IA integrada en la plataforma, no añadida después: servidores MCP que dan a los asistentes acceso seguro y con permisos a los datos y acciones de un producto, pipelines de agentes que redactan, revisan y publican tras puertas de aprobación humana, e integraciones con los proveedores de modelos que el caso de uso realmente necesita. Un cliente de IA se trata como cualquier otro cliente del backend, autenticado, con alcance definido y auditado. La prueba es un servidor MCP vivo, funcionando en producción contra una plataforma real.
Los asistentes olvidan entre sesiones, y cada proveedor guarda su historial con una forma propia, así que el conocimiento ganado en una conversación no está disponible en la siguiente. Construimos la fontanería que lo resuelve: servidores MCP que exponen conocimiento, contenido y herramientas a cualquier asistente, y un centro de memoria que normaliza las sesiones de varios proveedores en un único almacén consultable. Ninguno de los problemas difíciles aquí fue un problema de prompts. Fueron problemas de sistema: diseño de esquemas entre formatos de sesión incompatibles, aislamiento entre ámbitos, seguridad de herramientas y un modelo de aprobación para todo lo que escribe. Funciona sobre hardware propio, así que nada sale del edificio.
Las apps de la plataforma, donde trabajen los usuarios: React Native y Expo para iOS y Android, publicadas en ambas tiendas, y Electron con React para el trabajo que vive en el escritorio, listas para funcionar sin conexión y empaquetadas para Windows, macOS y Linux. La app nunca es un producto aparte, es una superficie de la plataforma, conectada al mismo backend, la misma autenticación y el mismo modelo de datos que cualquier otro cliente, y publicada con la misma cadencia.
Frontends web construidos con React, Next.js y Tailwind contra un CMS headless: renderizados en servidor, localizados, estructurados tanto para buscadores como para crawlers de AI. La misma disciplina para un sitio de marketing que para la cara web de una plataforma multi-tenant: rendimiento medido, contenido modelado, despliegues automatizados.
La infraestructura debajo de las plataformas: clústeres de Kubernetes en hardware propio o en la nube, servicios en Docker, CI/CD que entrega con cada push, TLS automatizado, monitoreo, backups programados y cutovers sin downtime. La prueba es una migración de producción fuera de la nube gestionada sin un minuto de caída registrado.
Una plataforma llevada de la arquitectura a los primeros clientes: el modelo de datos, el backend, las superficies, el pipeline de despliegue y la disciplina de operación, delimitada para que el MVP sea una rebanada fina del sistema real y no algo desechable. Construida para sobrevivir al crecimiento que espera.
El trabajo alrededor de la plataforma: diseño UI/UX, construcciones de CMS headless en Strapi, integraciones con APIs de terceros, revisiones de arquitectura y alcance técnico previo a la construcción. Piezas más pequeñas, con el mismo estándar, porque son las que mantienen coherente una plataforma.