¿Qué significa interoperabilidad entre un agente de IA y los sistemas de la empresa?
Interoperabilidad significa que el agente puede leer datos y ejecutar acciones en SAP, SharePoint o Dataverse con la identidad y los permisos correctos, y con un registro de lo que hizo. Según Gartner, citado por Touch Consulting en su guía de agentes empresariales (2026), el 40% de las aplicaciones empresariales integrará agentes especializados hacia fines de 2026, frente a menos del 5% poco antes.
Ese salto convierte la integración en el cuello de botella. Un agente que conversa bien pero no puede consultar una orden de compra en SAP ni leer el procedimiento vigente en SharePoint es un chatbot con mejor redacción.
La interoperabilidad real tiene cuatro capas, y cada una falla por motivos distintos:
- Conectividad: el agente alcanza el sistema (red, gateway on-premises, endpoint expuesto).
- Semántica: el agente entiende qué significa cada campo (un “centro” en SAP no es una “sede” en SharePoint).
- Identidad y permisos: el agente actúa como el usuario o como una cuenta de servicio con alcance acotado.
- Trazabilidad: cada lectura y escritura queda registrada para auditoría.
Los datos muestran que la mayoría de las guías de mercado se concentran en la primera capa. En la experiencia de Muze, los proyectos se traban en la segunda y la tercera: el agente se conecta en días, pero definir qué puede tocar y con qué identidad toma la mayor parte del diseño.
¿Qué es MCP y qué cambia en la integración de agentes?
MCP es un protocolo abierto que define cómo un modelo de IA descubre y usa herramientas y datos externos mediante un servidor estándar, en vez de una integración a la medida por cada par modelo-sistema. Anthropic lo publicó en noviembre de 2024, y durante 2025 lo adoptaron OpenAI, Microsoft (en Copilot Studio) y otros proveedores de modelos.
Técnicamente, MCP usa mensajes JSON-RPC 2.0 y expone tres primitivas: tools (acciones que el agente puede ejecutar), resources (datos que puede leer) y prompts (plantillas reutilizables). El transporte es local (stdio) o remoto (Streamable HTTP, desde la revisión de la especificación de marzo de 2025).
Crear Software describe MCP como un adaptador universal (2026) que resuelve el problema de integración. La descripción es correcta en conectividad, pero conviene precisar el alcance: MCP estandariza el enchufe, no lo que pasa detrás.
Según la explicación de Databricks sobre el Protocolo de Contexto de Modelo (2025), su valor principal es dar al modelo acceso a datos en tiempo real más allá de su entrenamiento. Eso es exactamente lo que necesita un agente que responde sobre stock, facturas o procedimientos vigentes.
Lo que MCP no resuelve por sí solo:
- Permisos finos: la especificación incorpora autorización basada en OAuth 2.1, pero qué datos ve cada usuario se define en el sistema fuente.
- Calidad de datos: si el maestro de materiales en SAP está duplicado, el agente responderá con duplicados.
- Gobierno de herramientas: un servidor MCP que expone una acción “crear pedido” sin validaciones es un riesgo operativo, no un avance.
Muze AI es miembro del Claude Partner Network de Anthropic, la empresa que creó MCP. Por eso el criterio que aplica parte de la especificación y no del marketing: cada tool expuesta se trata como un permiso, no como una funcionalidad.
¿Cómo se conecta un agente a SAP, SharePoint y Dataverse en 2026?
Cada sistema tiene una ruta de integración preferente en el ecosistema Microsoft. SharePoint se conecta como fuente de conocimiento nativa en Copilot Studio. Dataverse cuenta con conectores nativos y, desde 2025, con un servidor MCP de Microsoft. SAP requiere el conector SAP ERP de Power Platform con un gateway de datos on-premises, o APIs OData en S/4HANA.
| Sistema | Ruta de integración principal | Qué puede hacer el agente | Riesgo principal |
|---|---|---|---|
| SharePoint | Fuente de conocimiento en Copilot Studio; Microsoft Graph | Responder sobre procedimientos, contratos y políticas | Sitios con permisos heredados mal configurados exponen documentos sensibles |
| Dataverse | Conector nativo; servidor MCP de Dataverse | Leer y escribir registros de negocio (casos, activos, clientes) | Roles de seguridad demasiado amplios en la cuenta del agente |
| SAP ECC / S/4HANA | Conector SAP ERP vía gateway on-premises (RFC/BAPI); OData | Consultar órdenes, stock y estado de pagos; crear documentos acotados | Escrituras sin validación de negocio; carga sobre el sistema productivo |
| ERP local (Softland, Defontana) | API REST del proveedor o capa intermedia con Power Automate | Consultas contables y de facturación | APIs con cobertura parcial; lógica de negocio fuera del ERP |
| Servicios externos (SII, SERNAPESCA) | Flujo de Power Automate o servicio intermedio | Preparar y validar envíos regulatorios | Cambios de formato del regulador sin aviso |
En SharePoint, el factor decisivo es la autenticación. Si el agente en Copilot Studio usa la identidad del usuario, cada persona solo obtiene respuestas de documentos que ya puede abrir. Si usa una cuenta de servicio, el agente puede filtrar información que el usuario no debería ver.
En SAP, el conector de Power Platform requiere el SAP .NET Connector y un gateway de datos on-premises. Es la ruta habitual para ECC instalado localmente. Para el detalle de esa arquitectura en planta, Muze documentó cómo conectar Copilot Studio con un ERP legado como SAP o Softland.
Dataverse cumple un rol distinto: suele ser la capa intermedia donde el agente escribe. En vez de dejar que el agente cree documentos directamente en SAP, se registra la solicitud en Dataverse y un flujo de Power Automate con reglas de negocio la traspasa al ERP.
Ese patrón de capa intermedia es el que reduce errores de traspaso. En los proyectos de Muze AI, la automatización de la digitación entre sistemas ha bajado en 80% los errores de digitación.
¿Cuándo conviene MCP y cuándo un conector nativo o una API propia?
MCP conviene cuando el mismo conjunto de herramientas lo van a usar varios agentes o varios modelos, por ejemplo un agente en Copilot Studio y otro sobre Claude o GPT. El conector nativo conviene cuando todo el agente vive en Power Platform y el conector ya cubre la operación. La API propia queda para lógica que ningún conector expone.
| Criterio | Conector nativo de Power Platform | Servidor MCP | API o servicio propio |
|---|---|---|---|
| Agentes en un solo ecosistema (Microsoft) | Primera opción | Opcional | Solo si falta cobertura |
| Varios modelos o plataformas de agentes | Limitado | Primera opción | Posible, con más mantenimiento |
| Operaciones de escritura críticas (pedidos, pagos) | Con flujo de validación | Con tools acotadas y aprobación humana | Recomendable si hay reglas complejas |
| Gobierno y DLP corporativo | Políticas DLP de Power Platform nativas | Debe diseñarse en el servidor y el gateway | Debe diseñarse a la medida |
| Mantenimiento | Lo asume Microsoft | Lo asume quien opera el servidor | Lo asume quien lo construyó |
La fila de mantenimiento es la que suele subestimarse. Un servidor MCP propio es software en producción: hay que monitorearlo, versionarlo y ajustarlo cuando cambia la API del sistema que envuelve.
“MCP no elimina la integración, la traslada. Antes cada agente tenía su conexión a SAP; ahora hay un servidor MCP que alguien tiene que operar, asegurar y actualizar. Si nadie es dueño de ese servidor, el problema solo cambió de lugar.” — Marco Chávez, Fundador de Muze AI.
Esa pregunta, quién opera el servidor después de la salida a producción, define si el proyecto se sostiene. La automatización gestionada de Muze existe para ese caso: Muze monitorea flujos y agentes en producción, resuelve incidencias y ajusta cuando cambia el proceso, dentro del tenant Microsoft 365 del cliente.
¿Qué exige la regulación chilena a un agente conectado a datos empresariales?
La Ley 21.719 de protección de datos personales, que entra en vigencia en diciembre de 2026, exige base de licitud, minimización y seguridad para cualquier tratamiento de datos personales, incluido el que hace un agente. Un agente con acceso amplio a SharePoint o a un maestro de clientes en SAP es tratamiento de datos en el sentido de la ley.
Como la ley todavía no se aplica, nadie tiene experiencia de fiscalización con ella. Lo que sí se puede hacer es diseñar con criterios que la ley ya hace explícitos:
- Mínimo privilegio: cada tool MCP o acción del agente expone solo los campos necesarios. Un agente de cobranza no necesita la ficha médica de un trabajador.
- Identidad delegada: cuando sea posible, el agente actúa con los permisos del usuario, no con una cuenta de servicio con acceso total.
- Registro de acciones: cada consulta y escritura queda en un log consultable, en Dataverse o en el sistema de auditoría de Microsoft Purview.
- Datos dentro del tenant: el procesamiento ocurre en el entorno Microsoft 365 del cliente, sin copias en servicios externos no evaluados.
Los sectores regulados suman exigencias propias. En salmonicultura, los reportes a SERNAPESCA y a la SMA combinan datos de varias plataformas y tienen plazos fijos. Muze AI construyó la reportería SERNAPESCA para una de las cinco salmoneras más grandes del mundo, donde la trazabilidad de cada dato hasta su fuente fue un requisito de diseño, no un agregado.
Ese tipo de automatización regulatoria ha reducido en 60% el tiempo de preparación de informes de compliance en proyectos de Muze. El detalle del enfoque está en la página de compliance regulatorio.
¿Cuánto cuesta y cuánto tarda conectar un agente a sistemas empresariales?
Según los precios de lista de Muze AI, un agente que responde consultas sobre documentos internos en un canal cuesta entre 330 y 445 UF + IVA y toma de 3 a 5 semanas. Un proceso conectado al ERP, como cierre contable y conciliación, cuesta entre 530 y 715 UF + IVA y toma de 5 a 7 semanas.
Ningún proyecto parte bajo 135 UF. Los rangos no incluyen licencias de Microsoft ni el costo por uso de IA, que depende del volumen de consultas. El estimador de costos de implementación de IA permite ajustar el alcance.
El costo crece con tres variables, en este orden:
- Número de sistemas fuente: cada sistema adicional suma conectividad, mapeo semántico y pruebas.
- Operaciones de escritura: leer es más barato que escribir, porque escribir exige validaciones y aprobaciones.
- Estado de los datos: un maestro limpio en SAP acorta el proyecto; uno duplicado lo alarga.
Una secuencia que reduce riesgo es partir con lectura y avanzar a escritura:
| Fase | Alcance | Sistemas típicos | Resultado verificable |
|---|---|---|---|
| 1. Consulta | El agente lee y responde, sin escribir | SharePoint, Dataverse | Respuestas citando el documento o registro de origen |
| 2. Acción asistida | El agente propone; una persona aprueba | Dataverse + Power Automate | Registro de propuestas aprobadas y rechazadas |
| 3. Acción con reglas | El agente ejecuta dentro de límites definidos | SAP, ERP local vía capa intermedia | Log de cada escritura con usuario y regla aplicada |
| 4. Multiagente / MCP | Varias plataformas comparten herramientas | Servidores MCP gobernados | Catálogo de tools con dueño y versión |
Según McKinsey, citado por tenea.ai (2026), los equipos que usan agentes recuperan más de 40 horas mensuales en tareas rutinarias. En los proyectos de Muze, la automatización de tareas manuales ha superado las 3.000 horas anuales ahorradas y entre 15% y 40% de ahorro en costos operativos directos.
Para evaluar a quién encargar la integración, sirve exigir pruebas concretas antes de firmar. Muze resumió qué debe demostrar quien implementa IA agéntica en una empresa chilena: stack nombrado, un caso en producción y un plan de operación posterior.
Cierre
La interoperabilidad entre agentes y sistemas empresariales en 2026 ya no depende de si existe un conector, sino de quién define los permisos, quién valida las escrituras y quién opera la integración después de salir a producción. MCP ordena el enchufe; el gobierno sigue siendo trabajo de diseño.
Si su empresa evalúa conectar un agente a SAP, SharePoint o Dataverse, el diagnóstico IA gratuito en muze.cl identifica qué proceso conviene partir, qué sistemas toca y qué ruta de integración aplica en su caso.
