Trabajadores de IA gobernados dentro de NetSuite, con una puerta de aprobación humana en cada escritura

El problema

Los líderes de finanzas y operaciones ya habían probado la IA generativa y tenían prototipos de chatbot como resultado. Ninguno llegó a producción, por razones bien documentadas. No se puede permitir que un modelo de lenguaje adivine el saldo de una cuenta, un código de impuestos o una valuación de inventario. Enviar miles de líneas de transacciones a una ventana de contexto agota el presupuesto y provoca desvíos. Y ningún comité de auditoría otorga a un agente sin gobierno acceso de escritura al libro mayor. Lo que necesitaban no era un modelo más inteligente, sino una forma gobernada de que cualquier modelo trabaje.

Qué hicimos

Implementamos Aissistor, el framework de ERP agéntico de DataOngoing, en un sprint de dos semanas sobre los roles existentes de NetSuite. Un enrutador central despacha el trabajo a trabajadores especializados: un conciliador de cuentas por pagar, un detector de fugas de margen en el libro mayor, un auditor de búsquedas guardadas y un inspector de contratos. Cada trabajador actúa únicamente mediante herramientas formales de Model Context Protocol: execute_suiteql para consultas parametrizadas de solo lectura, get_record_schema para la estructura y propose_transaction_draft para todo lo que modifique el libro mayor. Las lecturas van directo a NetSuite. Las escrituras se detienen en una revisión previa donde el supervisor de cuentas por pagar ve la variación resaltada y hace clic en aprobar antes de que se confirme el registro.

Este diagrama es uno de los diseños de flujo de trabajo, con sus puntos de control y la evidencia relacionada.

Cómo funciona el mecanismo

1. Llamadas a herramientas, no texto libre

   Para revisar el saldo de un cliente, el trabajador llama a execute_suiteql con una consulta parametrizada y recibe filas estructuradas de las tablas de NetSuite. El modelo resume y señala anomalías en datos que no generó, y cada cifra de su respuesta se rastrea hasta una fila.

2. La salvaguarda financiera con humano en el circuito

   Un trabajador puede auditar 5,000 órdenes de compra y encontrar 14 facturas duplicadas de proveedores, o armar una factura de proveedor propuesta a partir de un escaneo OCR. No puede confirmar ninguna de las dos. El borrador llega a una ventana de revisión con la variación resaltada; el supervisor aprueba y NetSuite escribe el registro bajo el rol de esa persona.

3. Descomposición en subagentes

   Un solo prompt no resuelve un problema de ERP. Un agente de investigación obtiene notas de transacciones, contratos de proveedores e historial de pagos; un agente forense analiza las distribuciones del libro mayor y los porcentajes de margen; un documentador arma el resumen para la junta con enlaces de auditoría a los registros.

Resultados

Qué conviene tomar de este caso

1. La IA sin herramientas gobernadas es un pasivo

   Nunca permita que un modelo acceda al ERP mediante scrapers o controladores de base de datos sin permisos. Exija interfaces MCP formales con tokens basados en roles y un límite de lectura/escritura que usted pueda auditar.

2. El objetivo es eliminar la carga administrativa, no a las personas

   Los contadores senior deberían analizar la estrategia de caja, no digitar números de factura de doce dígitos desde PDF escaneados. El trabajador hace la digitación; la persona ejerce el criterio.

3. La arquitectura determinística supera al tamaño del modelo

   Un modelo disciplinado con herramientas SuiteQL precisas supera a un modelo general mucho más grande que adivina. La gobernanza es la funcionalidad.

Retrospectiva compuesta; el cliente se muestra como arquetipo y las cifras ilustran el mecanismo. Relacionado: Automatización de dispositivos y documentos del piso de planta al libro mayor