La capa de IA gobernada

Una acción de IA pasa la puerta o no ocurre.

Un registro de cada agente, un registro de ejecución con sus citas y su coste en dólares, y una única puerta de escritura que puede negarse — con una decisión desfavorable influida por IA que no puede asentarse sin un revisor humano identificado que ostente la autoridad que la decisión exigía.

Solicitar una demoVer la plataformaDemo interactiva
app.aegisnow.ai/console

Centro de Mando de Cortex

En vivo

Agentes registrados

134

Permitidas / rechazadas

94 / 6 %

Latencia media

820 ms

Coste seguido por ejecución

100 %

Acciones de IA gobernadas por semana

Tendencia

Cortex AI es la capa de IA gobernada que invocan los demás módulos. Los agentes se registran con marco, versión y rol de campeón o retador; cada ejecución guarda el modelo empleado, las entradas que leyó, sus citas, su salida y su coste en tokens y dólares. Las escrituras informadas por modelos pasan por una única evaluación que puede negarlas, compartida entre siniestros, suscripción y actuarial en lugar de reimplementarse por función. Una decisión desfavorable influida por IA no puede escribirse sin una revisión humana registrada por alguien que ostente la misma facultad que exigía la decisión. Dicho con claridad: el libro de ejecuciones de IA no está encadenado por hash, no hay RAG y no hay detección de inyección de prompts.

0 puertacompartida por las escrituras de siniestros, suscripción y actuarial

Resultado ilustrativo. En una demo de trabajo adaptaremos Cortex AI a tus propios datos, marcos y objetivos.

Por qué lo eligen los equipos

Por qué elegir Cortex AI

IA que propone; las personas y las políticas deciden.

Permitida, no solo registrada

Una escritura informada por un modelo pasa una única puerta compartida o no ocurre. Registrar una acción después de que sucedió no es gobierno; negarla sí.

La influencia de la IA se detecta, no se declara

Omitir el identificador de la ejecución no vuelve la decisión ajena a la IA — las ejecuciones gobernadas que citan el mismo siniestro se encuentran igualmente.

Sin escalafón más débil para la IA

Una denegación influida por IA se somete al estándar de autoridad de la denegación. El revisor debe ostentar la facultad que exigía la propia decisión.

Coste atribuible al trabajo

Tokens, latencia y dólares se registran por ejecución, así que el gasto en IA se rastrea hasta la tarea que lo causó y no llega como una línea de factura.

Sin clasificar se lee como sin clasificar

Los atributos de gobierno parten de «sin clasificar» y no de un valor benigno, porque un sistema no evaluado no debe leerse como de bajo riesgo.

Los límites en la página, no en la demo

Sin libro de IA encadenado por hash, sin RAG, sin detección de inyección — se nombran aquí en lugar de descubrirse durante una evaluación.

Four outcomes that never collapse into two

Computed, found no data, no executor bound, held for approval. "We looked and there is none" and "we did not look" are different facts and are reported as such.

Limits on the page, not in the demo

No hash-chained AI ledger, no RAG, no injection screening — named here rather than discovered during an evaluation.

Dentro del módulo

Capacidades disponibles desde el primer día

Todas las capacidades funcionan sobre el tejido de datos compartido, el cerebro Cortex gobernado y el registro de evidencias, de modo que Cortex AI suma con el resto de la plataforma.

Registro de agentes con campeón y retador

Cada agente registrado con marco, versión, ramo y rol, de modo que lo que está en vigor es un hecho.

Saber más

Ejecuciones gobernadas con citas y coste

Cada ejecución registra sus entradas, citas, salida, confianza, latencia, tokens y coste en dólares.

Saber más

La puerta de escritura

Una escritura informada por un modelo pasa la puerta o no ocurre.

Saber más

Revisión humana y decisiones desfavorables que la exigen

Las revisiones se registran contra las ejecuciones — y una decisión desfavorable influida por IA no puede asentarse sin una.

Saber más
app.aegisnow.ai/console

Centro de Mando de Cortex

En vivo

Agentes registrados

134

Permitidas / rechazadas

94 / 6 %

Latencia media

820 ms

Coste seguido por ejecución

100 %

Acciones de IA gobernadas por semana

Tendencia

Enrutado de modelos con alternativa

Las tareas se encaminan a un modelo principal con una alternativa declarada, así que una caída de proveedor degrada en lugar de detener.

Saber más

Limitación de tasa en los endpoints de IA

Las rutas de IA llevan su propia limitación de tasa, aplicada como middleware y no por manejador.

Saber más

Dónde termina hoy este módulo

Dicho en lugar de insinuado: RAG, defensa frente a inyección de prompts y el libro de IA encadenado por hash no están construidos.

Saber más

Where this module ends today

Stated rather than implied: RAG, prompt-injection defence and the hash-chained AI ledger are not built.

Saber más
Detalle de capacidades

Qué hace realmente cada capacidad

Cada sección de abajo tiene enlace propio, para que una respuesta concreta se pueda citar por sí sola en lugar de quedar enterrada en la página.

Capacidad 01

Registro de agentes con campeón y retador

Cada agente registrado con marco, versión, ramo y rol, de modo que lo que está en vigor es un hecho.

Los agentes se registran en lugar de desplegarse y olvidarse. Cada uno lleva su marco, versión, dominio, estado y un rol de campeón o retador, así que la pregunta «qué modelo está realmente en vigor para esta decisión» la responde un registro y no quien lo desplegó.

La promoción entre roles es una acción auditada y el historial permanece visible en lugar de sustituirse, que es lo que permite reconstruir qué agente estaba activo cuando se tomó una decisión concreta.

El registro lleva además los atributos de gobierno por los que pregunta un regulador — rol en la decisión, nivel de impacto en el consumidor, procedencia, proveedor, responsable asignado, intervalo de pruebas. Esos parten de «sin clasificar» y no de un valor benigno, porque un sistema que no ha sido clasificado debe leerse como sin clasificar y no como de bajo riesgo.

Qué hace

  • Registrar cada agente con marco, versión, dominio, estado y rol de campeón o retador.
  • Hacer de la promoción entre roles una acción auditada con historial visible.
  • Llevar en el agente el rol en la decisión, el nivel de impacto en el consumidor, la procedencia, el proveedor y el responsable asignado.
  • Partir de «sin clasificar» en los atributos de gobierno y no de un valor benigno.

Implementa

  • Roles de campeón / retador
  • Atributos de inventario de sistemas de IA

Míralo en el producto

Abra el registro y filtre por sistemas sin clasificación vigente: aparecen como sin clasificar en lugar de ausentarse del listado.

Capacidad 02

Ejecuciones gobernadas con citas y coste

Cada ejecución registra sus entradas, citas, salida, confianza, latencia, tokens y coste en dólares.

Una ejecución es un registro, no una línea de log. Guarda el proveedor y el modelo realmente usados, la versión del prompt, las referencias de entrada que leyó, un resumen de entrada, la salida, una confianza, el estado y la disposición de la escritura — de modo que una acción tomada sobre la base de una salida de modelo se puede rastrear hasta la ejecución exacta que la produjo.

Las citas forman parte del registro y no son un añadido opcional. Una ejecución que no puede decir qué leyó no prueba nada, y por eso la tabla de citas existe junto a la ejecución y por eso el control de decisiones desfavorables puede detectar la influencia de la IA encontrando ejecuciones que citan un siniestro.

La contabilidad de costes es por ejecución y real: tokens de entrada, tokens de salida, latencia y coste en dólares se guardan en cada una. Eso es lo que hace atribuible el gasto en IA al trabajo que lo causó, en lugar de llegar como una línea en la factura del proveedor a fin de mes.

Qué hace

  • Registrar proveedor, modelo, versión de prompt, referencias de entrada y resumen de entrada en cada ejecución.
  • Guardar las citas junto a la ejecución y no dentro del texto de salida.
  • Capturar salida, confianza, estado y disposición de la escritura por ejecución.
  • Contabilizar tokens de entrada y salida, latencia y coste en dólares en cada ejecución.
  • Hacer las ejecuciones localizables por lo que citaron, que es como se detecta la influencia de la IA en una decisión.

Implementa

  • Citación de entradas a nivel de ejecución
  • Contabilidad de tokens y coste por ejecución

Míralo en el producto

Abra cualquier ejecución gobernada: nombra la versión del modelo, las entradas que leyó, lo que devolvió y lo que costó en tokens y dólares.

Capacidad 03

La puerta de escritura

Una escritura informada por un modelo pasa la puerta o no ocurre.

Cuando la salida de un agente conduce a una escritura real, esa escritura pasa por una evaluación que puede negarla. Este es el control por el que existe toda la capa: una acción automatizada no es algo que ocurre y se registra, es algo que se permite o no.

La puerta se comparte entre dominios en lugar de reimplementarse por función, que es lo que impide que aparezca un segundo camino más débil a su lado. El lado de siniestros, el de suscripción y el actuarial invocan la misma evaluación.

El rechazo es específico. A quien llama se le dice qué condición falló en lugar de recibir una negativa genérica, porque una puerta que no puede explicarse acaba rodeándose.

Qué hace

  • Encaminar toda escritura informada por un modelo a una única evaluación que puede negarla.
  • Compartir una sola puerta entre siniestros, suscripción y actuarial en lugar de una por función.
  • Nombrar la condición que falló al rechazar, en lugar de devolver una negativa genérica.
  • Registrar la disposición de la escritura en la propia ejecución.

Implementa

  • Único camino de escritura gobernada
  • Motivos de rechazo explícitos

Míralo en el producto

Intente una escritura gobernada que viole su política: se rechaza indicando la condición que falló, y la ejecución registra el rechazo en lugar de la escritura.

Capacidad 04

Revisión humana y decisiones desfavorables que la exigen

Las revisiones se registran contra las ejecuciones — y una decisión desfavorable influida por IA no puede asentarse sin una.

La revisión humana es un registro contra la ejecución y no un paso que alguien recuerda. Se guardan el revisor, su veredicto y su motivación, que es lo que convierte «un humano lo comprobó» en una afirmación verificable en lugar de una garantía.

En las decisiones desfavorables la revisión es obligatoria y el estándar es concreto: el revisor debe ostentar la misma facultad que exigía la propia decisión, y una salida de modelo determinante eleva la revisión a nivel de supervisor. No hay un escalafón de aprobación aparte y más débil para la IA — una denegación influida por IA se somete al estándar de autoridad de la denegación, no a uno menor porque haya intervenido software.

La influencia de la IA se detecta, no se declara. Omitir el identificador de la ejecución no vuelve la decisión ajena a la IA, porque las ejecuciones gobernadas que citan el mismo siniestro se encuentran igualmente.

Qué hace

  • Registrar revisor, veredicto y motivación contra la ejecución.
  • Exigir una revisión humana registrada antes de escribir una decisión desfavorable influida por IA.
  • Exigir que el revisor ostente la facultad que exigía la propia decisión.
  • Elevar a supervisor cuando la salida del modelo fue determinante.
  • Detectar la influencia de la IA desde las ejecuciones que citan, y no confiar en que quien llama la declare.

Implementa

  • Boletín modelo de la NAIC sobre el uso de IA por aseguradoras (alineación, no certificación)
  • Revisor con facultad equivalente

Míralo en el producto

Intente una denegación influida por IA sin revisión: 403 adverse_decision_review_missing. Que la apruebe alguien sin autoridad en siniestros: 403 adverse_decision_reviewer_unauthorised.

Capacidad 05

Enrutado de modelos con alternativa

Las tareas se encaminan a un modelo principal con una alternativa declarada, así que una caída de proveedor degrada en lugar de detener.

El enrutado es declarativo: cada tipo de tarea nombra un modelo principal y una alternativa, de modo que la elección de modelo para un trabajo es configuración y no algo enterrado en un punto de llamada. Cambiar qué modelo atiende la estimación de provisiones es un cambio de enrutado, no de código.

La alternativa es lo que convierte a un proveedor único en una dependencia y no en un punto único de fallo — una tarea cuyo principal no está disponible corre sobre su alternativa declarada.

Los proveedores locales y alojados viven tras la misma interfaz, de modo que una aseguradora que necesite ejecutar un modelo dentro de su propio perímetro puede hacerlo sin que el código llamante lo sepa.

Qué hace

  • Declarar un modelo principal y una alternativa por tipo de tarea.
  • Mantener la elección de modelo como configuración y no incrustada en los puntos de llamada.
  • Presentar proveedores locales y alojados tras una única interfaz.
  • Hold all nine mutating steps for a named approver.
  • Throw at import when a step names an action nobody registered.
  • Keep computed, no-data, unbound and held as four distinct step outcomes.
  • Record a gate refusal as its own outcome rather than as an error.
  • Turn no-data, unbound and held steps into stated limitations on the evidence pack.

Implementa

  • Enrutado declarativo de tarea a modelo
  • Alternativa declarada por tarea
  • Read / propose / mutate capability registry

Míralo en el producto

Lea la tabla de enrutado: cada tarea nombra su principal y su alternativa, y cambiar la asignación no toca el código que la invoca.

Capacidad 06

Limitación de tasa en los endpoints de IA

Las rutas de IA llevan su propia limitación de tasa, aplicada como middleware y no por manejador.

Los endpoints de IA están limitados por un middleware aplicado en el prefijo de ruta, de modo que el límite vale para todos los manejadores bajo él, incluidos los que se añadan después. Un control aplicado por manejador es un control que acaba olvidándose en el siguiente.

Combinado con la contabilidad de coste por ejecución, esto da dos frenos independientes: con qué frecuencia puede invocarse la IA y cuánto cuesta realmente cada llamada.

Dicho con honestidad: esto es limitación de tasa, no una capa completa de política como código. No hay listas blancas de modelos, ni topes de gasto configurables que detengan el trabajo al superarse, ni filtros de contenido — se describen más abajo en lugar de insinuarse aquí.

Qué hace

  • Aplicar la limitación de tasa como middleware en el prefijo de ruta de IA, cubriendo manejadores añadidos después.
  • Seguir el coste por ejecución con independencia del límite de tasa.
  • Present local and hosted providers behind one interface.

Implementa

  • Limitación de tasa por prefijo de ruta
  • Declared fallback per task

Míralo en el producto

Invoque un endpoint de IA por encima de su límite: el middleware lo rechaza, y el rechazo se aplica a toda ruta bajo el prefijo y no solo a la que lo implementó.

Capacidad 07

Dónde termina hoy este módulo

Dicho en lugar de insinuado: RAG, defensa frente a inyección de prompts y el libro de IA encadenado por hash no están construidos.

La página afirmaba un libro de IA a prueba de manipulaciones encadenado por hash para cada acción, chat RAG fundamentado con respuestas citadas, defensa frente a inyección de prompts, listas blancas de modelos, topes de coste, filtros de contenido y monitorización de salud de proveedores. Cuatro de esas cosas no están implementadas y una lo está en otro sitio.

El libro de IA NO está encadenado por hash. `ai_agent_runs` no tiene columna de hash anterior ni de hash de cadena; las ejecuciones se guardan, no se encadenan. El encadenamiento por hash sí existe en esta plataforma — el registro de auditoría actuarial calcula `sha256(prevHash + canonical)` desde una raíz GENESIS — pero protege mutaciones de la API actuarial, no acciones de IA. Describir el libro de IA como a prueba de manipulaciones tomaba prestada una propiedad de otra tabla.

No hay RAG. La recuperación es SQL ILIKE sobre siniestros, notas y texto de documentos almacenado; la nota del propio endpoint dice «sin embeddings, sin LLM», y la búsqueda del grafo lleva un FIXME que recoge que la puntuación de relevancia debería venir de embeddings y no viene. No hay filtrado de inyección de prompts — la única mención en el código es un comentario que señala el jailbreak como riesgo. Y de la lista de política como código, la limitación de tasa es real; las listas blancas de modelos, los topes de coste aplicados y los filtros de contenido no lo son, ni tampoco la monitorización de salud de proveedores, aunque la alternativa declarada sí existe.

Qué hace

  • Nombrar los controles ausentes en lugar de dejarlos entre los implementados.
  • Distinguir el registro de auditoría actuarial encadenado por hash, que existe, del libro de ejecuciones de IA, que no lo está.

Implementa

  • Divulgación de capacidades

Míralo en el producto

Inspeccione las columnas de ai_agent_runs: no hay campo de hash anterior. Inspeccione después el registro de auditoría actuarial, donde la cadena sí es real — el contraste es la versión honesta de la afirmación.

Capacidad 08

Where this module ends today

Stated rather than implied: RAG, prompt-injection defence and the hash-chained AI ledger are not built.

The page claimed a tamper-evident hash-chained ledger of every AI action, grounded RAG chat returning cited answers, prompt-injection defence, model allowlists, cost caps, content filters, and provider health monitoring. Four of those are not implemented and one is implemented somewhere else.

The AI ledger is NOT hash-chained. `ai_agent_runs` has no previous-hash or chain-hash column; runs are stored, not chained. Hash chaining does exist in this platform — the actuarial audit log computes `sha256(prevHash + canonical)` from a GENESIS root — but it protects actuarial API mutations, not AI actions. Describing the AI ledger as tamper-evident borrowed a property from a different table.

There is no RAG. Retrieval is SQL ILIKE over claims, notes and stored document text; the endpoint's own note says "no embeddings, no LLM", and the graph search carries a FIXME recording that relevance scoring should come from embeddings and does not. There is no prompt-injection screening — the only mention in the codebase is a comment noting jailbreak as a risk. And of the policy-as-code list, rate limiting is real; model allowlists, enforced cost caps and content filters are not, nor is provider health monitoring, though declared fallback is.

Qué hace

  • Name the absent controls rather than leaving them among the implemented ones.
  • Distinguish the actuarial hash-chained audit log, which exists, from the AI run ledger, which is not chained.

Implementa

  • Capability disclosure

Míralo en el producto

Inspect the ai_agent_runs columns: there is no previous-hash field. Then inspect the actuarial audit log, where the chain is real — the contrast is the honest version of the claim.

Pensado para quienes asumen el riesgo

Hecho para tu equipo, alineado con tus marcos de referencia.

Los agentes especializados de Cortex preparan el trabajo, citan sus fuentes y escriben cada acción en el registro de evidencias, de modo que Cortex AI acelera a las personas responsables sin poner en riesgo tu posición ante auditoría.

A quién sirve

  • Directores de datos y de IA
  • Responsables de riesgo de modelos
  • Arquitectos de plataforma
  • Responsables de cumplimiento
  • Equipos de innovación

Alineado con

  • Boletín modelo de la NAIC sobre IA
  • Marco de gestión de riesgos de IA del NIST
  • Ley de IA de la UE
  • Gobierno de modelos
  • RGPD
CortexCopiloto de razonamiento con IA
Fundamentado

Huella de dispositivo compartida con la trama94
Taller vinculado a un caso previo del SIU87
El patrón de siniestralidad coincide con el clúster cerrado81
FuentesLibro de pólizasGrafo de siniestrosExpedientes del SIU
Confianza94%
Mejor en conjunto

Encaja con el resto de la plataforma

Cortex AI comparte un mismo core con todos los demás módulos: combínalos para ampliar la cobertura sin acumular deuda de integración.

Mesa de Suscripción

Tarificar, decidir y derivar desde un único escritorio de suscripción gobernado.

Smart Claims

Cada decisión del expediente tiene un autor, una norma y un registro.

Cliente 360

Toda la relación en una sola pantalla, con la conducta incluida.

Plataforma Actuarial

El gobierno es el producto.

Para tu sectorDescubre cómo funciona Cortex AI en sectores regulados.
Aseguradoras de vida, ahorro y jubilación

Vida y Ahorro

De la suscripción acelerada al siniestro de fallecimiento automatizado.

Explorar Vida y AhorroAseguradoras de particulares y empresas

Seguros No Vida

Del presupuesto al siniestro sobre un único core, con el ratio combinado a la vista.

Explorar Seguros No VidaMGA, MGU y coverholders

MGA y Gestores de Programas

Emita dentro de autoridad, reporte a tiempo y gane más capacidad.

Explorar MGA y Gestores de Programas
Preguntas frecuentes

Preguntas frecuentes sobre Cortex AI

Lo que los equipos de evaluación quieren saber antes de una demo, respondido sin rodeos.

Que una escritura informada por un modelo pasa por una única evaluación que puede negarla, y que el rechazo nombra la condición que falló. La puerta se comparte entre siniestros, suscripción y actuarial en lugar de reimplementarse por función, que es lo que impide que aparezca un segundo camino más débil a su lado. Registrar una acción después de que ha ocurrido no es gobierno.

Por detección y no por declaración. Quien llama y omite el identificador de la ejecución no vuelve por ello la decisión ajena a la IA, porque las ejecuciones gobernadas que citan el mismo siniestro se encuentran igualmente. Esa es la diferencia entre un control y un sistema de honor, y por eso las citas se guardan como registros y no dentro del texto de salida.

No, y la página decía antes que sí. `ai_agent_runs` no tiene columna de hash anterior ni de hash de cadena — las ejecuciones se guardan, no se encadenan. El encadenamiento por hash sí existe en esta plataforma: el registro de auditoría actuarial calcula sha256(prevHash + canonical) desde una raíz GENESIS. Pero protege mutaciones de la API actuarial, no acciones de IA, y la afirmación anterior tomaba prestada una propiedad de otra tabla.

No. La recuperación es SQL ILIKE sobre siniestros, notas y texto de documentos almacenado — la nota del propio endpoint dice «sin embeddings, sin LLM» — y la búsqueda del grafo lleva un FIXME que recoge que la puntuación de relevancia debería venir de embeddings y hoy no viene. Las respuestas pueden citar las filas que leyeron, pero esto es recuperación por palabras clave, no búsqueda vectorial.

No implementada. La única aparición del concepto en el código es un comentario que señala el jailbreak como riesgo a tener en cuenta. No hay filtrado de entrada ni de contenido. Una aseguradora que exponga funciones de IA a entradas no confiables debería tratarlo como trabajo pendiente y no como un control que ya tiene.

La limitación de tasa, y se aplica como middleware en el prefijo de ruta de IA, de modo que cubre manejadores añadidos después en lugar de recordarse uno por uno. La contabilidad de coste por ejecución también es real — tokens, latencia y dólares en cada ejecución. Las listas blancas de modelos, los topes de gasto que detienen el trabajo al superarse, los filtros de contenido y la monitorización de salud de proveedores no están implementados; la alternativa declarada por tarea sí.

Nine steps out of 241. Twelve named agents each carry a published step plan, and every step's action resolves against one registry of 219 capabilities — 165 read, 36 propose, 18 mutate. The nine mutating steps hold for a named approver. That classification is enforced at import: a definition whose step names an unregistered action throws when the module loads, so a typo cannot reach a running system and silently default to mutate.

It is recorded as no-data, which is not the same as zero and not the same as unbound. Four outcomes are kept distinct — computed, found no data, no executor bound, held for approval — and each of the last three becomes a stated limitation on the evidence pack rather than a silent gap. A dashboard that renders "we looked and there is none" as 0 is asserting a measurement nobody took. The certification gate added a fifth outcome, refused, recorded as its own state rather than as an error, because a step stopped by a working control did not fail.

Ve Cortex AI sobre tus datos

Reserva una sesión de trabajo y trasladaremos tus fuentes, flujos y marcos de referencia a Cortex AI, mostrándote a Cortex razonando sobre ellos en directo.

Solicitar una demoExplorar la plataformaDemo interactiva
Cortex AI — IA que propone; las personas y las políticas deciden. | AegisNow Insurance