Es exactamente Azure Foundry, solo otro servicio que agregó Microsoft o es algo más grande. Durante el último año, Microsoft ha estado haciendo anuncios de IA por todas partes. Es fácil sentirse perdido. Soy Milko Peters de Microsoft Knowledge Nuggets. Al final de este episodio sabrás qué es Foundry realmente y por qué es importante, sin contenido de marketing. Lo dividiremos en partes claras, qué es, qué contiene y cómo se conecta todo. ¿Por qué todos están confundidos con el nombre? La confusión con mi nombre. Foundry ha pasado por más cambios de nombre de los que puedo contar. Primero fue Cognitive Services, luego IA Services, después IA Studio, más tarde IA Foundry y desde finales del año pasado es oficialmente Microsoft Foundry, el mismo producto 4, 5, 1, 3 años. Eso por sí solo es confuso, pero se complica más. En este momento, dos versiones de la plataforma funcionan al mismo tiempo.

La arquitectura clásica basada en hubs es la forma antiguo. El nuevo modelo de proyectos de Foundry es la versión modelo. Ambas residen en la misma URL ai.azuro.com. Vas allí y encuentras un botón de cambio que alterna entre dos arquitecturas completamente diferentes. No es solo un aspecto nuevo, es una forma distinta de organizar todo en su interior. Esto confunde a los principiantes porque al buscar ayuda, encuentras artículos sobre hubs y proyectos clásicos. Sus artículos siguen siendo precisos. Microsoft admite ambas versiones, pero las nuevas funciones, las capacidades de agentes y todo en lo que Microsoft está invirtiendo solo llegan a los proyectos de Foundry. Podrías seguir un tutorial antiguo, configurar un hub y luego descubrir que no puedes usar las herramientas más recientes. Eso es un verdadero dolor de cabeza. Así que aquí está mi consejo. Ignora lo antiguo. El Foundry moderno es donde Microsoft está poniendo todo.

Si empiezas desde cero hoy, omite los hubs y ve directo a los proyectos de Foundry. Es donde reciban las nuevas capacidades. Entonces, ¿qué es realmente Azure AI Foundry? Empecemos desde cero. ¿Qué es Azure AI Foundry? Es una plataforma modificada para crear, probar y desplegar aplicaciones de IA todo en un solo lugar. Esa es la definición más simple. Piénsalo como una fábrica. Entran materias primas, modelos, datos, herramientas. Salen aplicaciones terminadas, chatbots, copilotos, agentes de automatización. Tú no construyes la fábrica, Microsoft la opera. Solo entras, tomas lo que necesitas y comienzas a construir. Esto no es un producto único como Word o Excel. Foundry es un contenedor que alberga modelos, herramientas, proyectos y seguridad. Creas un recurso de Foundry y obtienes todo el catálogo de modelos, miles de ellos. Obtienes herramientas para crear agentes, entornos de prueba, herramientas de evaluación y seguridad, todo integrado.

Ahora, ¿qué hay una distinción clave? Foundry es para desarrollador. Si escribes en Python o Cshapa, si quieres crear soluciones de IA personalizadas con código, esta es tu plataforma. Buscas una experiencia de código bajo de arrastrar y eso es Copilot Studio, una herramienta diferente para una audiencia diferente. Ambas son válidas. Antes de Foundry, crear una aplicación de IA en Azure significaba aprovisionar servicios separados. Tenías que configurar Azure OpenAI, Cognitive Services, Azure Machine Learning, Azure Eye Search y luego escribir código personalizado para unirlos. Mucho trabajo. Foundry reemplaza todo eso. Creas un recurso y todo está ya conectado. Los modelos están ahí, las herramientas están ahí, la seguridad está integrada. Solo tienes que empezar a crear. Ese es el punto. No se trata de añadir otra herramienta, sino de eliminar la fricción de gestionar una docena de servicios separados.

La unidad organizativa clave es los proyectos de Foundry. Entonces tienes tu fábrica de ahí. Pero una fábrica necesita organización. Ahí es donde entran los proyectos de Foundry. El proyecto de Foundry es un espacio de trabajo aislado para una solución de IA específica. Si Foundry es la fábrica, los proyectos son mesas de trabajo individual. Cada uno tiene sus propias herramientas, materiales y trabajadores sin interferir entre sí. El equipo que construye un chatbot de atención al cliente no arruinará accidentalmente el proyecto del asistente de red. ¿Qué hay dentro de un proyecto? Sus propios despliegues de modelos, agentes, almacenes de conocimiento, evaluación y monitoreo. Todo lo que necesitas para una solución, todo en un solo lugar. Esta es la estructura central. Los proyectos residen dentro de un recurso de Foundry. El recurso es el límite de facturación y seguridad. El edificio. Los proyectos son las habitaciones.

Un edificio, una puerta de entrada, un escritorio de seguridad, una factura. Pero cada habitación tiene su propio propósito y su propio cliente. Por ejemplo, una empresa llamada Contoso construye tres soluciones de IA, un agente de atención al cliente, un asistente de RER y un sistema de procesamiento de documento. Con Foundry crean un recurso para toda la empresa y luego crean tres proyectos dentro de él. Cada proyecto tiene sus propios modelos, agentes y almacenes de conocimiento. Los equipos trabajan de forma independiente sin interferir en los conmigo. Esto es importante porque diferentes equipos necesitan diferentes exos. El equipo de atención al cliente no necesita ver documentos de R. El equipo de procesamiento de documentos no necesita políticas de rembol. Los proyectos te dan ese aislamiento. Al mismo tiempo, TI mantiene el control central, estudiando un recurso, una política de seguridad, un presupuesto, autonomía de equipo con gobierno central.

El corazón de Foundry, el catálogo de modelos. Piénsalo de esta manera. Todo proyecto necesita un cerebro. En Foundry, ese cerebro vive dentro de modelos. Más de 11.000 modelos y no es un error tipográfico. Tienes modelos de OpenAI como GPT-4U y GPT-4.1. La familia llama de Meta, Mistral, DeepSeq, los modelos FI de Microsoft, Cloud Antropic, Coher, modelos para texto, imágenes, código y embeddings. Ahora mismo, este es el catálogo de modelos más grande que encontrarás en cualquier plataforma en la nube. Dividámoslos en dos tipos básicos. Modelos de lenguaje grandes y modelos de lenguaje pequeño. Los grandes tienen miles de millones de parámetros. GPT-4 tiene más de un millón, por lo que pueden manejar razonamiento complejo, escritura creativa y conversaciones con matices, pero son costosos y lentos. Los modelos pequeños tienen mucho menos parámetros. El FI de Microsoft tiene cerca de 3.8 mil millones, pequeño comparado con GPT-4, pero es rápido y económico.

Para tareas enfocadas como extraer datos de un formulario o responder preguntas simples, funciona muy bien. Aquí está el beneficio práctico. Puedes implementar un modelo en segundos. Eliges uno del catálogo, haces clic en implementar y está listo. Sin aprovisionar hardware, sin configurar redes, sin esperar horas para la instalación, solo segundos. Y antes de comprometerte, puedes probarlo en el patio de juego. Prueba diferentes prompts, ajusta configuraciones como temperatura y toques máximos y ve las respuestas al instante. Es como una prueba de manejo antes de comprar algo. No estás limitado a un solo modelo y eso es una gran ventaja sobre usar la API de OpenAI directamente. Con Foundry puedes usar GPT-4O para razonamiento complejo donde la calidad importa. FIPA para clasificación simple, donde la velocidad y el costo importan. Y llama de meta para cumplimiento si necesitas ejecutar modelos en tu propio centro de datos.

Cambia según el trabajo. Foundry también incluye una herramienta de comparación que te ayuda a evaluar modelos lado a lado. Compara por calidad qué tan precisa son las respuestas. Por seguridad, qué tan bien resiste ataques de inyección de prompts. Por costo, el precio por millón de tokens. Por velocidad, qué tan rápido genera los resultados. Eso convierte la selección de modelos de un juego de adivinanzas a una decisión informada. Eliges la herramienta correcta para el trabajo correcto, no solo la que todos mencionan. Construir agentes de IA, la característica estrella de Foundry. Un modelo por sí solo no es muy útil. Puedes chatear con él en el patio de juegos, hacer preguntas, ver qué genera, pero eso es una conversación. La verdadera magia ocurre cuando construyes algo que realmente puede hacer cosas. Y ahí es donde entran los agentes. Un agente es más que un chatbot. Un chatbot responde preguntas.

Un agente toma acción. Puedes buscar en la web, leer archivos, hacer cálculos, recordar lo que le dijiste la semana pasada y seguir una serie de instrucciones. Es como tener un asistente que no solo habla, sino que realmente hace las cosas. Foundry te ofrece cinco componentes para crear un agente. Permíteme explicarlo uno. Primero, las instrucciones. ¿Qué es donde le dices al agente qué debe hacer y cómo debe comportarse? Piénsalo como una descripción de puesto. Podrías decir, eres un agente de atención al cliente. Sea amable y profesional. Solo responde preguntas sobre nuestra política de evolución. Si no sabe la respuesta, dilo y transfiere el caso a un humano. Sin instrucciones, el agente hace lo que al modelo le parezca. Con instrucciones tiene un propósito claro. Segundo, el modelo. Este es el cerebro. Procesa cada solicitud y genera respuestas. Tú eliges qué modelo usar. GPT-4 para razonamientos complejos.

5 para tareas sencillas. Lo que mejor se adapte. El modelo hace que el agente sea inteligente, pero solo una pieza. Terceras mentes. Aquí es donde el agente obtiene sus manos. Las herramientas son capacidades que puede usar para hacer cosas. La búsqueda web le permite consultar información actual. El intérprete de código le permite hacer matemáticas y ejecutar calco. La búsqueda de archivos le permite los documentos que tú subas. Sin herramientas, el agente solo puede generar texto. Con herramientas puede actuar sobre el mundo. Cuarto, el conocimiento. Esta es la información que el agente puede consultar. Subes documentos, PDFs, archivos, JSON, cualquier dato que tu agente necesite para responder preguntas con precisión. Foundry utiliza Azure AI Search tras bambalinas para indexar esos datos y hacerlos buscables. Cuando un cliente pregunta sobre una política específica, la gente no adivina.

Encuentra el documento real y lo lee. Tiento la memoria. Esto permite que la gente recuerde a través de la conversación. Hablas con él hoy, recuerda tus preferencias. Vuelves mañana y retoma donde lo dejaste. Almacena resúmenes de chat y preferencias del usuario para que la experiencia se sienta personal y continua. Aquí hay un ejemplo concreto de la investigación que alguien construye un agente rastreador de regalos en fama. La idea es sencilla. ¿Quieres llevar el control de los regalos para tu familia? ¿Qué les has dado antes? ¿Qué les gusta? ¿Qué no? ¿Y cuánto estás gastando? Entonces, la gente tiene instrucciones que dicen, ayudas a planificar regalos. Nunca sugieras algo que ya hayan recibido. Utiliza GPT-4 como cerebro. Búsqueda web para encontrar ideas de regalos. Búsqueda de archivos con perfiles de cada familiar. Sus gustos, disgustos e historial de regalos de los últimos tres años.

Intérprete de código. Para calcular presupuestos y totales. Además, de memoria. Sí, la próxima vez que inicies una conversación, recordará que buscabas un regalo de cumpleaños para tu hijo, Adam. Todo esto lo construyes y pruebas en el área de trabajo de la gente. Es una interfaz visual donde configuras cada componente, pruebas las respuestas de la gente y ves exactamente qué herramientas usó y por qué. Una vez que funciona, puedes implementarlo. Foundry te ofrece un punto de conexión API al que puedes llamar desde cualquier aplicación o publicarlo directamente en Microsoft Teams como un agente de Copilot. De cualquier modo, tu agente pasa de la idea a la producción sin escribir una sola línea de código de infraestructura. En el interior, la arquitectura es simplificada. Es la superficie. Pero, ¿qué ocurre realmente en el interior? Y tienes la arquitectura en el lenguaje sencillo. Cuando creas un recurso de Foundry, Azure configura toda la infraestructura automáticamente, así que no necesitas aprovisionar almacenamiento, configurar registros ni crear grupos de seguridad.

Todo ocurre tras bambalinas. Crean una cuenta de almacenamiento para tus archivos y registros, configurando el monitoreo y definiendo la identidad. Por lo tanto, solo tienes que crear el recurso y empezar con esto. Ahora, Foundry utiliza el tipo de recurso de Cognitive Services, el mismo que usan Azure OpenAI y los servicios de IA más antiguos como Visión y Voz. La antigua arquitectura basada en Hubs utilizaba Machine Learning Services, que es un proveedor completamente distinto con facturación, red y gobernanza diferentes, y gobernanza diferente. Eso es importante porque Foundry reside en una parte más simple y unificada de la infraestructura de Azure. Los proyectos son recursos secundarios del recurso Foundry, por lo que comparten la misma identidad y límite de seguridad. Cuando configuras el control de acceso a nivel de Foundry, este se aplica a todos los proyectos, lo que significa que no necesitas configurar la seguridad por separado por separado para cada uno.

Pero si necesitas permisos específicos para un proyecto, también puedes añadir. Foundry en otro vaso Te conecta a otros servicios de Azure y Azure. AI Search es el más importante porque así es como tus agentes se encuentran y recuperan conocimiento. Key Vault almacena secretos y claves API de forma segura, y las cuentas de almacenamiento contienen archivos, registros e índices vectoriales. Estas conexiones se gestionan a través de lo que Foundry llama conexiones, que son enlaces preconfigurados que permiten a tus agentes acceder a estos recursos sin que tengas que gestionar credenciales manualmente. Servicio de agentes de Foundry es el entorno de ejecución que aloja realmente a tus agentes. Piense medio como la sala de máquina. Cuando un usuario envía una solicitud, el servicio de agentes se encarga de la coordinación, recibiendo la petición, verificando las instrucciones, llamando al modelo, invocando las herramientas adecuadas, recuperando el conocimiento y generando una respuesta.

También ejecuta filtros de seguridad para detectar contenido dañino, manejar el escalado. Por lo tanto, si mil usuarios acceden a su agente a la vez, este aumenta su capacidad automáticamente. Todo se ejecuta dentro de la seguridad de nivel empresarial de Azure, donde EntraID maneja la autenticación, las redes administradas mantienen el tráfico privado, y el control de acceso basado en roles asegura que solo personas autorizadas puedan modificar los agentes. Los filtros de seguridad de contenido bloquean las respuestas inapropiadas. Es la misma infraestructura de seguridad que ejecuta los propios servicios de Microsoft. Una cosa más, la arquitectura antigua de centros y proyectos aún existe. Si ha estado usando Azure e Foundry por un tiempo, es posible que tenga centros configurados, y estos siguen funcionando con su parte de Microsoft. Pero no recibirán las nuevas funciones de agentes como el Agent Playground, el servicio de agentes, las capacidades de memoria.

Todo eso solo llegará a los nuevos proyectos de Foundry. Así que si está empezando de cero o quiere crear agentes, utilice los nuevos proyectos. No construya sobre la base antigua. ¿Cómo se conecta todo? El panorama general. Entonces, ¿qué sucede realmente cuando alguien usa una aplicación de Foundry? Imagine que un usuario escribe una pregunta, y esa pregunta llega a su agente. El agente verifica sus instrucciones, elige el modelo correcto, y comienza a procesar. Pero no solo adivina la respuesta. Accede a Azure AI Search para encontrar conocimiento relevante de sus documentos, llama a una herramienta como la búsqueda web para obtener información actual, procesa todo ese contexto y genera una respuesta. Luego, almacena la conversación en la memoria para que la próxima vez recuerde quién es usted y qué discutieron. Ese es el flujo extremo a extremo. Antes de Foundry, necesitaba 5 servicios de Azure independientes y código personalizado para que eso funcionara.

Azure Open AI para el modelo, AI Search para la recuperación de conocimiento, un servicio separado para la búsqueda web, almacenamiento para registros y archivos, y Givolt para secretos. Luego, tenía que escribir código para conectar todo eso, manejar la autenticación, gestionar errores y configurar la supervisión. Foundry hace todo eso de forma nativa. Solo configura los componentes y su agente ya está funcionando. Aquí está el punto, todo interactúa. Cambia el modelo y cambiará el costo y la precisión de cada respuesta. Añada mejores fuentes de conocimiento y su respuesta será más precisa. Active la memoria y la experiencia, se sentirá personal en lugar de robótica. Estas no son decisiones aisladas, son un sistema, y Foundry le brinda los controles para ajustar ese sistema a sus necesidades específicas. Es por esto que las empresas están pasando de pilotos a producción. Foundry les brinda la estructura para crear aplicaciones de AI confiables.

La seguridad, el monitoreo y la evaluación vienen integrados. No estás empezando desde cero. Estás sobre una plataforma que maneja las partes difíciles para que te enfoques en la aplicación, para comenzar tus primeras secciones. Entonces, ¿por dónde empezar? Ve a AI.azure.com y crea tu primer recurso de Foundry. Necesitarás una suscripción a Azure, pero si no tienes una, regístrate para una cuenta gratuita con algunos créditos para probar. Dale la configuración, toma alrededor. Luego, crea un proyecto dentro de ese recurso y ponle un nombre relacionado con lo que estés construyendo. Después, elige un modelo catálogo. Recomiendo empezar con uno capaz y suficiente para la mayoría de los experimentos. Puedes desplegarlo con un solo clic. Después de eso, abre el área de pruebas de agentes y construye un agente sencillo. Dale instrucciones como Eres un asistente útil que responde. Pregunta sobre las políticas de la empresa.

Luego, añade la búsqueda web como herramienta. Pruébalo haciendo una pregunta y observa el rastreo para ver qué herramientas uso y por qué no intentes construir todo de una vez. Elige un caso de uso. Quizás un bot de preguntas y respuestas sobre documentos de tu manual de empresa y empieza poco a poco. Haz que funcione y luego expande desde ahí. Añade búsqueda de archivos con documentos reales. Añade memoria para que recuerde a los usuarios. Y un intérprete de código si necesitas cálculos. Y este es lo importante. Foundry incluye un chatbot de IA integrado que responde preguntas sobre la plataforma misma. Si te quedas atascado, pregúntale cosas como ¿Qué modelos están disponibles en mi región? O ¿Cómo añado memoria a mi agente? Busca la documentación y te da una respuesta al instante como tener un ingeniero de soporte dentro del portal. Tal. Así que ese es el sistema. Una plataforma unificada que toma modelos, proyectos, agentes, conocimiento y seguridad y los integra para que funcionen juntos.

Cuando ves cómo se integra todo, la confusión desaparece. Foundry no es solo otra herramienta. Es el taller donde construyes aplicaciones de IA. Esta es la conclusión. Tu mayor logro hoy es sencillo. Crea un proyecto de Foundry y construye un agente. Eso es todo. Si te fue útil, suscríbete para más explicaciones claras como esta y comparte este episodio con alguien que también esté confundido sobre la línea de Microsoft. Te lo agradecerá.