Article GPT-6 en Microsoft Foundry: una guía para que las organizaciones creen agentes de IA en entorno de producción
Artículo:
GPT-6 en Microsoft Foundry: Lleva tus agentes de IA a producción con una gobernanza y un ROI medibles
Por Phil Hawkshaw / 8 Oct 2026 / Temas: Artificial Intelligence (AI)
- Lleva la IA de frontera a producción: GPT-6 Sol y Luna ya están disponibles en Microsoft Foundry, lo que permite a las empresas crear y desplegar agentes de IA autónomos y especializados, diseñados para abordar tareas complejas.
- Controla tus costes y gobernanza: Pasa de un gasto especulativo en IA a una disciplina financiera clara. Utiliza el Model Router integrado de Microsoft Foundry, los límites de tokens y los interruptores de seguridad para evitar que se disparen los costes debido a la proliferación descontrolada de agentes ("agent sprawl").
- Mide el valor empresarial real: Utiliza el nuevo marco de trabajo ROI para agentes para vincular directamente los costes de los agentes con los resultados de negocio. Esto desplaza el enfoque del "coste por token" al más relevante "coste por tarea".
- Construye sobre una base preparada para el entorno empresarial: Despliega estos modelos avanzados de IA en zonas de datos seguras de la UE para cumplir con el RGPD y los requisitos de residencia de datos, todo ello sobre una infraestructura de Azure robusta y gestionada por expertos.
A principios de este año, un CxO me comentó que su gasto en IA había superado al del cloud como la partida de más rápido crecimiento en su presupuesto tecnológico. Prácticamente nada de ese gasto se había planificado. Todo se iba en tokens: cientos de millones de llamadas a modelos de frontera que se ejecutaban en flujos de trabajo que nadie estaba controlando realmente.
El 22 de septiembre, Microsoft puso a disposición general GPT-6 Sol y GPT-6 Luna en Microsoft Foundry, uniéndose así a GPT-6 Astra. Se trata de un lanzamiento potente que hace que esa conversación sea más fácil de mantener y, a la vez, más fácil de enfocar de manera equivocada. Más fácil, porque el rango de precios entre los tres modelos es lo suficientemente amplio como para transformar la mayoría de tus facturas. Más fácil de enfocar de manera equivocada, porque la lista de tarifas es solo una pequeña parte de lo que decide si tu agente llega a producción y se mantiene allí.
¿Qué es Microsoft Foundry?
Foundry Agent Service es una plataforma gestionada para construir, conectar y escalar agentes inteligentes de manera abierta, integrada y preparada para el entorno empresarial. Te permite incorporar tu framework y modelo preferidos, desplegándolos con un solo comando en un entorno de ejecución (runtime) gestionado con aislamiento de sesión, identidad nativa y observabilidad integrada.
Los modelos directos de Azure, como GPT-6 Astra, se adquieren y gestionan directamente a través de Azure con una licencia única, soporte consistente y sin dependencias de terceros. Incluyen facturación unificada, gobernanza y portabilidad de PTU entre modelos, todo ello dentro de Microsoft Foundry.
El lanzamiento: Tres modelos, una brecha de precio de cien veces
Microsoft posiciona Astra para tareas exigentes de razonamiento, ingeniería de software y uso de ordenadores; Sol para el trabajo general de producción; y Luna para la extracción, el resumen y el enrutamiento de gran volumen. Los tres están disponibles como despliegues Standard en las zonas de datos de la UE y EE. UU., así como a nivel global. Estos son los precios para la zona de datos de la UE:
GPT-6 Astra vs. Sol vs. Luna
| Métrica | GPT-6 Astra | GPT-6 Sol | GPT-6 Luna |
|---|---|---|---|
| Entrada, por millón de tokens | 12,00 $ | 2,40 $ | 0,12 $ |
| Salida, por millón de tokens | 60,00 $ | 12,00 $ | 0,60 $ |
Astra cuesta 100 veces más que Luna, tanto en la entrada como en la salida. Sol se sitúa en una quinta parte de Astra. A modo de ilustración, considera un paso que lee 2.000 tokens y escribe 300. Con estas tarifas, cuesta unos 0,042 $ en Astra, 0,0084 $ en Sol y 0,0004 $ en Luna. Si lo ejecutas 100.000 veces al mes, la factura rondará los 4.200 $, 840 $ o 42 $, respectivamente.
He visto este mismo principio funcionar en nuestra propia ingeniería. Analizamos aproximadamente 90.000 documentos de contratos del Gobierno del Reino Unido en cuatro GPU on-premises. Un agente de programación de última generación escribió el pipeline. Modelos más pequeños que se ejecutaban en nuestro propio hardware se encargaron de toda la lectura. Las restricciones de datos motivaron ese diseño en lugar del coste, pero tiene la misma forma: el modelo caro realiza el razonamiento que lo requiere y los más baratos se encargan del volumen.
Coste por tarea: la métrica adecuada, pero incompleta
La recomendación de Microsoft es mirar más allá del precio por token y entender el coste por tarea. Estoy de acuerdo con ello, e iría un paso más allá, ya que el coste de una tarea consta de tres partes: los tokens, el cómputo y la supervisión humana que conlleva. Los tokens aparecen en la factura. La supervisión, por lo general, no.
Un modelo más barato que envíe más resultados a una persona para su corrección puede acabar costando más por tarea completada que uno más caro, una vez que se contabiliza el tiempo de esa persona. Del mismo modo, una tarea realizada de forma barata y correcta puede seguir siendo una tarea que nadie necesitaba que se hiciese. El coste por tarea te indica lo que cuesta una tarea. No te dice si el resultado para el cliente ha mejorado, y esa es la pregunta que un CFO acabará haciendo tarde o temprano.
Responder a esto requiere algo más que un buen enrutador de modelos (model router). Requiere una estructura en torno a los agentes.
La estructura: cuatro partes, y el modelo se ubica en una de ellas
En el centro del marco de arquitectura empresarial centrada en IA de Insight (AI Centric Enterprise Architecture Framework) se encuentra una imagen sencilla, un portal de piedra como los que se ven en Stonehenge: dos pilares verticales, un dintel apoyado en la parte superior y el suelo sobre el que se asientan los tres elementos. Cada parte soporta peso y cada una tiene una función diferente.
Un pilar es la tecnología: el entorno tecnológico sobre el que se ejecutan los agentes, desde la infraestructura hasta la experiencia de usuario. Foundry, Azure y Agent 365 se sitúan aquí, y son soportes sólidos. El otro pilar es el negocio: los roles y los procesos; es decir, quién realiza el trabajo, quién es el responsable de este y cómo cambia la actividad a medida que la IA asume una mayor parte de ella. La gobernanza es el dintel que une a ambos, decidiendo qué se construye, a quién pertenece y qué tareas se confía que realice cada capacidad. La base es el conocimiento: una descripción formal de lo que sabe la organización, a la que accede cada agente para llegar a los datos subyacentes.
En muchas de las conversaciones que mantengo, el esfuerzo se ha centrado primero en el pilar tecnológico. Es comprensible, ya que ahí es donde se concentran las demostraciones. Sin embargo, la mayor parte de lo que determina el éxito de un resultado en producción reside en los otros tres pilares. Cuatro preguntas te muestran dónde.
01
¿Quién responde de cada agente?
+
¿Quién responde de cada agente?
Un agente desempeña un rol, no es una mera pieza tecnológica. Tiene una descripción de puesto, una posición en la organización y un conjunto de responsabilidades, tanto si se ejecuta en segundo plano (headless) a lo largo de un proceso como si se sitúa al lado de una persona como copiloto. La pregunta clave es si la empresa ha definido formalmente estos aspectos o ha dejado que quien construyera el agente los dedujese. Un panel de control (control plane) puede mostrarte qué agentes existen y a qué pueden acceder. Designar a la persona responsable de cada uno de ellos es una decisión de negocio, y esa responsabilidad debe seguir siendo humana en todos los niveles de autonomía.
02
¿Cuánta autonomía se ha ganado cada paso?
+
¿Cuánta autonomía se ha ganado cada paso?
Resulta útil situar cada paso que interactúa con la IA en una escala de cinco niveles. En un extremo, no interviene ninguna IA. En el siguiente, la persona realiza el trabajo y utiliza la IA como herramienta. En el centro, la IA realiza algunos pasos por sí misma mientras una persona sigue coordinando y resolviendo problemas. Más adelante, la IA coordina una combinación de trabajadores humanos y de IA. En el extremo opuesto, las personas intervienen únicamente si algo falla. Los niveles difieren en qué tareas gestiona la IA, no en quién es el responsable último.
Un paso avanza un nivel en la escala únicamente cuando la preparación tecnológica y de negocio se demuestran de forma conjunta: calidad contrastada, un modo de fallo aceptable, un registro de auditoría, reglas de escalado probadas y la validación final del equipo propietario del resultado. El tiempo transcurrido no es una condición de peso. Un paso también puede retroceder de nivel, y eso representa el correcto funcionamiento del sistema en lugar de un fallo. Las funciones de evaluación y trazabilidad de Foundry aportan gran parte de estas evidencias. Decidir si las pruebas son suficientes sigue siendo una decisión de negocio, y gran parte del "purgatorio de los proyectos piloto" se debe a que nadie ha definido con claridad qué significa estar listo.
03
¿Qué sabe el agente?
+
¿Qué sabe el agente?
Cualquier competidor puede adquirir GPT-6 el mismo día y al mismo precio que tú. Lo que no pueden comprar es una descripción formal de lo que significa un cliente para tu negocio, qué reglas rigen un contrato y qué fuente es la autorizada para determinar un precio. Un agente actúa sobre la información que recupera. Si no se ha designado ninguna fuente autorizada, puede recuperar una definición obsoleta y actuar en consecuencia con exactamente la misma seguridad que mostraría si la definición fuera correcta. Los modelos se compran. El entendimiento se construye.
04
¿Dónde residen los datos y quién ha tomado esa decisión?
+
¿Dónde residen los datos y quién ha tomado esa decisión?
La residencia de datos es un excelente ejemplo de una decisión que tiene un precio. Las tarifas de la zona de datos de la UE detalladas anteriormente son un 20 % superiores a las de la opción Global Standard para los tres modelos. Cuando normativas como el RGPD, NIS2 o DORA exigen el procesamiento dentro de la UE, es un coste que merece la pena asumir. Cuando el motivo es una preferencia y no una norma, requiere una justificación clara y un responsable con nombre y apellidos. Tratar cada carga de trabajo como obligatoria implica pagar un sobrecoste innecesario. No considerar ninguna como obligatoria significa enterarse de un requisito de residencia de datos después de haber completado el desarrollo. Nuestro artículo sobre la soberanía de la nube y el cumplimiento normativo en Europa profundiza en el aspecto regulatorio.
Qué hace Insight: empezar a partir de lo que ya tienes en funcionamiento
La primera conversación rara vez trata sobre un modelo nuevo. Trata sobre lo que ya está en funcionamiento: agentes que un equipo construyó el trimestre pasado, características de IA activadas dentro de software que la organización compró hace años o herramientas adoptadas sin consultar a nadie. Empezamos por localizarlos, situar cada paso en esa escala y designar a un responsable.
A partir de ahí, Insight te acompaña en el camino desde la experimentación hasta la producción por fases, trabajando con nuestro marco de arquitectura empresarial centrada en la IA (AI Centric Enterprise Architecture Framework) y apoyándonos en nuestros aceleradores empresariales agénticos (Agentic Enterprise Accelerators). La preparación tecnológica y de negocio se comprueban de forma conjunta antes de avanzar en cualquier paso:
- Selección de modelos basada en evidencias. Evaluamos Astra, Sol y Luna con las tareas propias de tu organización en Foundry, y creamos una perspectiva de costes para cada caso de uso que incluye la supervisión humana.
- Validación antes del escalado. Las nuevas capacidades se ejecutan primero en paralelo con el proceso existente, de modo que la comparación se realiza sobre los casos reales de tu organización antes de transferir nada.
- Consensuar en qué pueden confiar los agentes. Antes de dirigir los agentes hacia los datos, colaboramos con tu negocio para establecer qué fuentes son las autorizadas y cómo se definen los términos propios de la organización. Nuestros Agentic Enterprise Accelerators ayudan a construir esa descripción compartida de la empresa, de modo que los agentes tengan un anclaje (grounding) sólido en ella.
- Decidir qué construir primero. Ayudamos al equipo directivo a clasificar los casos de uso según su valor, viabilidad y reutilización, ya que a menudo tres áreas distintas solicitan la misma capacidad con tres vocabularios diferentes y se acaba construyendo tres veces. Los aceleradores apoyan esa priorización y la posterior entrega gobernada de las soluciones.
- Gobernanza del entorno tecnológico de Microsoft. Como socio de lanzamiento Day 1 de Microsoft para Agent 365, Insight ayuda a las organizaciones a configurar y ejecutar la infraestructura de Azure, Foundry y Agent 365 sobre la que se sustenta todo esto, incluyendo la elección de región y residencia de datos.
Nada de esto reemplaza lo que Microsoft ha construido. El Model Router, los límites de tokens y las directivas de protección (guardrails) de Foundry son los controles adecuados para el pilar tecnológico, y los configuramos como tales. El resto de la estructura es lo que hace que esos controles cobren sentido para el negocio. Si todavía estás decidiendo por dónde empezar, nuestra guía sobre cómo superar la brecha de implementación de la IA es un buen punto de partida.
El nuevo enfoque: mismo modelo, diferente resultado
GPT-6 estará disponible para tus competidores el mismo día, a través de la misma plataforma y al mismo precio. El modelo no será lo que diferencie a los agentes de una organización de los de otra. El responsable, las evidencias, el anclaje de datos (grounding) y las decisiones sobre dónde residen los datos sí lo harán.
