Agentes

BMW gobierna 500 agentes de IA entre miles de desarrolladores

El grupo BMW publica cómo gobierna cientos de agentes de IA entre 12.500 desarrolladores y 500 millones de líneas de código. Desde una mesa de redes y telecomunicaciones, este artículo es de los que se fotocopian.

BMW gobierna 500 agentes de IA entre miles de desarrolladores

BMW industrializa la gobernanza de cientos de agentes en su I+D

En el área de I+D del grupo BMW trabajan más de 12.500 desarrolladores sobre unos 500 millones de líneas de código de software de vehículo. Ese código se apoya en el backend BMW Connected Vehicle, un sistema en la nube con más de 1.300 microservicios que da servicio digital a 24 millones de vehículos en circulación. En una industria regulada, el listón de calidad, estabilidad y cumplimiento es excepcionalmente alto. Y en ese contexto, la compañía ha publicado cómo gobierna los cientos de agentes de IA que sus equipos construyen y operan.

El problema que describen es de escala y de tensión organizativa. Los equipos de desarrollo necesitan libertad para experimentar rápido, mientras la empresa debe imponer estándares de seguridad, protección, composabilidad y eficiencia de costes. Sin ese equilibrio aparece el escenario que todos los grandes grupos temen: islas de IA, trabajo duplicado y un mapa de agentes imposible de auditar. La premisa de BMW es construir agentes que puedan cooperar desde el principio, sin obligar a un único framework ni a una única cadena de herramientas.

El elemento central de su arquitectura es el harness del agente, una capa de ejecución que envuelve al modelo de lenguaje y aporta el bucle de ejecución, el despacho de herramientas, la gestión de memoria y los ganchos de observabilidad. Sobre esa base, la compañía define cinco prácticas: gobernar de forma proactiva, instrumentar y evaluar de forma continua, empezar acotado y diseñar para la composición, especializar a medida que se aprende y escalar mediante codificación.

La primera práctica es la que más cambia la forma de trabajar: la gobernanza no vive dentro del código de cada agente, sino en la capa de integración. Autenticación, autorización, limitación de tasa y filtrado de contenido se aplican en un gateway de Model Context Protocol, un registro central de agentes y una frontera de orquestación. Así, las reglas sobreviven a cambios de framework, de modelo o de reorganización de equipos, algo que en una empresa de este tamaño es la diferencia entre controlar el parque de agentes y perderlo.

BMW aplica además confianza graduada por paso, no por agente. En el nivel 0 cada acción requiere aprobación humana explícita; es el punto de partida para agentes nuevos y operaciones de alto riesgo. En el nivel 1 el agente ejecuta de forma autónoma pero expone sus decisiones para revisión asíncrona, adecuado para tareas de riesgo medio con entradas, salidas y opciones de reversión bien definidas. El nivel 2 permite autonomía dentro de límites de política estrictos, reservado para operaciones de bajo riesgo con historial verificado. Un mismo flujo puede combinar los tres niveles, de modo que los equipos suben autonomía a medida que acumulan datos de evaluación.

El cumplimiento se ejecuta como código determinista fuera del bucle de razonamiento del agente. Los controles de permisos, las reglas de política como código y las validaciones de cumplimiento actúan en la tubería de CI/CD y bloquean el despliegue antes de que el agente llegue a producción. Como esas comprobaciones corren aparte, ni el agente ni sus prompts pueden sobrescribirlas. Se añaden controles de salida de red, listas de destinatarios permitidos y escaneo de secretos en el tráfico saliente.

En observabilidad, BMW sostiene que la pregunta ya no es si un servicio devolvió un 200, sino si el agente produjo una salida fiel y conforme a política, y cómo demostrarlo con trazas de ejecución. Para eso hace falta un conjunto de datos de referencia, elaborado con consultas comunes y casos límite, que se usa para evaluar desde el primer día. La instrumentación cubre tres dimensiones: trazas de intención con spans de OpenTelemetry que permiten rastrear desde la petición del usuario hasta la salida final; verificación y evaluación integradas en CI, de forma que cualquier cambio en prompts, herramientas o modelo dispara regresión automática y luego evaluación contra el conjunto de referencia; y telemetría de enrutado por niveles de modelo, registrando la decisión y su justificación, no solo el resultado.

La composición se organiza en tres capas. Las herramientas MCP son contratos de integración atómicos que envuelven una sola capacidad, como una llamada a API o una consulta a base de datos. Las skills son composiciones de herramientas orientadas a un dominio, por ejemplo una revisión de código que encadena análisis estático, comprobación de estilo y un paso de razonamiento. Los flujos son orquestaciones de extremo a extremo que representan procesos de negocio completos. Cada nivel se valida de forma independiente en la tubería de integración.

Resumen

  • El grupo BMW publica cómo gobierna cientos de agentes de IA entre 12.500 desarrolladores y 500 millones de líneas de código.
  • La gobernanza se aplica en la capa de integración, con gateway MCP, registro central de agentes y frontera de orquestación, no en el código de cada agente.
  • Confianza graduada por paso: aprobación humana, revisión asíncrona o autonomía dentro de límites de política.
  • Los controles corren como código determinista en CI/CD, fuera del bucle de razonamiento, con observabilidad vía OpenTelemetry y evaluación contra datos de referencia.
  • Arquitectura en tres capas, herramientas MCP, skills y flujos, para evitar islas de IA y trabajo duplicado.
Opinión

Desde una mesa de redes y telecomunicaciones, este artículo es de los que se fotocopian. La parte de controles de salida de red es la que más me interesa: un agente que llama a servicios externos es tráfico saliente y merece el mismo tratamiento que cualquier otro flujo que cruza el perímetro. Listas de destinatarios permitidos, escaneo de secretos en la salida y un gateway central que hace de intermediario son, en la práctica, un proxy de inspección con política propia.

La idea de aplicar reglas en la capa de integración en vez de dentro del agente tiene una traducción directa en la red: es el mismo principio que separar la política del plano de datos. Cuando la política se externaliza, se puede auditar, versionar y cambiar sin tocar a cada cliente. Y el nivel 2 de autonomía, el único que opera de verdad sin humano en el bucle, exige que esos límites sean deterministas y no instrucciones en un prompt. Esa distinción entre control real y sugerencia es la que separa un despliegue serio de una demo.

Lo que falta en el texto es la parte de latencia. Añadir un gateway MCP, un registro y validaciones a cada paso tiene coste. En flujos con decenas de llamadas por tarea, cada salto cuenta, y eso obliga a dimensionar muy bien la red interna y los tiempos de respuesta de los servicios auxiliares. Es el tipo de detalle que decide si el agente se siente instantáneo o si el usuario acaba volviendo a la interfaz clásica.