No es solo un servicio que vendemos: es cómo trabajamos. Los agentes hacen el trabajo repetitivo y un especialista humano aprueba lo que importa.
Usamos agentes de IA desde el primer día de Balexus. Con ellos escribimos el código de este sitio, preparamos reuniones con información pública de cada empresa y redactamos borradores de propuestas. Lo que llega a un cliente lo revisa y aprueba un especialista humano. Cuando implementamos IA agéntica para tu empresa, hablamos desde la experiencia propia.
Claude Code con sub-agentes especializados en arquitectura, testing y deployment. Esta web fue construida así.
Asistente con voz e IA conversacional que atiende consultas, califica leads y agenda reuniones 24/7.
Gestiona disponibilidad, programa reuniones y envía confirmaciones automáticas vía Google Calendar.
Redacta borradores de propuestas a partir del contexto del cliente; un especialista humano los revisa antes de enviarse.
Crea posts para LinkedIn, artículos de blog y case studies a partir de proyectos e insights del sector.
Supervisa servicios desplegados, detecta anomalías y genera reportes de estado automáticos para clientes.
Desarrollado con Claude Code y sus agentes especializados: arquitectura, desarrollo frontend, CSS, testing y deployment, con el equipo revisando cada cambio. Es la prueba de que trabajamos como proponemos.
Cada tarea tiene un modelo que la resuelve mejor, más rápido o más barato. Trabajamos con los tres grandes laboratorios, sumamos modelos especializados cuando ganan en su tarea y elegimos por caso — no por contrato ni por moda. Y como el mejor modelo cambia cada pocos meses, en nuestras arquitecturas cambiarlo es una línea de configuración, no un rediseño.
lab/01Anthropic · Claude
El motor de nuestra propia operación: un modelo de razonamiento para la conversación, uno rápido y barato para calificar y puntuar leads en segundos, y el más capaz para redactar propuestas. Construimos con Claude Code y el Agent SDK — esta web incluida.
lab/02Google · Gemini y Vertex AI
Plataformas enterprise sobre GCP: Gemini como orquestador conversacional, Vertex AI Search para RAG multi-dominio con citaciones, Document AI para OCR y extracción documental, y Vision para inspección por imagen.
lab/03OpenAI
En evaluación permanente sobre casos reales. Lo llevamos a producción cuando gana en la comparación del caso concreto — que es el mismo criterio que aplicamos a los otros dos.
lab/04TypeSafe · Jev
Un modelo que no escribe: decide, y dice con qué probabilidad. En esta web clasifica los mensajes, revisa cada respuesta del asistente antes de enviarla y puntúa los leads. Corre en sombra: primero lo medimos con casos propios en español, después lo dejamos decidir.

La distancia entre una demo que impresiona y un agente que trabaja todos los días no está en el modelo — está en lo que lo rodea. A eso le llamamos harness engineering: el andamiaje que convierte un modelo en un trabajador confiable. Estas cuatro piezas están en cada agente que entregamos, y en el que te atiende en esta web.
Razonar, invocar una herramienta, observar el resultado y volver a decidir — hasta resolver o hasta topar el límite de iteraciones. Un agente no contesta de una: trabaja.
Cada capacidad es una herramienta declarada con sus parámetros. El modelo elige cuál usar; nosotros definimos qué puede tocar y qué no. Lo que no es herramienta, no ocurre.
Lo que el agente sabe vive como código, en una fuente única que alimenta todos los canales. Cambiar el discurso es un commit, no reescribir cinco prompts sueltos.
Qué decide solo, qué propone y qué escala a una persona. Con pruebas que fallan cuando el agente promete algo que no puede cumplir: si no se verifica, no sale a producción.
Los patrones que operamos, no diagramas de folleto. Muévete entre ellos y mira cómo fluye una consulta de extremo a extremo.
Arquitecturas de referencia derivadas de plataformas agénticas que operamos en producción. Los nombres de sistemas y dominios de conocimiento se han generalizado.
Ver a pantalla completa ↗ Probar la demo enterprise