Planeador de agentes de IA · demo A: autorizaciones médicas
planlang escribe el plan de un agente como un contrato que el código puede verificar, construye el agente según ese contrato, lo corre sobre casos con respuesta conocida y publica la brecha entre lo planeado y lo ocurrido, con sus fallas a la vista.
Lees como líder. Ves qué hace planlang y qué dieron sus demos, en palabras llanas.
Lees como experto. Se suman cómo se sostiene cada afirmación —núcleo sin IA, trazas propias con huella, prueba cruzada entre dos lenguajes— y la fuente completa del gancho.
Que un proyecto de agentes de IA se planee antes de construirse, y que el plan se pueda comprobar contra lo que el agente hizo, caso por caso.
El plan se escribe como contrato: cada criterio con su regla de medición, cada umbral con su señal. Un validador lo rechaza si está incompleto.
El agente en LangGraph se construye según ese contrato y corre sobre casos con respuesta conocida y adversarios sembrados.
Un verificador sin IA compara plan y trazas y publica la brecha, con lo que falló a la vista.
10 de 10 criterios cumplen · 0 de 10 riesgos ocurrieron
Capacidad medida con el demo A
Experto
Las tres se ven en los dos demos, sobre corridas reales.
El plan dice qué debía pasar; las trazas, qué pasó. Un verificador que no usa inteligencia artificial lista, criterio por criterio, qué se cumplió y qué no. Nada se esconde.
Mueve un umbral del plan —en el demo A, también el modo Texas— y mira, sobre las corridas reales, cuántos casos cambian de camino y cuántos pasan a una persona; en el A, también los minutos de revisión que cuesta.
Cada decisión del agente se declara en el plan como señal · operador · valor, y una prueba en dos lenguajes confirma que el grafo hace exactamente eso.
Aquí no se simula lo que no corrió.
Un enrutador, un extractor, un verificador de cobertura por reglas y un redactor deciden aprobar, aprobar en parte, negar con causal o escalar a un auditor humano. Ninguna negación completa sale sin una persona.
Un enrutador, un extractor, un verificador de listas por reglas, un investigador de contexto para homónimos y un puntaje de riesgo deciden aprobar, rechazar o escalar al oficial de cumplimiento. Ningún rechazo sale sin una persona.
Del roadmap. Nada de esto se simula aquí.
La pregunta de entrevista de 2026
¿Cómo sabes que tu evaluación es confiable?
Con un verificador determinista sobre casos con verdad conocida y adversarios sembrados: ningún modelo de lenguaje decide si el agente acertó. Y con la brecha publicada aunque no favorezca.