El cerebro que le faltaba a tu IA. Todo el know-how de tu empresa en un solo cerebro.
Tu agente de IA sabe programar, pero no conoce tu empresa: el porqué de cada decisión está repartido en código, tickets, chat y reuniones. Brain lo une en una base en tu infraestructura, con las herramientas y los controles para que tu agente la consulte. Cada fragmento llega con la referencia de su fuente.
Versión 0.4.14 · destilado de una implementación en producción en una fintech de 4 años.
Se conecta a todos los sistemas de tu empresa: GitHub, Jira, Slack, Confluence, Google Drive, grabaciones de reuniones, CRM, KYC, firma digital, Google Analytics, Google Ads, Meta Ads, email marketing, notificaciones push, nube, Google Workspace, Figma, Clarity y más.
decidió esto?
Qué resuelve
Diez problemas que tiene casi cualquier empresa.
Se va alguien clave y se lleva lo que sabía
Los archivos quedan. El porqué de cada decisión se va con la persona.
Nadie sabe por qué se decidió algo
La respuesta está repartida entre chats, reuniones, documentos, tickets, herramientas y sistemas.
Todo depende de quién esté ese día
La misma pregunta se responde distinto, o no se responde.
Pagás cosas que nadie usa
Servicios y licencias que siguen cobrando porque nadie cruzó los datos.
La IA inventa sobre tu empresa
Responde con seguridad lo que no sabe, y no hay forma de comprobarlo.
Alguien nuevo tarda meses en rendir
Aprende preguntando a quien tenga tiempo de explicarle.
Tareas manuales que se repiten
Personas con años de experiencia dedicadas a trabajo repetitivo que se podría automatizar.
Se decide por impresión
Conclusiones y decisiones basadas en suposiciones, no en datos duros.
No queda tiempo para mejorar
El equipo vive apagando incendios: nadie detecta qué se puede automatizar ni sabe por dónde empezar.
La competencia ya va más rápido
Quien trabaja con IA baja sus costos operativos y lo traslada al precio.
Brain no reemplaza a tu equipo. Reemplaza la dependencia de que alguien se acuerde, y potencia a tu equipo.
La IA sola
Un agente razona bien sobre lo que tiene delante. Sin una memoria con fuentes, sobre tu empresa falla de ocho maneras conocidas.
Brain no vuelve infalible a la IA. Hace que sus errores se vean, y que las correcciones no se pierdan.
La IA ve solo lo que le pegás en el chat: un archivo, un error, una pregunta.
Puede consultar todo lo que tu empresa ya escribió, y trae lo que hace falta para cada pregunta.
Qué es
La memoria de tu empresa, y los controles que la hacen auditable. A los agentes les falta la historia: qué se pidió, qué se discutió y qué se decidió. Brain se la da, con la fuente de cada parte.
Una base que se arma con tus fuentes, un servidor que la expone a tu agente y un conjunto de reglas que frenan lo que no debe pasar. No es otra aplicación: se instala en la IA que ya usás.
Un modelo propio
No se entrena nada. El que razona es tu agente de IA, con tu cuenta.
Un buscador
Cruza fuentes con razonamiento, mantiene el contexto de tu empresa y dice de dónde sacó cada parte de la respuesta.
Un chatbot con tus documentos
Además de responder, frena lo que no debe pasar y deja rastro de cada respuesta.
Un reemplazo de tu equipo
Potencia a las personas: las decisiones siguen siendo de ellas.
no una pila
Qué es un corpus
La palabra que más se repite en este sitio.
Del latín corpus, «cuerpo». En español es un doblete de cuerpo, y no cambia en plural: los corpus (wiktionary).
- En el derecho
- El Corpus iuris civilis, «cuerpo de derecho civil», reunió el derecho romano en una sola obra consultable, bajo el emperador bizantino Justiniano, entre 529 y 534 (es.wikipedia).
- En lingüística
- Un conjunto de textos reales, reunidos y ordenados para estudiar cómo se usa una lengua.
- En inteligencia artificial
- Los textos sobre los que trabaja un modelo. Muchas veces, los que se usan para entrenarlo.
- En Brain
- Todo lo que tu empresa ya escribió —tickets, código, chat, reuniones, documentos— reunido en un solo cuerpo de evidencia. No se usa para entrenar al modelo: se consulta, y cada respuesta dice de qué parte salió.
Se dice corpus y no «archivos» porque no es una pila: es un cuerpo, con partes que se tocan. El ticket explica el commit, la minuta explica el ticket, y el chat explica por qué se descartó la otra opción.
La tesis
No hace falta que la IA diga siempre lo mismo. Hace falta poder comprobar lo que dijo.
Ningún modelo es determinista y Brain no lo intenta: cambia dónde vive la verdad que usa, en documentos indexados con su cita al lado. Lo que aporta es auditabilidad.
Tu agente de IA es el desarrollador que llega sabiendo programar, pero sin saber nada de tu sistema. Brain es lo que ese desarrollador leería en sus primeros seis meses, si estuviera escrito, junto, y fuera cierto.
Tocá IA con Brain para ver la diferencia.
Ejemplo ilustrativo con datos inventados.
| Auditabilidad | IA sin Brain | IA con Brain |
|---|---|---|
| De dónde sale un dato | De lo que el modelo recuerda o de lo que se pegó en ese chat | De un documento indexado, con su cita al lado |
| Si algo es cierto o solo una idea | No hay forma de saberlo desde la respuesta | Los documentos pueden marcarse como propuestos o aprobados |
| Si la respuesta cambia mañana | Nadie lo nota | Se mide: la misma pregunta se vuelve a evaluar contra el corpus vigente |
| Cómo se comprueba | Hay que confiar en el modelo | Se abre el archivo que cita y se lee |
| Si el modelo se equivoca | Queda en el texto, sin rastro | El hallazgo se anota y queda buscable para la próxima consulta |
fuente para todos
Para toda la empresa
Cada área le pregunta lo suyo, con la cita de cada respuesta.
Dirección
¿Por qué decidimos cambiar de proveedor el año pasado?
Operaciones
¿Cuál es el procedimiento real para dar de alta a un cliente?
Finanzas
¿Qué servicios seguimos pagando que nadie usa?
Comercial
¿En qué paso del proceso se nos caen los clientes?
Tecnología
¿Qué se rompe si tocamos este servicio?
Legal
¿Qué condiciones firmamos con este proveedor?
Más allá del código
Nació para equipos técnicos. Rinde más en producto y tecnología, donde trabajan todas sus herramientas. El mismo cruce de fuentes ya resuelve preguntas de negocio con los datos de todas las plataformas comerciales.
Preguntas de negocio, en el caso
- Auditar el gasto de nube recurso por recurso
- Encontrar licencias y servicios que se seguían pagando sin uso
- Cruzar contratos, firmas y pagos para ver dónde se traba un circuito
- Leer el embudo comercial con datos que la empresa ya tenía y nadie había unido
- Todos los servicios del negocio conectados: CRM, firma digital, publicidad, analítica, correo, notificaciones, nube y más
Producto y tecnología
Código, tickets, PRs, chat y reuniones del equipo. Es donde sus herramientas aportan y donde están medidos los resultados del caso.
Por la clave que ya usa tu empresa
Brain une las fuentes por el identificador que aparece en todas: un ticket, un expediente, un cliente, un contrato. Una entrevista inicial muestra qué información hay y cómo se cruza.
Empieza pequeño
Una sola área o una sola fuente alcanza para probarlo; después se suma el resto.
una persona aprueba
En desarrollo
Donde más se evidencia: tu equipo de tecnología.
Entender lo heredado
Lo que construyó un proveedor que ya no está, explicado con sus tickets y sus cambios.
Estimar con datos propios
Cuánto tardó algo parecido, cuántos sistemas tocó, cuánta gente hizo falta.
Entregar más, con control
La IA prepara el cambio. Una persona lo revisa y lo aprueba: siempre hay un ser humano en el loop, aportando su experiencia y su conocimiento para validarlo.
Diagnosticar incidentes
Cuando algo falla, cruza alarmas, despliegues, tickets y cambios para llegar a la causa.
Dónde rinde
Situaciones que casi cualquier empresa reconoce.
Heredaste un sistema de otro
Lo entregado, por fin legible.
Muchos roles, ninguno ve todo
Preguntás una vez y cruza las fuentes.
Te faltan especialistas
Un agente que conoce tu sistema real.
Auditar lo que tenés corriendo
Y saber si algo quedó ahí a propósito.
Cómo funciona
Cinco piezas en fila y un anillo de controles alrededor del agente. Conectores que arrancan leyendo tus sistemas, una base de conocimientos en tu propia infraestructura que se reconstruye desde las fuentes y herramientas acotadas que citan cada fragmento.
Lo que tu empresa ya tiene
Conectores a tus fuentes
Arrancan leyendo. Normalizan, transcriben audio en tu propia máquina y leen imágenes con OCR.
SQLite + texto completo
Un solo archivo. Todo se une por la clave del ticket.
Servidor MCP
Herramientas acotadas: arrancan en solo lectura y, cuando corresponde, se habilitan en escritura para que la IA empiece a gestionar, con una persona aprobando.
Tu agente de IA
Pregunta en lenguaje natural y responde citando.
del agente
Cómo está implementado
Brain no es una aplicación aparte: es un arnés que se instala en tu IA.
Un arnés es todo lo que rodea al modelo y gobierna cómo trabaja: las reglas que lee al empezar, las herramientas que puede usar, los procedimientos que sigue y los controles que lo frenan. Brain se instala dentro de tu agente de IA y le suma cuatro cosas: un servidor MCP con las herramientas de consulta, skills con los procedimientos, reglas que tu agente lee al arrancar y hooks que bloquean lo riesgoso antes de que pase. Eso último es el hardening: endurecer el agente para que lo que no debe ocurrir no dependa de que alguien se acuerde. Tu agente sigue siendo el mismo; con Brain trabaja con la memoria de tu empresa y dentro de esos límites.
Lo que rodea al modelo: reglas, herramientas, procedimientos y controles.
Controles que bloquean la acción riesgosa antes de que ocurra. No avisan: frenan.
Un arnés con memoria para agentes de IA. Se instala en tu IA; no se opera aparte.
No se levanta desde un IDE: se abre tu agente parado en tuproyecto/ y ya está corriendo.
elige cuál usar
Las herramientas
Cada una para un tipo de pregunta. Las reales, con una pregunta de ejemplo.
Historia del código
5explain_change¿Por qué se hizo el cambio de este ticket?find_feature¿Dónde está implementada el alta de usuarios?find_similar_changes¿Hicimos antes algo parecido a esta integración?find_code_area¿Qué parte del código toca los cobros?find_symbol¿Dónde se define esta función?Documentos y archivos
4search_docs¿Qué dice la documentación de arquitectura sobre colas?search_confluence¿Qué quedó en la wiki del proyecto original?search_jira_legacy¿Qué se pidió en la primera etapa sobre firmas?search_media¿Qué se mostró en las grabaciones de pruebas?Conversaciones y decisiones
2search_slack¿Qué se discutió sobre el timeout del proveedor?search_minutas¿Qué se decidió en las reuniones sobre la migración?Operación
3fallos_pipeline¿Por qué falló el pipeline de deploy esta semana?historial_alarma¿Cuántas veces sonó esta alarma y cuánto tardó en recuperarse?alarmas_sin_recuperar¿Qué alarmas siguen sin recuperarse?De cero a consultar
Se instala en minutos. El corpus llevará el tiempo que requiera, según el volumen de la información.
Instalar
~10 minutosUn comando deja la base vacía, el servidor conectado a tu agente y las reglas activas.
Cargar el corpus
según el volumenUn procedimiento guiado carga los documentos solo y te pide acceso a tickets, repositorios y chat, de a una fuente. Lo que más tarda es la red.
Preguntar
desde el primer díaDesde tu agente de IA, en lenguaje natural. Cuando algo no está, lo dice en vez de completarlo.
Dos formas de uso
Se empieza en una máquina. Cuando el equipo necesita la misma memoria, el corpus pasa a un servidor de la empresa.
En tu máquina
Una instalación por persona, con su propio corpus. Es la forma de empezar y de probarlo.
- Instalar lleva minutos: un comando. Cargar y relacionar los datos lleva más, según el volumen, cuán documentados están y cómo se relacionan
- Tu memoria en tu disco: un archivo local, sin servidor ni nube
- Lo tuyo, cruzado: documentos, repos, tickets, chats y reuniones
- Sin claves extra: usa la IA que ya tenés
- Se conecta después al servidor de la empresa, y la memoria propia sigue al lado
- Núcleo probado en Windows y macOS; Linux en integración continua
Un servidor para todo el equipo
Una sola base, cargada una vez, que consulta todo el equipo. No hay duplicidad de datos: todos comparten la misma información centralizada.
- La información, cargada una vez para todos
- Las reglas: lo aprobado separado de lo propuesto
Tickets, código, chat, reuniones, documentos
Las mismas que en la versión local.
Conectores, base y servidor de consulta
Busca y devuelve fragmentos con su fuente. No llama a ningún modelo.
sin IA · sin tokensCómo se alimenta
Los mismos conectores y el mismo procedimiento que la versión local. Para sumar lo nuevo, se vuelven a correr.
Cómo se conecta cada persona
install.py --conectar suma el servidor a su agente; su brain local sigue al lado.
Dónde se gasta la IA
En el agente de cada persona, con su cuenta. El servidor solo busca: sin modelo, sin clave, sin tokens.
Qué está validado
Documentos marcados como propuestos o aprobados, y la cita lo muestra.
Quién entra
Detrás de un túnel o de la red privada; sin token no arranca fuera de la máquina local. Sin permisos por persona.
Qué no cambia
Las mismas herramientas y las mismas citas.
desconfiar de sí mismo
Los controles
Un sistema de conocimiento falla cuando responde con seguridad algo que dejó de ser cierto. Los controles hacen visible ese error.
Cada fragmento con su fuente
Y «no está» distinto de «no pude ver»: una consulta que falló no es una ausencia.
Reglas que bloquean
Borrar datos, enviar en masa o escribir sin bitácora se frena antes de ocurrir.
Controles probados rompiéndolos
Cada verificación se aceptó después de verla ponerse en rojo con el dato roto a propósito.
Verificación en contexto separado
Subagentes que re-miden las cifras desde la fuente, sin ver el razonamiento.
Lo que lee es dato
Lo que sale del corpus entra marcado como evidencia. Mitiga la inyección de instrucciones; no la elimina.
No mergea ni despliega
El agente abre el cambio y una persona lo aprueba.
Los controles se activan en cada máquina
El archivo que los engancha al agente es propio de cada instalación y no se versiona. El instalador los engancha en un paso y, si uno solo apunta a un archivo que no existe, no engancha ninguno: una protección a medias es peor que ninguna.
Los principios
Reglas escritas en código, no en un manual.
Un check que nunca puede fallar no es un check
Cada control se prueba rompiendo el dato a propósito y viéndolo ponerse en rojo.
Nada se borra: se renombra
Ni una tabla ni un archivo. Volver atrás es un renombre, no una restauración.
Toda afirmación lleva cómo se midió
Y si la fuente cambia sola, además cuándo.
La estructura es la política de respaldo
El producto y tus datos no comparten carpeta
| Carpeta | ¿Se respalda? |
|---|---|
data/ lo que entra | sí, lo único irrecuperable |
config/ tu vocabulario | sí |
corpus/ la base | no, se reconstruye |
brain/ el producto | no, se vuelve a clonar |
logs/ | no |
Actualizar es un comando que dice qué cuesta el salto antes de empezar, y tiene vuelta atrás a la versión anterior. La vuelta atrás no toca el corpus, y lo avisa.
a simple vista
Lo que hay adentro
Lo que se ve son las herramientas; detrás hay meses de trabajo. Todo medido sobre el repositorio del producto, versión 0.4.14, el 11 de octubre de 2026.
Los 132 instrumentos, por familia
Cantidad de scripts en la carpeta de instrumentos
Clasificación por el prefijo del nombre de cada script.
Dónde están las 65.874 líneas
Líneas de Python por área del producto
Más 79 líneas de un ejemplo usado en las pruebas de seguridad.
Las 26 skills que trae
Procedimientos que el agente invoca solo cuando el pedido los toca, o que se llaman por nombre. Todas con el prefijo placedium-brain-.
Las del catálogo se cargan solas antes de afirmar, medir, borrar, tocar infraestructura o confiar en un permiso, con los 166 casos que ya pasaron.
La seguridad
Auditado contra OWASP ASVS 5.0, con los «no cumple» a la vista. OWASP ASVS es el estándar abierto de verificación de seguridad de aplicaciones de la fundación OWASP (owasp.org). Es una autoevaluación de nivel 1, no una certificación: dice qué se cumple, qué no y qué no se pudo comprobar.
55 requisitos evaluados, en 12 capítulos
Última auditoría, versión 0.4.14 · servidor e ingesta
Tres auditorías, una por versión desde la 0.4.12. El modelo de amenazas declara 7 riesgos aceptados, cada uno con su requisito.
Lo que corre en cada PR y en cada versión
Controles de seguridad en integración continua y en el producto
- Secretos: un auditor propio en cada PR, y gitleaks sobre toda la historia en cada versión
- Dependencias: osv-scanner y una lista de materiales (SBOM) generada en cada versión
- Código: análisis estático con bandit en cada PR, con una línea de base que solo puede achicarse
- Puerta de versión: no se publica con la auditoría ASVS vieja o con un «no cumple» sin aceptar
- Servidor: fuera de la máquina local no arranca sin token de acceso, salvo que se lo habilite a propósito
- Corpus: todo lo que sale de la base entra marcado como evidencia, nunca como instrucción
- Frontera: ningún dato de cliente entra al repositorio: lo impide el .gitignore por patrón, y hay un control de commit que se activa en cada clon
en tu casa
Tus datos
El corpus vive en tu perímetro.
El corpus completo nunca sube a la IA
Al modelo viajan los fragmentos que encontró la búsqueda para esa pregunta, y la respuesta dice cuáles.
La base y el servidor corren en tu infraestructura
En tu máquina o en tu cuenta cloud, con tus logs.
La IA es tu cuenta
Brain no intermedia el modelo: usás tu propio agente de IA y tu acuerdo de datos.
Vos decidís qué entra
Por la conexión directa con el chat entran solo los canales donde está el bot, sin mensajes directos; si cargás una exportación completa, un perfil restringido los deja afuera de las respuestas. Y hay una auditoría que detecta datos personales después de cargar.
Qué lo diferencia
Por dentro hay una base con búsqueda de texto. Esa es la parte fácil. Indexar documentos se resuelve en una tarde; lo que lleva meses es lo que rodea a la base: unir fuentes, leer lo que no es texto, saber cuándo algo no está y frenar al agente.
| Una base con búsqueda | Brain | |
|---|---|---|
| Qué devuelve | Los documentos donde aparece la palabra | La cadena completa: pedido, discusión, cambio en el código y resultado, unidos por el ticket |
| Quién busca | Una persona que tiene que adivinar las palabras clave | Un agente de IA que elige entre varias herramientas y cruza fuentes por su cuenta |
| Qué puede leer | Lo que ya es texto | También reuniones transcriptas, imágenes con OCR y exportaciones viejas que nadie podía abrir |
| Cuando no encuentra | Una lista vacía, que se lee como «no existe» | Si una fuente no respondió, dice «no pude ver» en vez de «no está» |
| En qué confiar | Todo pesa igual | Los documentos se marcan como propuestos o aprobados, y la cita lo muestra |
| Qué lo rodea | Nada | Controles que bloquean, subagentes que verifican y casos de evaluación |
| Cómo mejora | Se vuelve a indexar | Cada corrección queda en el corpus, y las que importan se vuelven casos de evaluación |
Los que indexan tu Drive
Productos en la nube que conectan Notion (notion.com), Google Drive (google.com/drive) o Confluence (atlassian.com). Brain vive en tu infraestructura y entiende código, tickets y PRs, no solo documentos.
Los que buscan por similitud
Una base vectorial devuelve lo parecido. Las preguntas de ingeniería piden lo exacto: un ticket, un archivo, un servicio.
La wiki personal
Muy buena para una persona. A una empresa le faltan curaduría, controles y acceso de equipo, que es lo que Brain agrega.
La IA genérica
Sabe programar y redactar, pero no conoce tu empresa. Brain le da la memoria y el contexto que necesita para entenderla, con la referencia de cada fuente.
De dónde viene
La idea de un second brain para la IA no es nuestra. Llevarla a una empresa, con controles, sí.
El second brain personal, popularizado por Tiago Forte, autor de Building a Second Brain (fuente).
Anthropic publica un estándar abierto para conectar la IA con tus datos, hoy adoptado por ChatGPT, Gemini y Copilot (fuente).
Andrej Karpathy, cofundador de OpenAI y hoy en Anthropic: lo que importa es darle a la IA la información justa (fuente).
El «company brain» se vuelve una categoría de startups.
Brain by Placedium, construido operando una fintech real, con controles para que una empresa pueda confiar en lo que responde.
Una base compilada desde fuentes crudas alcanza para una persona. Una empresa necesita además unir código, tickets, chat y reuniones, marcar qué está validado, servir a todo el equipo y frenar al agente antes de que haga daño.
El caso · una fintech de 4 años
Se iba la persona más antigua del proyecto, la que estaba desde su construcción. La operación siguió. El corpus se construyó en unas seis semanas, sin infraestructura cloud. Después, el mismo sistema pasó de responder preguntas a sostener la entrega.
Versiones del producto que llegaron a producción, por mes
2026 · de enero al 11 de octubre (* octubre, mes incompleto)
Nota: promedio enero–junio: 25 versiones en 6 meses, 4,2 por mes; septiembre (33) es 7,9 veces ese promedio. Hasta julio, releases anunciados en el canal de producción; desde agosto, lotes de despliegue cerrados en producción según su propio registro. Incluye parciales. Las tandas ahora son más chicas: cuenta entregas, no volumen; el volumen comparable son los PRs por día hábil.
Qué tipo de sistema aguantó
6,8 vs 4,5 compara la capacidad de dos modelos de trabajo, no el desempeño de personas: un agente con una sola persona revisando, contra un equipo de 2 desarrolladores en ene–jun. Ritmo maduro en una serie de 3 semanas, con corte del 21-ago-2026; se recalcula con cada mes cerrado.
versión por día
El ritmo
Trece semanas seguidas, y casi una versión nueva por día.
Horas de trabajo por semana
Tiempo de reloj con actividad en las sesiones, caso y producto
Semana del 13-jul incompleta: es donde empiezan los registros.
Versiones publicadas del producto
Acumulado desde la primera, el 28-ago-2026
42 versiones en 44 días. Cada una dice qué trae y por qué.
Construido operando
No es humo. Es lo que se aprendió después de equivocarse muchas veces.
El primer caso testigo real fue operar con IA la plataforma de una fintech, todos los días desde julio de 2026, convirtiendo cada error en una regla.
Inicialmente, casi ningún error falló a la vista. Salieron en verde: un control que medía el proceso y no el dato, un respaldo que pasó de 31 GB a 404 MB y dijo OK, una plataforma que devolvía cero y no significaba cero. Esos casos son hoy un catálogo de modos de falla, en 10 piezas, que viaja con el producto.
Horas: tiempo de reloj con actividad en los registros de sesión, sin contar dos veces las sesiones en paralelo; los registros disponibles empiezan el 13-jul, por eso es un piso. Producto medido el 11-oct-2026 sobre la versión 0.4.14.
que lo descubras
Los límites
Lo que Brain no hace.
Necesita un agente de IA
Brain es la memoria y los controles. Sin agente se puede usar por línea de comando, pero pierde el sentido.
El corpus depende de vos
Diez minutos para una instalación local en una máquina. Cargar las fuentes y relacionarlas lleva más: depende del volumen de información, de cuán documentada está y de cómo se relaciona entre sistemas.
Una sola fuente da un buscador muy bueno, no un brain
El valor aparece al cruzar tickets, código, chat y reuniones.
No sabe lo que no está en el corpus
Un corpus viejo responde con confianza sobre algo que cambió. No se actualiza solo: hay que volver a cargarlo cuando las fuentes cambian.
Los controles se enganchan por máquina
El instalador lo hace, pero en una copia del repositorio sin instalar no corre ninguno.
Los controles no garantizan cero errores
Hacen visible una clase de error. Si la pregunta está mal planteada, todo puede dar verde igual.
Usar Brain requiere un cambio de mentalidad
Podés tener una Ferrari y no tener un conductor preparado: la mejor herramienta en malas manos da malos resultados. Hay que cambiar la forma de pensar y de organizarse, y usar Brain como parte del proceso de la empresa: actualizar, corregir, entrenar.
Depende de la calidad de tus fuentes
Si no tenés documentación, si es mala o si falta el conocimiento para relacionar las fuentes, el resultado será pobre. Pero no está todo perdido: cuando no existe, es el momento de reordenar y empezar a construirla.
Preguntas frecuentes
Lo que se pregunta antes de instalarlo.
¿Necesito una API key?
No para instalar, cargar ni consultar: Brain usa tu agente de IA. Solo hace falta si querés correr la capa de evaluación que usa un modelo como juez, que envía esos casos al modelo con tu clave.
¿Por qué no usa una base vectorial?
Por decisión. Las preguntas reales piden identificadores exactos: un ticket, un archivo, un servicio. Ahí la búsqueda por texto completo funciona mejor.
¿Me dice si una cifra es correcta?
No. Te dice si se puede auditar: de dónde sale y si dejó de coincidir con su fuente.
¿Decide o mergea por mí?
No. No hay merge automático ni escritura sin tu aprobación.
¿Puedo cargar solo los documentos para probar?
Sí, y es la forma más rápida de verlo andar. Con una sola fuente vas a tener un buscador muy bueno; el resto aparece al sumar tickets, código y chat.
Y sigue aprendiendo
La carga inicial es el comienzo. Tu Brain crece con el uso: cada dato nuevo, cada corrección y cada regla lo hacen más útil para tu empresa.
Información viva
Seguís cargando lo nuevo: tickets, chats, reuniones y cambios entran a la memoria y quedan disponibles para todos.
Cruces que antes eran impensables
Conocimiento y sistemas en la misma consulta: análisis, estadísticas, proyecciones, auditorías y oportunidades de venta que antes exigían juntar datos a mano.
Reglas que se suman
Cada regla y cada corrección que sumás, tu Brain la incorpora y la aplica de ahí en adelante.
Lo repetitivo se automatiza
Lo que se hace dos veces se vuelve un procedimiento que la IA ejecuta y una persona aprueba.
Cargar.
Preguntar.
«La IA no te va a reemplazar. Te va a reemplazar alguien que use mejor la IA que vos.»
Probalo sobre tu propia historia antes de que se vaya.
El repositorio todavía es privado. El acceso anticipado incluye acompañamiento en la primera carga.