |
| Lo que sucedió. Cuándo sucedió. Cuánto tiempo tomó. | Por qué se decidió. Qué se consideró. Qué sucedió después. |
El registro te dice que el préstamo fue aprobado. La traza te dice por qué fue aprobado a pesar de la preocupación por el puntaje de crédito, quién autorizó la excepción y si esa decisión resultó bien.
Los Dos Primitivos
Todo el sistema de trazado de decisiones se basa en dos primitivas:
Primitivo 1: Registro Duradero de Razonamiento
No "lo que dijo el modelo." Un gráfico de argumento estructurado con afirmaciones, relaciones (apoya/opone), referencias de evidencia y jerarquía.
Primitivo 2: Registro Duradero de Resultados
No "el modelo devolvió 200 OK." Un registro de decisión sellado con resultado, argumentos de razonamiento, tomador de decisiones y seguimiento a tres horizontes.
Una vez que tienes ambos, el precedente ya no es algo que "recuerdas." Se convierte en algo que puedes consultar, comparar y citar.
Por qué lo normativo supera a lo descriptivo
Los gráficos de contexto almacenan relaciones descriptivas: "relacionado con", "menciona", "pertenece a". Los gráficos de argumentos de decisión almacenan relaciones normativas: "apoya", "se opone".
La distinción es fundamental:
- •Descriptivo: "Este ticket menciona a este cliente"
- •Normativa: "Esta evidencia apoya la aprobación porque demuestra un historial de pagos consistente"
La estructura normativa permite la explicabilidad, la gobernanza y el precedente. La estructura descriptiva permite la búsqueda y el descubrimiento. Ambos son valiosos. Solo uno permite el juicio institucional.
Cómo surge el precedente (mecánicamente)
El volante
El agente genera un árbol de argumentos a favor y en contra.
Los humanos aprueban/rechazan + seleccionan argumentos racionales
La decisión está sellada → el expediente del caso está congelado
Próxima decisión: el agente busca y cita ese caso.
El precedente se convierte en un nodo de argumento en el nuevo caso.
La organización construye una biblioteca de patrones de "cómo decidimos".
Los patrones permiten una automatización segura (autonomía impulsada por precedentes)
Obtienes memoria institucional como un subproducto del uso normal, no como una iniciativa separada.
De Almacenado a Recuperable: Decisiones como un Grafo
Capturar decisiones es solo la mitad del valor. La otra mitad es recuperarlas — y ahí es donde el modelo de datos justifica su existencia. Debido a que cada decisión se almacena como un gráfico de argumentos normativos (reclamaciones conectadas por bordes de apoya/se opone), se convierte en un sustrato de recuperación de primera clase, no solo en un archivo.
Apunte una búsqueda de vector a registros en bruto y obtendrá "sopa de fragmentos": fragmentos desconectados que citan una conclusión pero omiten el contraargumento, el aprobador y el precedente. Recupere del gráfico de decisiones en su lugar y obtendrá un Paquete de Decisión limitado: la proposición, el razonamiento a favor y en contra, la evidencia y el resultado, intactos. Esto es GraphRAG para decisiones de IA — la razón por la que el precedente es algo que puede consultar y citar, no solo algo que espera recordar. (Más sobre el sustrato de recuperación: qué es la recuperación de decisiones.)
Los Tres Modos de Confianza
Las empresas no entregan decisiones a la IA de la noche a la mañana. Progresan a través de modos:
Humano-en-el-ciclo
El agente asiste, el humano decide. El agente genera razonamiento; un humano toma la decisión final.
Humano-en-el-circuito
El agente decide, el humano supervisa. El agente toma decisiones; un humano puede revisar y anular.
Autonomía total
El agente decide, los humanos auditan periódicamente. Existe suficiente precedente para justificar la operación autónoma.
La progresión del modo es basada en evidencia: confianza ≥ 95%, precedentes similares ≥ 5 con resultados consistentes, patrón establecido y validado. Esto no es "confía pero verifica." Esto es "verifica, luego confía, luego sigue verificando."
Lo que esto significa para la pila de IA empresarial
STACK DE CONTEXTO EMPRESARIAL
- •CAPA C: DELIBERACIÓN — ¿POR QUÉ se decidió esto? Pros y contras, citas de precedentes, procedencia de la evidencia
- •CAPA B: LINAE DE DECISIÓN — ¿QUÉ se decidió? Resultado, confianza, políticas evaluadas, aprobaciones
- •CAPA A: CONTEXTO OPERATIVO — ¿QUIÉN/QUÉ está involucrado? Entidades, relaciones, estado temporal (CRM, ERP)
La mayoría de los equipos construyen A. Algunos construyen B. Casi nadie construye C bien. AIAgentree proporciona C.
Tres formas de conectarse: el SDK es solo una.
El seguimiento de decisiones no es un compromiso de consultoría de 6 meses — y no requiere nuestro SDK. Hay tres formas de conectarse:
- •MCP (nativo del agente) — el ciclo de vida completo como herramientas, de principio a fin: crear un rastro, registrar el razonamiento, sellar la decisión (
create_trace,append_events,seal_decision) y recuperar inmediatamente el Paquete de Decisión (get_packet,search_precedents) — sin biblioteca que instalar - •API REST — cualquier lenguaje, cualquier tiempo de ejecución, cero dependencias (el SDK es un envoltorio delgado sobre estos puntos finales)
- •SDK (Python / TypeScript) — la opción ergonómica, con auto-extracción de razonamiento a partir de la salida de tu agente
La ruta del SDK es la más corta de escribir: un rastro de decisión en unas diez líneas.
from aiagentree import AgentreeClient
client = AgentreeClient(api_key="ask_...", base_url="https://api.aiagentree.com", tenant_id="acme")
# Trace your agent's decision point
trace = client.start_trace(
agent_id="discount-agent",
workflow_id="discount_approval",
entity_type="request",
entity_id="4521",
)
trace.add_input("discount", 0.18, source="crm")
trace.add_step("s1", title="SEV-1 incident yesterday", category="evidence", confidence=0.9)
trace.add_step("s2", title="Customer flagged as churn risk", category="evidence", confidence=0.85)
trace.add_step("s3", title="Exceeds standard 15% threshold", category="risk", confidence=0.7)
trace.seal("d1", action="approved", confidence=0.9)El rastro está sellado, fechado y es consultable. Cuando llegue la próxima solicitud similar, ese precedente será recuperable y citabile.
El Ángulo de Cumplimiento
La Ley de IA de la UE establece requisitos específicos para los sistemas de IA de alto riesgo:
- •Artículo 12 — Registro automático que permite la trazabilidad de decisiones e identificación de riesgos
- •Artículo 13 — Transparencia y provisión de información a los desplegadores y usuarios
- •Artículo 14 — Medidas de supervisión humana que permiten la intervención y la comprensión
Las huellas de decisión satisfacen estos requisitos al capturar el razonamiento estructurado, la procedencia de la evidencia, las acciones de supervisión humana y los registros de resultados, en un formato que los reguladores pueden consultar y entender.
Plazo de diciembre de 2027: Los sistemas de IA de alto riesgo bajo el Anexo III deben cumplir con los requisitos de registro y trazabilidad. Si sus agentes de IA toman decisiones sobre crédito, empleo, educación o atención médica, el tiempo corre.
Lo que el seguimiento de decisiones NO resuelve
El seguimiento de decisiones se sitúa encima de el contexto operativo. No reemplaza:
- •Sistemas CRM/ERP — todavía necesitas tus sistemas de registro
- •Herramientas de observabilidad — LangSmith, W&B, Arize aún monitorean la salud del modelo
- •Resolución de identidad — aún necesitas vinculación de entidades entre sistemas
Estas herramientas resuelven diferentes problemas en diferentes capas. AIAgentree captura el único artefacto que todos necesitan pero que ninguno ha almacenado históricamente: la decisión misma.
Cómo empezar
Identifica tus puntos de decisión de alto riesgo
¿Qué decisiones de los agentes afectan a los clientes, el cumplimiento o los ingresos? Comienza por ahí.
Integra el SDK de 10 líneas
Envuelve tu lógica de agente existente con captura de trazas. No se requiere reescritura.
Responde a la pregunta del regulador.
Elige un agente y pregunta: "Si un regulador pidiera las últimas 100 decisiones, ¿podría responder?"
Preguntas Frecuentes
¿Qué es el seguimiento de decisiones para agentes de IA?
El seguimiento de decisiones captura el razonamiento completo detrás de cada decisión de IA: las opciones consideradas, la evidencia consultada, los argumentos sopesados y la justificación seleccionada, como artefactos estructurados y auditables llamados Paquetes de Decisión. A diferencia de los registros que documentan lo que sucedió, los rastros de decisiones registran por qué sucedió.
¿Cómo se diferencia el seguimiento de decisiones del registro o la observabilidad?
Los registros documentan eventos de ejecución (llamadas a la API, latencia, errores). Las herramientas de observabilidad monitorean la salud del sistema. El seguimiento de decisiones captura la estructura normativa del razonamiento: qué argumentos apoyaron u opusieron una decisión, qué evidencia se citó y qué razonamiento llevó al resultado. Es la diferencia entre saber 'préstamo aprobado' y saber 'por qué se aprobó este préstamo a pesar de la preocupación por el puntaje de crédito.'
¿Qué es un Paquete de Decisión?
Un Paquete de Decisión es el artefacto central de AIAgentree: un registro sellado e inmutable que contiene la proposición (lo que se decidió), el árbol de argumentos (razonamiento a favor/en contra), instantáneas de evidencia (congeladas en el momento de la decisión), la justificación seleccionada (qué argumentos sustentaron la decisión) y el seguimiento de resultados (lo que sucedió después). Es todo lo que un regulador o auditor necesita para entender y reproducir una decisión.
¿Cómo ayuda el seguimiento de decisiones con el cumplimiento de la Ley de IA de la UE?
Los Artículos 12-14 de la Ley de IA de la UE exigen que los sistemas de IA de alto riesgo mantengan registros que permitan la trazabilidad de las decisiones. Las trazas de decisiones satisfacen estos requisitos al capturar el razonamiento estructurado, la procedencia de la evidencia, las acciones de supervisión humana y los registros de resultados, en un formato que los reguladores pueden consultar y entender.
¿Cuáles son los Tres Modos de Confianza en la gobernanza de la IA?
Los Tres Modos representan una progresión: Modo 1 (Humano en el Bucle) donde los agentes asisten pero los humanos deciden; Modo 2 (Humano sobre el Bucle) donde los agentes deciden con supervisión humana; Modo 3 (Autonomía Total) donde los agentes deciden con auditorías periódicas. La progresión entre modos se basa en evidencia, impulsada por puntajes de confianza, consistencia de precedentes y seguimiento de resultados.
¿Cómo funcionan los precedentes en el seguimiento de decisiones?
Cuando las decisiones se capturan como artefactos estructurados, el precedente surge automáticamente. Las decisiones pasadas similares se pueden recuperar por categoría, referencias de entidades, etiquetas de argumentos o restricciones de políticas. Estos precedentes se convierten en nodos de argumento de primera clase en nuevas decisiones: pueden ser citados, desafiados o anulados como cualquier otra razón. La memoria institucional se acumula con cada decisión.
¿Cuánto tiempo se tarda en integrar AIAgentree?
Puedes conectarte de tres maneras: a través de MCP como herramientas nativas de agente (sin SDK, sin biblioteca), la API REST (cualquier lenguaje, cero dependencias) o el SDK de Python/TypeScript (unas diez líneas, con auto-extracción de razonamiento). Todo el ciclo de vida — crear un rastro, registrar el razonamiento, sellar la decisión y recuperar inmediatamente el Paquete de Decisión — funciona solo sobre MCP, de extremo a extremo, sin ninguna biblioteca. No hay un compromiso de consultoría de 6 meses; es una capa de infraestructura que agregas a tu pila de agentes existente.
Temas Relacionados
Artículos Relacionados
GraphRAG para decisiones de IA: por qué los gráficos superan la búsqueda vectorial para la memoria del agente
El vector RAG sobre registros devuelve "sopa de fragmentos" — fragmentos de texto desconectados que carecen de los contraargumentos, aprobaciones y precedentes que hicieron que una decisión fuera defendible. Cuando las decisiones se almacenan como un gráfico de argumentos normativos, la recuperación devuelve en su lugar un Paquete de Decisión limitado y auditable.
Artículo 6 de la Ley de IA de la UE: Lo que significa la clasificación de alto riesgo para sus agentes de IA
El artículo 6 de la Ley de IA de la UE determina si su sistema de IA es "de alto riesgo" — y activa los requisitos obligatorios de auditoría. Si sus agentes toman decisiones sobre crédito, empleo, educación o atención médica, necesita entender la clasificación del Anexo III antes de diciembre de 2027.
¿Qué es un rastro de auditoría de decisiones?
El contraparte de decisiones humanas a los recibos de IA: un registro completo y revisable de quién decidió qué y por qué.
Equipo de AIAgentree
Gobernanza de IA
El equipo de AIAgentree está construyendo infraestructura de rastreo de decisiones para agentes de IA. Nuestra misión es hacer que el razonamiento de IA sea visible, auditable y mejorable.
¿Listo para rastrear tus decisiones de IA?
Comienza a capturar rastros de decisiones hoy. Nivel gratuito disponible — no se requiere tarjeta de crédito.
Comienza Prueba Gratuita