planlang convierte el plan de un proyecto de agentes de IA en un contrato verificable: qué decide el agente, qué puede fallar, qué se da por cierto y cómo se mide el éxito. Con ese contrato se construye el agente, se corre sobre cientos de casos de respuesta conocida y se publica la brecha entre lo planeado y lo ocurrido, fallas incluidas, en una vitrina estática que no llama a ningún modelo.
Riesgos y supuestos del plan, cada uno marcado si salió de la plantillaEl plan aprobado: seis exigencias cumplidas y sellado con su huellaUn proyecto real sin agente construido: su problema y su contrato
criterios cumplidos en los planes de 2 demos, de 16: Demo A: 10 de 10, en el informe del verificador 1.3.0 sobre la corrida suscripcion-planlang-a-002-200-v1.5. Demo B: 6 de 6, en el informe del verificador 1.3.0 sobre la corrida suscripcion-planlang-b-001-20.decisiones rehechas en otro lenguaje, con 0 diferencias: Prueba cruzada RF-09.2 sobre 4 corridas de 2 demos: el intérprete de aristas de TypeScript rehace cada decisión que registró Python.casos sintéticos con respuesta conocida, en 2 demos: Demo A: 200 casos en la corrida suscripcion-planlang-a-002-200-v1.5 y la línea base de agente único. Demo B: 20 casos en la corrida suscripcion-planlang-b-001-20 y la línea base de agente único.llamadas a modelos al visitar la vitrina: Lo fija la arquitectura: la vitrina es un export estático con los datos precalculados; el paquete se prueba sin una sola solicitud fuera de su origen.costo nominal de correr una vez cada demo (220 casos): Demo A: US$ 4,9206 por 200 casos. Demo B: US$ 0,293 por 20 casos. Suma del costo nominal que el CLI declara por llamada, en las trazas de cada corrida; por la suscripción no se pagó aparte.
Para quien planea, construye o aprueba agentes de IA y hoy los juzga mirando trazas y corriendo evaluaciones sueltas, sin haber escrito antes qué debían hacer. A quien decide le da un veredicto en palabras llanas; a quien construye, la regla, la señal y el caso detrás de cada cifra.
De 15 plataformas de evaluación revisadas en septiembre de 2026, ninguna obliga a planear antes de construir ni compara el plan con lo ocurrido. planlang hace las dos cosas: exige un plan medible, publica la brecha entre plan y resultado con los riesgos que se previeron y te deja mover los umbrales del plan sobre las decisiones reales del agente.
Un capítulo por grupo: qué resuelve, cuándo te sirve, cómo funciona, sus pantallas y sus fichas.
Escribes qué decide el agente, qué puede fallar y cómo se mide; un plan incompleto no pasa.
Empiezas el plan con los actores, riesgos y criterios típicos de salud, finanzas o seguridad de IA, con las restricciones legales en lenguaje llano y su fuente. Sumar un sector nuevo es sumar un archivo de datos, sin tocar código.
Riesgos y supuestos del plan, cada uno marcado si salió de la plantillaSabes antes de construir si tu plan se puede medir. Un validador sin IA rechaza, con el motivo exacto, criterios sin regla, umbrales sin señal y riesgos graves sin mitigación. El plan aprobado queda sellado con una huella que delata cualquier cambio posterior.
El plan aprobado: seis exigencias cumplidas y sellado con su huellaRespondes preguntas en orden, cada una con un ejemplo, y obtienes el borrador de tu plan en español e inglés. Antes de entregarlo, señala lo que falta y las contradicciones. Nunca aprueba por ti: esa firma es tuya.
Atraviesa toda la app.El entrevistador recorre la plantilla del sector de cualquier proyecto y, cuando lo apruebas, el plan se publica en la vitrina como un contrato que dice lo que aún no tiene: trazas, brecha y playground. El primero fue el de los dos agentes de HackGuard.
Un proyecto real sin agente construido: su problema y su contratoLo que el agente decide es literalmente lo que dice el plan. El plan fija sus piezas, cada regla de paso como señal, operador y valor (por ejemplo, «confianza menor que 0,75»), dónde decide una persona y qué debe registrar cada caso.
Las 12 reglas del demo A: señal, operador, valor y adónde sigue el casoDos demos con agentes reales corren sobre cientos de casos inventados cuya respuesta correcta ya se sabe.
Pruebas el agente sobre lotes inventados cuya respuesta correcta ya se sabe: casos normales, de borde, incompletos y trampas como instrucciones escondidas o nombres parecidos. Generarlos otra vez da los mismos casos, y un validador impide cualquier dato con forma de uno real.
Casos normales, de borde, incompletos y trampa, con su respuesta conocidaVes a un equipo de agentes decidir 200 solicitudes de autorización médica: aprueba, aprueba hasta el tope cubierto, niega con causal legal o pasa el caso a un auditor. Las urgencias se autorizan sin revisar cobertura, y ninguna negación completa sale sin una persona.
El agente de autorizaciones: qué recibe, sus siete pasos y qué entregóVes a los agentes decidir si un cliente se vincula: leen sus documentos, lo buscan en listas de control, investigan los nombres parecidos y puntúan su riesgo por reglas, sin atributos protegidos. Todo rechazo y todo riesgo alto pasan por el oficial de cumplimiento.
El agente de vinculación: documentos, listas, zona gris y el oficialCada solicitud del demo B termina en un expediente en español e inglés que escribe el código, no la IA. Cada conclusión cita la regla del plan o la coincidencia en una lista, con su versión y su fecha.
El expediente de B-005: cada conclusión cita su regla o su coincidenciaSi el agente niega un servicio, aunque sea en parte, sale un documento en español e inglés que arma el código: la causal legal, la regla aplicada, los datos usados, quién decidió y cómo contradecir la decisión.
La negación de A-017: causal legal, regla, datos y cómo contradecirlaCorres cientos de casos con la suscripción de Claude Code, de a 20 y con pausas. Si la corrida se corta, retoma donde quedó sin repetir ninguno, y cada caso deja su traza, cada decisión con su señal, en un formato propio y con huella.
La corrida por dentro: modelo por suscripción, lotes de 20 y sus versionesUn verificador sin IA compara lo planeado con lo ocurrido y publica también lo que falló.
Sabes, criterio por criterio y riesgo por riesgo, qué se cumplió y en qué casos no. Un verificador que no usa IA lee el plan y lo que hizo el agente, y escribe el informe en español e inglés, idéntico cada vez que se repite.
El veredicto del demo A: 10 de 10 criterios y sus tres fallas a la vistaLo que el plan dio por cierto sin probarlo se mide y queda confirmado, refutado o sin probar. En el demo A cayeron dos: dos aclaraciones no bastaron, y varios agentes resultaron más lentos que uno solo.
Dos supuestos del plan, refutados con su medida frente a lo que pedíaPones el equipo de agentes frente a un agente único, con el mismo plan y los mismos 200 casos, y comparas exactitud, tiempo, costo y casos distintos. En el demo A, el equipo acertó más (98 % frente a 90 %) pero tardó más.
Varios agentes frente a uno solo: veredicto, exactitud, tiempo y costoplanlang pone a prueba su propia vara. Sembró 10 fallas a propósito y el verificador las encontró todas, sin falsas alarmas. Además rehízo las 1.204 decisiones de los agentes en otro lenguaje de programación, con cero diferencias.
Las piezas exigidas, en el grafo; 1.124 decisiones rehechas, cero diferenciasTodo lo que se puede resolver con código se resuelve sin IA, y cada pieza del agente que no usa modelo dice por qué. El uso de la suscripción de Claude Code quedó decidido por escrito, con sus términos releídos antes de cada entrega.
El enrutador explica por qué no usa modelo: código primeroPruebas otros valores del plan sobre las decisiones reales del agente, sin volver a llamar al modelo.
Cambias un umbral, como la confianza mínima o el modo Texas, que manda a una persona toda negación, incluso parcial, y ves qué casos cambian de camino, qué errores aparecen y cuánto trabajo humano cuesta. Todo se recalcula en tu navegador, sin ningún modelo.
Alto costo movido a 1600: 12 casos cambian de camino, con su costoEl diagrama sale del código que corrió y señala cualquier pieza que el plan exige y no está.
Ves el diagrama del agente generado desde el código que corrió, no dibujado a mano. Tocas una pieza y aparece qué hace, su código y los casos reales que pasaron por ahí; si falta algo que el plan exige, el diagrama lo señala.
El grafo del agente, dibujado desde el código que corrió, por capasLa vitrina de planlang: un sitio bilingüe y sin servidor que se lee como líder o como experto.
Entiendes de entrada por qué planear importa: según una encuesta de LangChain, el 89 % de los equipos observa sus agentes y el 52 % los evalúa, pero la encuesta ni pregunta si planearon qué evaluar. Debajo, el método en tres pasos y lo medido.
Cómo funciona: planear, construir y medir, con lo que midió el demo ARecorres cada demo en seis pantallas: plan, agente, brecha, playground, casos y fichas, en español o inglés, en tema claro u oscuro y desde el teléfono. Lees como líder, en palabras llanas, o como experto, con la regla detrás de cada cifra.
El demo B: sus siete pestañas, A o B, idioma, tema y el aviso de simulaciónCada corrida trae su ficha para obtener otra vez el mismo informe: versiones, huellas, semilla, modelo y fecha. La app arma además su propia ficha y el paquete estático que el Portafolio publica, sin un solo enlace y con la huella de cada archivo.
La ficha para repetir la corrida: versiones, huellas, semilla, modelo y fechaEl camino completo. Sin carriles: cada caja dice quién la hace, y las que llevan el ícono de pantalla la muestran.
Cada cifra dice de dónde sale. Y lo que la app no hace también está dicho.
Demo A: 10 de 10, en el informe del verificador 1.3.0 sobre la corrida suscripcion-planlang-a-002-200-v1.5. Demo B: 6 de 6, en el informe del verificador 1.3.0 sobre la corrida suscripcion-planlang-b-001-20.
Prueba cruzada RF-09.2 sobre 4 corridas de 2 demos: el intérprete de aristas de TypeScript rehace cada decisión que registró Python.
Demo A: 200 casos en la corrida suscripcion-planlang-a-002-200-v1.5 y la línea base de agente único. Demo B: 20 casos en la corrida suscripcion-planlang-b-001-20 y la línea base de agente único.
Lo fija la arquitectura: la vitrina es un export estático con los datos precalculados; el paquete se prueba sin una sola solicitud fuera de su origen.
Demo A: US$ 4,9206 por 200 casos. Demo B: US$ 0,293 por 20 casos. Suma del costo nominal que el CLI declara por llamada, en las trazas de cada corrida; por la suscripción no se pagó aparte.
Las de la visión del producto que ya funcionan: las del corte de dos semanas y las del roadmap que se construyeron en el S3 (el entrevistador, el demo B y su expediente), contadas contra docs/MANUAL-DE-USO.md; lo que sigue en el roadmap no cuenta.
Archivos de decisions/.
