[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:es":3,"public-menus:all":38,"post:what-is-an-ai-platform-architect-models-data-runtime-security-and-operations:es":205,"related:post:what-is-an-ai-platform-architect-models-data-runtime-security-and-operations:es:1":2452},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","es","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,181,193],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-folder","custom",[],{"id":176,"title":177,"url":179,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":180},"item-28",{"de":178,"en":178,"es":178,"fr":178,"it":178,"ru":178,"sr":178,"zh":178},"Solr Suggester","\u002Fportfolio\u002Fsolr-fuzzy-suggester-und-solr-infix-suggester-abfrage-ueber-ajax-und-filterung",[],{"id":182,"title":183,"url":191,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":192},"item-27",{"de":184,"en":185,"es":186,"fr":187,"it":188,"ru":189,"sr":190,"zh":185},"Firmenwebseite SEO","Company Website SEO","Sitio web corporativo SEO","Site web d’entreprise SEO","Sito web aziendale SEO","Корпоративный сайт SEO","Пословна веб-страница SEO","\u002Fportfolio\u002Fseo-sem-branding-mobile-webseite-muenchen",[],{"id":194,"title":195,"url":203,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":204},"item-31",{"de":196,"en":197,"es":198,"fr":199,"it":200,"ru":201,"sr":202,"zh":197},"Digitalisierungsportal","Digitalization Portal","Portal de digitalización","Portail de numérisation","Portale di digitalizzazione","Портал цифровизации","Портал за дигитализацију","\u002Fportfolio\u002Fdigitalisierungsportal-archiv-museum-bibliothek-ead-lido-mets-mods",[],{"statusCode":4,"data":206,"message":2451},{"id":207,"title":208,"slug":209,"content":210,"contentJson":211,"excerpt":1202,"featuredImage":1203,"featuredImageAlt":1204,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":1205,"publishedAt":1206,"createdAt":1207,"updatedAt":1208,"seoLocalePaths":1209,"categories":1218,"author":1231,"translations":1236},"484","¿Qué es un arquitecto de plataforma de IA? Modelos, datos, entorno de ejecución, seguridad y operaciones","what-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u003Cp>Un \u003Cstrong>Arquitecto de Plataforma de IA\u003C\u002Fstrong> diseña la base de IA reutilizable a través de la cual múltiples aplicaciones, equipos o contextos de inquilinos acceden a modelos, datos y recuperación, tiempos de ejecución de agentes y herramientas, identidad y permisos, evaluación, observabilidad, cuotas, secretos y capacidades de despliegue. El rol es más amplio que la infraestructura pero más limitado que poseer cada producto habilitado para IA: su responsabilidad central es decidir \u003Cstrong>qué debe compartirse, cómo se gobiernan y aíslan las capacidades compartidas, y qué debe permanecer específico de cada solución\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Respuesta directa\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Un Arquitecto de Plataforma de IA diseña el sustrato técnico y operativo compartido para los sistemas de IA.\u003C\u002Fstrong> En lugar de arquitecturar un solo asistente o un solo flujo de trabajo, el rol define contratos y límites reutilizables para el acceso a modelos\u002Fproveedores, pasarelas y enrutamiento, servicios de recuperación, tiempos de ejecución de agentes, acceso a herramientas, identidad y aislamiento de inquilinos, secretos, evaluación, telemetría, despliegue y gestión del ciclo de vida.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Nota terminológica\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Arquitecto de Plataforma de IA es una etiqueta práctica de rol, no un título profesional universalmente estandarizado.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 define conceptos para descripciones de arquitectura, no este rol. Diferentes organizaciones pueden dividir estas responsabilidades entre arquitectos de plataforma, arquitectos de soluciones, arquitectos empresariales, arquitectos de seguridad, especialistas en MLOps\u002FLLMOps y equipos de ingeniería de plataforma. Este artículo utiliza el término para la responsabilidad de arquitectura sobre una capa de plataforma de IA reutilizable.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Nota sobre fuentes actuales — 8 de octubre de 2026\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Los principios arquitectónicos estables aquí son neutrales respecto al proveedor. La guía actual de Microsoft, AWS y NIST se utiliza como evidencia externa de implementación y gobernanza. NIST declara que AI RMF 1.0 está siendo revisado; las características de las plataformas de proveedores, los productos de pasarela, los tiempos de ejecución de agentes y las capacidades de los modelos evolucionan más rápido que los principios arquitectónicos, por lo que las decisiones de implementación sensibles a la versión deben verificarse nuevamente antes del despliegue.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Contenido\">\u003Cstrong class=\"editorjs-toc__title\">Contenido\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-6\" class=\"editorjs-toc__link\">¿Qué arquitectura realmente un Arquitecto de Plataforma de IA?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-10\" class=\"editorjs-toc__link\">El ejemplo más simple\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-15\" class=\"editorjs-toc__link\">Dónde se detiene el ejemplo simple\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-18\" class=\"editorjs-toc__link\">La decisión de plataforma más importante: compartido versus específico de la solución\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-21\" class=\"editorjs-toc__link\">Mapa de responsabilidades de arquitectura\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-22\" class=\"editorjs-toc__link\">1. Acceso a modelos y proveedores\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-26\" class=\"editorjs-toc__link\">2. Gateway, enrutamiento, cuotas y controles de costos\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-30\" class=\"editorjs-toc__link\">3. Servicios compartidos de datos, recuperación y fundamentación\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-34\" class=\"editorjs-toc__link\">4. Tiempo de ejecución de agentes y herramientas\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-38\" class=\"editorjs-toc__link\">5. Identidad, aislamiento de inquilinos y autorización\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-42\" class=\"editorjs-toc__link\">6. Secretos, credenciales y límites de confianza\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-45\" class=\"editorjs-toc__link\">7. Evaluación, observabilidad y auditabilidad\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-49\" class=\"editorjs-toc__link\">8. Tiempo de ejecución, despliegue y localidad\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-52\" class=\"editorjs-toc__link\">9. Ciclo de vida de la plataforma, compatibilidad e incorporación\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-55\" class=\"editorjs-toc__link\">Un modelo práctico de plano de control \u002F plano de ejecución \u002F plano de solución\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-59\" class=\"editorjs-toc__link\">¿Qué debería producir un Arquitecto de Plataforma de IA?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-61\" class=\"editorjs-toc__link\">El trabajo es principalmente de compensaciones, no de centralización máxima\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-63\" class=\"editorjs-toc__link\">¿En qué se diferencia de roles adyacentes?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-66\" class=\"editorjs-toc__link\">Evidencia de implementación: cómo aparecen estos límites de plataforma en mi propio trabajo\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-68\" class=\"editorjs-toc__link\">Aaasaasa AI Client: separación de proveedor, tiempo de ejecución y permisos\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-73\" class=\"editorjs-toc__link\">Aaasaasa AI CMS: autorización con alcance de inquilino como límite de plataforma\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-77\" class=\"editorjs-toc__link\">Source of Truth Research Engine: mecánicas de recuperación compartidas sin verdad compartida\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-82\" class=\"editorjs-toc__link\">Cómo la guía de arquitectura actual respalda este alcance de plataforma\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-88\" class=\"editorjs-toc__link\">Conceptos erróneos comunes\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-90\" class=\"editorjs-toc__link\">Modos de fallo que un Arquitecto de Plataforma de IA debería prevenir\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-92\" class=\"editorjs-toc__link\">Una secuencia práctica de decisiones de arquitectura de plataforma\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-94\" class=\"editorjs-toc__link\">Casos límite y límites del rol\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-100\" class=\"editorjs-toc__link\">¿Qué cambiaría esta respuesta?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-103\" class=\"editorjs-toc__link\">Lista de verificación del Arquitecto de Plataforma de IA\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-105\" class=\"editorjs-toc__link\">Conclusión\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-109\" class=\"editorjs-toc__link\">Conocimiento canónico relacionado\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-114\" class=\"editorjs-toc__link\">Preguntas frecuentes\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-116\" class=\"editorjs-toc__link\">Glosario\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-118\" class=\"editorjs-toc__link\">Fuentes primarias y guía arquitectónica actual\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-6\">¿Qué arquitectura realmente un Arquitecto de Plataforma de IA?\u003C\u002Fh2>\n\u003Cp>El objeto del trabajo es la \u003Cstrong>plataforma\u003C\u002Fstrong>: un conjunto de capacidades compartidas que reduce el trabajo de integración repetido mientras preserva límites explícitos de seguridad, datos y operaciones. Una plataforma puede exponer acceso a modelos, adaptadores de proveedores, primitivas de recuperación, ejecución de agentes, intermediarios de herramientas, aplicación de políticas, evaluación, telemetría y servicios de despliegue a muchas soluciones consumidoras.\u003C\u002Fp>\n\u003Cp>La plataforma no es valiosa simplemente porque los componentes estén centralizados. Es valiosa cuando los consumidores reciben capacidades estables con contratos claros, propiedad, aislamiento, observabilidad y reglas de ciclo de vida. Por lo tanto, la pregunta arquitectónica clave no es \"¿Qué modelo deberían usar todos?\" sino \u003Cstrong>\"¿Qué responsabilidades pueden estandarizarse y reutilizarse de forma segura sin borrar los requisitos de cada solución?\"\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">La arquitectura de soluciones y la arquitectura de plataforma resuelven problemas de alcance diferentes\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Arquitecto de Soluciones de IA\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Arquitecto de Plataforma de IA\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Alcance principal\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">One concrete AI-enabled product, workflow or application.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Reusable AI capabilities consumed by multiple solutions, teams or tenant contexts.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Pregunta principal\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">How should this solution meet its business, data, security, quality and operational requirements?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Which shared capabilities and controls should solutions consume, and where must solution-specific ownership remain?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Autoridad sobre los datos\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Defines which domain data is authoritative and how the solution may use it.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Provides storage, retrieval, provenance or access primitives without automatically becoming the authority for every domain.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Evaluación\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Defines task-specific quality and acceptance criteria.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Provides reusable evaluation, telemetry and release mechanisms; it cannot define every domain's success threshold.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Ciclo de vida\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Owns the lifecycle of the specific workload.\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Owns shared capability versions, compatibility, onboarding, quotas, policy and operational contracts.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-10\">El ejemplo más simple\u003C\u002Fh2>\n\u003Cp>Imagina que una organización tiene cinco productos habilitados para IA: un asistente de documentos interno, un copiloto de atención al cliente, un agente de ingeniería de software, un flujo de trabajo de revisión de contratos y un asistente de búsqueda de productos. Cada producto podría integrar de forma independiente las API de modelos, mantener credenciales, implementar reintentos, recopilar métricas de tokens, crear código de recuperación y construir sus propios permisos de herramientas.\u003C\u002Fp>\n\u003Cp>Esa duplicación es costosa y peligrosa cuando cada equipo inventa un modelo de seguridad y operaciones diferente. Una plataforma compartida puede en su lugar ofrecer conexiones aprobadas con proveedores, descubrimiento de modelos, cuotas, credenciales, acceso consciente del inquilino, telemetría común, servicios de recuperación reutilizables y un contrato de tiempo de ejecución de agentes\u002Fherramientas.\u003C\u002Fp>\n\u003Cp>Pero la plataforma debe detenerse en el límite correcto. La solución de revisión de contratos puede requerir autoridad sobre documentos legales y reglas de citación que el agente de software no necesita. El asistente de búsqueda de productos puede necesitar reglas de frescura y autorización específicas del comercio. \u003Cstrong>La infraestructura reutilizable no hace que toda la verdad del dominio sea reutilizable.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Una ruta de solicitud de IA compartida\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. El consumidor se identifica\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La aplicación, el usuario, el servicio, el equipo o el inquilino que llama entra a través de una identidad autenticada y un alcance explícito.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Se aplica la política de la plataforma\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Las capas de pasarela y políticas determinan los proveedores, modelos, cuotas, rutas de datos, herramientas y modos de ejecución permitidos.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Se ejecuta la capacidad compartida\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La solicitud puede usar inferencia, recuperación, tiempo de ejecución de agentes, acceso a herramientas u otro servicio de plataforma reutilizable.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. El contexto específico de la solución sigue siendo autoritativo\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La solución consumidora proporciona reglas de dominio, intención del usuario, autoridad sobre los datos, restricciones específicas de la tarea y lógica de aceptación.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Se capturan la telemetría y la evidencia\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La plataforma registra identidad, ruta, modelo\u002Fproveedor, latencia, costo, errores, actividad de herramientas y otras señales de observabilidad permitidas.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. El resultado regresa bajo el contrato de la solución\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">La solución sigue siendo responsable de si la salida es aceptable para su usuario y dominio.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-15\">Dónde se detiene el ejemplo simple\u003C\u002Fh2>\n\u003Cp>La centralización no es automáticamente arquitectura. Un único punto de conexión frente a varias API de modelos es útil, pero por sí solo no crea una plataforma de IA. Una plataforma de producción también necesita límites de identidad, contratos de capacidades, manejo de salud y ciclo de vida de proveedores, cuotas, propiedad de secretos, observabilidad, reglas de compatibilidad, controles de seguridad, disciplina de versiones y responsabilidad operativa clara.\u003C\u002Fp>\n\u003Cp>El fallo opuesto también es común: poner cada prompt, índice vectorial, regla de negocio, agente y flujo de trabajo de aplicación en un único \"backend de IA\". Eso crea un monolito cuyo estatus compartido es accidental en lugar de arquitectónico. \u003Cstrong>Una plataforma debe estandarizar capacidades transversales, no absorber la propiedad del dominio solo porque la IA esté involucrada.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2 id=\"section-18\">La decisión de plataforma más importante: compartido versus específico de la solución\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Área de capacidad\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Buen candidato para la propiedad de plataforma compartida\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Normalmente permanece específico de la solución\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Acceso a modelos\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Conexiones aprobadas con proveedores, adaptadores, credenciales, salud, primitivas de enrutamiento, cuotas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Aceptación de modelos específica de la tarea, comportamiento de prompts, umbral de calidad\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Recuperación\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Primitivas de ingesta, extracción, indexación, API de búsqueda, contratos de procedencia, hooks de autorización\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Corpus autoritativo, reglas de frescura, metadatos de dominio, suficiencia de evidencia\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Agentes y herramientas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ciclo de vida en tiempo de ejecución, registro\u002Fbroker de herramientas, aplicación de permisos, trazabilidad, cancelación\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Flujo de trabajo de negocio, semántica de acciones permitidas, política de escalado, éxito de la tarea\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Seguridad\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Integración de identidad, almacenamiento de secretos, aplicación de políticas, contratos de auditoría, mecanismos de aislamiento de inquilinos\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Clasificación de datos, reglas de autorización de negocio, aceptación de riesgo específica del dominio\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Evaluación\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Arnés, mecánica de conjuntos de datos\u002Fversiones, telemetría, flujo de trabajo de experimentos\u002Fversiones\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verdad fundamental, conjunto de pruebas de dominio, umbral de aceptación, resultado del usuario\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Operaciones\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Patrón de despliegue, salud, métricas, integración de incidentes, controles de capacidad\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">SLO de la solución cuando difieren, impacto en la continuidad del negocio, runbooks específicos de la carga de trabajo\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Principio de plataforma\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Comparte mecánicas y controles donde la reutilización es real; mantén la autoridad y la aceptación donde el dominio las posee.\u003C\u002Fstrong> Esto evita dos errores opuestos: infraestructura duplicada en todas partes y una plataforma central que falsamente se convierte en propietaria de los datos, las políticas y la calidad de cada aplicación.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-21\">Mapa de responsabilidades de arquitectura\u003C\u002Fh2>\n\u003Ch3 id=\"section-22\">1. Acceso a modelos y proveedores\u003C\u002Fh3>\n\u003Cp>Un arquitecto de plataforma define cómo los consumidores descubren e invocan modelos sin obligar a cada aplicación a codificar directamente un proveedor. Esto incluye adaptadores de proveedor, identificadores de modelo, metadatos de capacidad, autenticación, verificaciones de salud, configuración de endpoints, normalización de solicitudes y comportamiento de compatibilidad.\u003C\u002Fp>\n\u003Cp>La abstracción del proveedor debe seguir siendo honesta. Diferentes proveedores exponen diferentes límites de contexto, semántica de herramientas, comportamiento de salida estructurada, capacidades multimodales, controles de seguridad, almacenamiento en caché, precios y modos de fallo. Una buena abstracción crea un contrato de plataforma estable mientras preserva el acceso a capacidades que no pueden aplanarse de manera significativa.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">No confundas la abstracción con pretender que los proveedores son idénticos\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Una API de mínimo común denominador puede facilitar la migración, pero también puede borrar capacidades que importan. La arquitectura debe definir qué características son portables, cuáles son específicas del proveedor y cómo los consumidores descubren esa diferencia.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch3 id=\"section-26\">2. Gateway, enrutamiento, cuotas y controles de costos\u003C\u002Fh3>\n\u003Cp>Un gateway de IA compartido puede centralizar autenticación, enrutamiento, limitación de velocidad, reintentos, límites de tokens, atribución de uso y aplicación de políticas. La guía actual de AI Gateway de Microsoft trata explícitamente los límites de tokens por minuto, las cuotas y la contención multiproyecto como preocupaciones de la plataforma; AWS de manera similar expone cuotas de cuenta y modelo y controles centralizados.\u003C\u002Fp>\n\u003Cp>Por lo tanto, el gateway es más que un proxy inverso cuando conlleva políticas y semántica operativa específicas de IA. Pero no debe tomar decisiones de negocio silenciosamente. Una política de enrutamiento puede preferir un modelo local saludable, un proveedor de menor costo o un endpoint regionalmente compatible; si esa ruta es aceptable para una tarea particular sigue siendo un contrato entre plataforma y solución.\u003C\u002Fp>\n\u003Cp>El enrutamiento también necesita semántica de fallo. Si el modelo preferido no está disponible, la plataforma debe saber si se permite el fallback, si una ruta en la nube requiere consentimiento explícito, si un modelo de menor capacidad es válido y cómo se expone la decisión a la observabilidad.\u003C\u002Fp>\n\u003Ch3 id=\"section-30\">3. Servicios compartidos de datos, recuperación y fundamentación\u003C\u002Fh3>\n\u003Cp>Los servicios de recuperación son fuertes candidatos para la plataforma porque el análisis, la fragmentación, la indexación, la búsqueda léxica, la búsqueda semántica, el filtrado de metadatos, la procedencia y la mecánica de citas son reutilizables. Sin embargo, la plataforma no debe confundir un motor de recuperación compartido con una fuente de verdad compartida.\u003C\u002Fp>\n\u003Cp>Una solución sigue siendo dueña de preguntas como: ¿Qué corpus es autoritativo? ¿Qué versión es válida? ¿Puede este usuario ver este documento? ¿Qué tan frescos deben ser los datos? ¿Qué cuenta como evidencia suficiente? ¿Se puede generar una respuesta cuando falla la recuperación? Esos son requisitos de dominio y solución incluso cuando la plataforma proporciona la maquinaria de recuperación.\u003C\u002Fp>\n\u003Cp>Este límite es especialmente importante en sistemas multiinquilino. Un índice o servicio vectorial técnicamente compartido no justifica la visibilidad entre inquilinos. El contexto de autorización debe preservarse a través de la recuperación, no agregarse solo después de que los resultados de búsqueda ya hayan cruzado el límite.\u003C\u002Fp>\n\u003Ch3 id=\"section-34\">4. Tiempo de ejecución de agentes y herramientas\u003C\u002Fh3>\n\u003Cp>Los sistemas agénticos añaden preocupaciones reutilizables en tiempo de ejecución: ciclo de vida de hilos\u002Fsesiones, bucles de planificación, registro de herramientas, invocación de herramientas, cancelación, tiempos de espera, aprobaciones humanas, interfaces de memoria\u002Festado, protocolos de agentes remotos y correlación de trazas. Una plataforma puede proporcionar estas mecánicas para que cada producto no las reconstruya.\u003C\u002Fp>\n\u003Cp>La plataforma también debe mantener el permiso de herramientas separado de la capacidad del modelo. Que un modelo sea capaz de generar un comando de shell no significa que el tiempo de ejecución deba permitir la ejecución de shell. El límite de permisos pertenece a la arquitectura de la aplicación\u002Ftiempo de ejecución y debe ser aplicable independientemente del modelo.\u003C\u002Fp>\n\u003Cp>La guía actual de AWS sobre IA agéntica enfatiza agentes acotados, autoridad explícita, trazabilidad de extremo a extremo, artefactos de comportamiento versionados y supervisión humana proporcional a las consecuencias. Esas son preocupaciones que habilitan la plataforma, pero la solución consumidora aún define qué acciones son legítimas para su dominio.\u003C\u002Fp>\n\u003Ch3 id=\"section-38\">5. Identidad, aislamiento de inquilinos y autorización\u003C\u002Fh3>\n\u003Cp>Las plataformas de IA a menudo se sitúan frente a modelos de alto valor, datos propietarios y herramientas capaces de actuar. Por lo tanto, la autenticación es solo el comienzo. La arquitectura debe transportar el contexto de usuario, servicio, aplicación e inquilino a través de cada operación privilegiada que lo necesite.\u003C\u002Fp>\n\u003Cp>\u003Cstrong>RBAC y el aislamiento de inquilinos resuelven problemas diferentes.\u003C\u002Fstrong> RBAC responde qué puede hacer una identidad; el aislamiento de inquilinos responde sobre qué recursos de qué inquilino puede actuar esa identidad. Una plataforma que verifica roles pero pierde el contexto de inquilino aún puede exponer los datos equivocados.\u003C\u002Fp>\n\u003Cp>La guía actual de Microsoft sobre cargas de trabajo de IA recomienda explícitamente la segmentación de identidades y el acceso al contenido consciente de la autorización. La guía de AWS sobre plataformas de IA generativa multiinquilino también trata el aislamiento lógico, los controles centralizados y la auditabilidad como preocupaciones de la plataforma.\u003C\u002Fp>\n\u003Ch3 id=\"section-42\">6. Secretos, credenciales y límites de confianza\u003C\u002Fh3>\n\u003Cp>Una plataforma debe definir quién posee las claves de proveedor, los tokens de portador remotos, el material de firma y las credenciales de herramientas, dónde se almacenan, qué proceso puede acceder a ellas, cómo se rotan y si alguna vez pueden llegar a un navegador o a un renderizador no confiable.\u003C\u002Fp>\n\u003Cp>Esto es un límite arquitectónico, no un detalle de implementación. Si cada aplicación consumidora copia las credenciales del proveedor en su propia configuración, la organización ha duplicado tanto la carga operativa como el radio de impacto. La centralización puede reducir ese riesgo solo si la propia plataforma tiene rutas de acceso más estrechas y auditables.\u003C\u002Fp>\n\u003Ch3 id=\"section-45\">7. Evaluación, observabilidad y auditabilidad\u003C\u002Fh3>\n\u003Cp>Una plataforma reutilizable puede proporcionar arneses de evaluación, IDs de traza, metadatos de modelo\u002Fproveedor, métricas de tokens y costos, latencia, tasas de error, vinculación de versión de prompt\u002Fmodelo, trazas de agente\u002Fherramienta y registro controlado. Tanto AWS como Microsoft tratan la observabilidad y la evaluación como preocupaciones centrales de producción para cargas de trabajo de IA.\u003C\u002Fp>\n\u003Cp>La evaluación de la plataforma y la evaluación de la solución deben permanecer separadas. Una plataforma puede verificar que un endpoint está saludable, que una versión del modelo pasa una suite de regresión general y que las trazas están completas. No puede decidir que una respuesta legal, un flujo de trabajo médico o una recomendación de producto sean aceptables sin una verdad fundamental específica del dominio y criterios de aceptación.\u003C\u002Fp>\n\u003Cp>El registro también crea un límite de privacidad. Los registros de prompts y respuestas pueden contener datos sensibles o propietarios. Por lo tanto, el arquitecto de la plataforma debe decidir qué se registra, se redacta, se muestrea, se retiene y es accesible, en lugar de asumir que más telemetría siempre es más seguro.\u003C\u002Fp>\n\u003Ch3 id=\"section-49\">8. Tiempo de ejecución, despliegue y localidad\u003C\u002Fh3>\n\u003Cp>Un arquitecto de plataforma decide cómo se despliegan y se accede a las capacidades de IA compartidas: servicios en la nube gestionados, endpoints autoalojados, inferencia local, enrutamiento híbrido, servicios en contenedores, tiempos de ejecución de escritorio, redes privadas o entornos aislados. La distinción importante es entre \u003Cstrong>dónde se ejecuta el proceso de control\u002Ftiempo de ejecución\u003C\u002Fstrong> y \u003Cstrong>dónde ocurren realmente la inferencia y el procesamiento de datos\u003C\u002Fstrong>.\u003C\u002Fp>\n\u003Cp>Un cliente local aún puede llamar a un modelo en la nube. Un plano de control en la nube puede enrutar a un modelo local. Un agente remoto puede ejecutar herramientas dentro de la red de un cliente. Por lo tanto, los diagramas arquitectónicos deben mostrar límites de confianza y flujo de datos en lugar de usar “local” y “nube” como etiquetas vagas.\u003C\u002Fp>\n\u003Ch3 id=\"section-52\">9. Ciclo de vida de la plataforma, compatibilidad e incorporación\u003C\u002Fh3>\n\u003Cp>Una capacidad reutilizable se convierte en plataforma solo cuando los consumidores pueden depender de ella a lo largo del tiempo. Eso requiere contratos versionados, reglas de migración, política de compatibilidad, obsolescencia, pruebas de lanzamiento, reversión, propiedad de incidentes, planificación de capacidad, documentación y una ruta para incorporar nuevos equipos o aplicaciones.\u003C\u002Fp>\n\u003Cp>Los ecosistemas de IA que evolucionan rápidamente hacen que esto sea particularmente importante. Los nombres de modelos, SDK, versiones de protocolo, API de proveedores y capacidades de seguridad cambian de forma independiente. Una plataforma debe absorber parte de esa volatilidad sin ocultar cambios que afecten materialmente el comportamiento de una solución.\u003C\u002Fp>\n\u003Ch2 id=\"section-55\">Un modelo práctico de plano de control \u002F plano de ejecución \u002F plano de solución\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Modelo de arquitectura propuesto\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">El modelo de tres planos que se presenta a continuación es una forma práctica de razonar sobre las responsabilidades; no es un estándar de ISO, NIST, Microsoft ni AWS. Su propósito es hacer explícitos los límites de propiedad.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Plano\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Responsabilidades típicas\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">No debería poseer silenciosamente\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plano de control de la plataforma\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Registro de proveedores, política de modelos, cuotas, configuración de inquilinos, identidades, secretos, reglas de enrutamiento, versiones de capacidades, configuración de despliegue\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Lógica de negocio de la aplicación o verdad del dominio\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plano de ejecución\u002Fdatos de la plataforma\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Solicitudes de inferencia, operaciones de recuperación, ejecución de agentes\u002Fherramientas, extracción, indexación, emisión de telemetría, aplicación de políticas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Acceso entre inquilinos solo porque la infraestructura es compartida\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plano de solución\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Flujo de trabajo del usuario, prompts\u002Finstrucciones, selección de corpus autoritativo, autorización de dominio, reglas de negocio, evaluación y aceptación de tareas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Integración de proveedores de bajo nivel que la plataforma posee explícitamente\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Esta separación ayuda a diagnosticar la deriva de la plataforma. Si una aplicación debe conocer cada credencial y endpoint específico del proveedor, el contrato de la plataforma es demasiado débil. Si la plataforma decide qué registro de cliente es legalmente autoritativo o si una respuesta de dominio es aceptable, la plataforma ha cruzado hacia la propiedad de la solución.\u003C\u002Fp>\n\u003Ch2 id=\"section-59\">¿Qué debería producir un Arquitecto de Plataforma de IA?\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Artefacto de arquitectura\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Propósito\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mapa de capacidades de la plataforma\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define qué proporciona la plataforma, quién la consume y qué capacidades quedan fuera del alcance.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrato de proveedor\u002Fmodelo\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define proveedores, modelos, capacidades, límites de abstracción, metadatos de ruta y semántica de respaldo.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modelo de identidad y multiinquilino\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define la identidad de usuario\u002Fservicio\u002Faplicación, el contexto de inquilino, los enlaces RBAC\u002FABAC y el aislamiento de recursos.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Política de puerta de enlace y cuotas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define límites de velocidad, presupuestos de tokens\u002Fcosto, controles de enrutamiento, reintentos y comportamiento de capacidad.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrato de recuperación\u002Fdatos\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define la ingesta, procedencia, búsqueda, metadatos, propagación de autorización y dónde permanece la autoridad del dominio.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrato de agente\u002Fherramienta\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define el ciclo de vida en tiempo de ejecución, registro de herramientas, permisos, aprobaciones, cancelación y comportamiento de seguimiento.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Modelo de secretos y límites de confianza\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define la propiedad de credenciales, almacenamiento, límites de proceso, rotación y rutas de datos sensibles.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contrato de evaluación y telemetría\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define métricas comunes, trazas, enlaces de conjuntos de datos\u002Fversiones, política de registro y puntos de extensión de la solución.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Política de ciclo de vida y compatibilidad\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Define versiones, migraciones, obsolescencia, lanzamientos, reversión, propiedad de incidentes e incorporación.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-61\">El trabajo es principalmente de compensaciones, no de centralización máxima\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Compensaciones comunes de la plataforma\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Presión A\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Presión B\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Abstracción de proveedor\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Stable portable platform API\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Access to provider-specific capabilities and fast innovation\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Reutilización\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Shared services reduce duplication\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Isolation and domain autonomy prevent unsafe coupling\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Gobernanza\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Central policy and auditability\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Team speed and local experimentation\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Observabilidad\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Rich traces for debugging and evaluation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Privacy, data minimization and logging cost\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Disponibilidad\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Fallback and multi-provider resilience\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Predictable quality, compliance and data-location guarantees\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Alcance de la plataforma\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">More reusable capabilities\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Smaller blast radius and less platform lock-in\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-63\">¿En qué se diferencia de roles adyacentes?\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Rol\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Alcance arquitectónico principal\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Arquitecto de Soluciones de IA\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Una solución concreta habilitada por IA y sus requisitos de extremo a extremo, límites, compensaciones y aceptación en producción.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Arquitecto de Plataforma de IA\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Capacidades de IA reutilizables y contratos operativos\u002Fde seguridad consumidos en múltiples soluciones o equipos.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Arquitecto Empresarial\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Portafolio de negocio\u002Ftecnología a nivel organizacional, alineación de capacidades y gobernanza a un nivel más amplio.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Arquitecto o especialista en MLOps \u002F LLMOps\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ciclo de vida de modelos e IA, despliegue, experimentos, observabilidad, liberación y prácticas operativas; puede superponerse fuertemente pero no posee automáticamente toda la plataforma de aplicaciones compartida.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ingeniero de Plataforma \u002F SRE\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Implementa y opera la infraestructura de la plataforma, confiabilidad, automatización y experiencia del desarrollador; la responsabilidad de arquitectura puede compartirse con el arquitecto de plataforma.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ingeniero de IA \u002F Software\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Implementa modelos, integraciones, servicios, agentes, recuperación y funcionalidad de producto dentro de la arquitectura acordada.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Cp>Estos límites son organizacionales, no universales. En un equipo pequeño una persona puede tener varias responsabilidades. En una empresa regulada pueden dividirse entre grupos de arquitectura, seguridad, plataforma, datos y operaciones. La distinción útil es el \u003Cstrong>alcance de la responsabilidad arquitectónica\u003C\u002Fstrong>, no el título del puesto impreso en un organigrama.\u003C\u002Fp>\n\u003Ch2 id=\"section-66\">Evidencia de implementación: cómo aparecen estos límites de plataforma en mi propio trabajo\u003C\u002Fh2>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Evidencia de implementación original\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Las siguientes secciones describen patrones concretos de mis propios proyectos. Son evidencia de que estos límites arquitectónicos se han implementado o diseñado explícitamente en código real y sistemas de proyecto. \u003Cstrong>No\u003C\u002Fstrong> son afirmaciones de que los proyectos en conjunto ya constituyan una plataforma de IA empresarial desplegada comercialmente.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch3 id=\"section-68\">Aaasaasa AI Client: separación de proveedor, tiempo de ejecución y permisos\u003C\u002Fh3>\n\u003Cp>Aaasaasa AI Client es un espacio de trabajo de IA de escritorio local-first construido con Nuxt 4, Electron y TypeScript. Su AI Hub separa deliberadamente \u003Cstrong>agente\u002Fcliente, proveedor, modelo, ubicación de conexión\u002Ftiempo de ejecución, permisos y cliente web\u003C\u002Fstrong> en lugar de tratarlos como un único valor de configuración.\u003C\u002Fp>\n\u003Cp>La implementación incluye adaptadores directos de proveedores, integración del tiempo de ejecución del agente Codex, rutas locales de Ollama\u002FLM Studio, servicios compatibles con OpenAI, permisos de espacio de trabajo centralizados, almacenamiento de credenciales en el proceso principal, DuckDB, soporte de Qdrant\u002Fvectores, extracción de PDF\u002Flegibilidad y acceso autenticado a directorios basado en MCP.\u003C\u002Fp>\n\u003Cp>Dos lecciones de plataforma son especialmente relevantes. Primero, un tiempo de ejecución local no es lo mismo que inferencia local: un proceso Codex local aún puede usar un modelo en la nube. Segundo, el enrutamiento automático no recurre silenciosamente de inferencia local a inferencia en la nube de pago. Eso hace que la política de enrutamiento y la localidad del tiempo de ejecución sean explícitas en lugar de inferidas a partir de etiquetas de la interfaz.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Límite implementado\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Significado para la arquitectura de plataforma\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Agente vs proveedor vs modelo\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Diferentes responsabilidades pueden evolucionar de forma independiente en lugar de ocultarse detrás de un único selector de “IA”.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Permisos separados del modelo\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La autoridad sobre el sistema de archivos\u002Fherramientas pertenece a la política del tiempo de ejecución, no a la capacidad del modelo.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Secretos en el proceso principal\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La propiedad de las credenciales sigue el límite del proceso privilegiado en lugar del renderizador\u002Finterfaz.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Salud del proveedor y descubrimiento de modelos\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">El enrutamiento y la disponibilidad son preocupaciones del tiempo de ejecución\u002Fplataforma.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sin respaldo silencioso a la nube\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">El costo, la localidad y la semántica de transferencia de datos siguen siendo decisiones de política explícitas.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch3 id=\"section-73\">Aaasaasa AI CMS: autorización con alcance de inquilino como límite de plataforma\u003C\u002Fh3>\n\u003Cp>El código base de Aaasaasa AI CMS proporciona un ejemplo de implementación separado: el RBAC con alcance de inquilino se representa mediante roles, permisos y asignaciones de rol de usuario vinculadas a un identificador de inquilino. Los permisos del sistema se agrupan por capacidad, y la búsqueda y actualización de roles permanecen con alcance de inquilino.\u003C\u002Fp>\n\u003Cp>Esto no es en sí mismo prueba de una plataforma de IA completa, pero es directamente relevante para uno de los límites más difíciles de una plataforma compartida: un servicio reutilizable debe preservar \u003Cstrong>quién puede hacer qué\u003C\u002Fstrong> y \u003Cstrong>para qué inquilino\u003C\u002Fstrong>. Añadir inferencia o recuperación de IA sobre una plataforma de aplicaciones no elimina ese requisito.\u003C\u002Fp>\n\u003Cp>La implicación arquitectónica es que las pasarelas de modelos, los servicios de recuperación y los agentes deben consumir el contexto de identidad\u002Finquilino establecido en lugar de inventar un universo de autorización paralelo exclusivo para IA.\u003C\u002Fp>\n\u003Ch3 id=\"section-77\">Source of Truth Research Engine: mecánicas de recuperación compartidas sin verdad compartida\u003C\u002Fh3>\n\u003Cp>El Source of Truth Research Engine proporciona un tercer ejemplo de implementación. Diferentes modos de investigación comparten un núcleo de evidencia común: Fuentes, Artefactos, procedencia, Afirmaciones, Relaciones, Contradicciones, un Modelo de Referencia y pista de auditoría. El sistema también proporciona recuperación léxica local, recuperación semántica opcional, extracción, instantáneas y procedencia basada en SHA-256.\u003C\u002Fp>\n\u003Cp>El proyecto trata explícitamente la búsqueda y la similitud semántica como señales de descubrimiento en lugar de evidencia. Un resultado debe rastrearse hasta una fuente y un localizador concretos antes de poder respaldar una afirmación. Esta es precisamente la distinción que necesita una plataforma de IA: \u003Cstrong>la maquinaria de recuperación reutilizable puede compartirse mientras la autoridad de la evidencia permanece gobernada por la metodología y el dominio consumidores.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>El motor también demuestra por qué una plataforma compartida no requiere una interpretación compartida. Los modos histórico, científico\u002Ftécnico, de inteligencia de mercado y de monitoreo pueden reutilizar la infraestructura central de evidencia mientras conservan una metodología específica del modo.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Lo que estas implementaciones demuestran en conjunto\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">A través de estos proyectos, el patrón reutilizable no es “un backend para todo”. Es \u003Cstrong>separación de responsabilidades más contratos explícitos\u003C\u002Fstrong>: separación de proveedor\u002Fmodelo\u002Ftiempo de ejecución, autorización consciente del inquilino, límites de credenciales, primitivas reutilizables de datos\u002Frecuperación, procedencia y autoridad específica del dominio. Una futura plataforma integrada necesitaría contratos estables entre esas capacidades en lugar de acoplamiento directo entre códigos base.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-82\">Cómo la guía de arquitectura actual respalda este alcance de plataforma\u003C\u002Fh2>\n\u003Cp>ISO\u002FIEC\u002FIEEE 42010:2022 proporciona una disciplina general para descripciones de arquitectura en software, sistemas, empresas y entidades relacionadas. No define un Arquitecto de Plataforma de IA, pero refuerza la necesidad de expresar preocupaciones, relaciones y puntos de vista arquitectónicos en lugar de reducir la arquitectura a una lista de tecnologías.\u003C\u002Fp>\n\u003Cp>NIST AI RMF 1.0 y el Perfil de IA Generativa enmarcan la gestión de riesgos de IA a lo largo del ciclo de vida en lugar de solo en el momento de selección del modelo. La gobernanza, el mapeo, la medición y la gestión son, por lo tanto, compatibles con una arquitectura de plataforma que conlleva controles y evidencia compartidos a través de muchas cargas de trabajo consumidoras.\u003C\u002Fp>\n\u003Cp>La guía actual de Microsoft sobre cargas de trabajo de IA trata el diseño de aplicaciones, los datos, la seguridad, las operaciones, las pruebas\u002Fevaluación y GenAIOps como áreas arquitectónicas conectadas. Su guía actual sobre AI Gateway también muestra preocupaciones prácticas de plataforma como acceso centralizado a modelos, límites de tokens específicos del proyecto, cuotas y contención multi-equipo.\u003C\u002Fp>\n\u003Cp>El Generative AI Lens actual de AWS y el escenario de plataforma multi-inquilino también separan los controles fundamentales de la plataforma de la propiedad de la aplicación consumidora. AWS señala explícitamente que una plataforma central puede aplicar barandillas compartidas y auditabilidad mientras la calidad de los datos y la observabilidad específica de la carga de trabajo siguen siendo responsabilidades de las aplicaciones consumidoras o de los productores de datos.\u003C\u002Fp>\n\u003Cp>Los productos de los proveedores difieren, pero el patrón entre fuentes es estable: las plataformas de IA en producción deben coordinar identidad, acceso a datos, modelos, políticas, evaluación, observabilidad, capacidad, costo y ciclo de vida. Un clúster de GPU o un endpoint de modelo cubre solo parte de esa responsabilidad.\u003C\u002Fp>\n\u003Ch2 id=\"section-88\">Conceptos erróneos comunes\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Concepto erróneo\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Por qué es incorrecto\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“Una plataforma de IA es el clúster de GPU.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La computación es un sustrato. Una plataforma también necesita contratos para identidad, acceso a modelos, datos, políticas, evaluación, observabilidad y ciclo de vida.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“Una pasarela de IA es solo un proxy inverso.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">También puede conllevar enrutamiento de modelos, cuotas de tokens, atribución de costos, aplicación de políticas, identidad y telemetría específica de IA.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“Compartido significa compartido globalmente.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Un servicio puede ser físicamente compartido mientras está lógicamente segmentado por inquilino, aplicación, región, clasificación o nivel de riesgo.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“Una única base de datos vectorial central se convierte en la verdad de la empresa.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Un almacén vectorial o servicio de recuperación es infraestructura. La autoridad del dominio, la frescura, la procedencia y el acceso siguen siendo preocupaciones separadas.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“La evaluación de la plataforma reemplaza la evaluación de la solución.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La regresión general y la telemetría no pueden definir si una respuesta o acción específica del dominio es aceptable.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“La abstracción del proveedor debería ocultar todas las diferencias.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Algunas diferencias son capacidades materiales, semánticas de seguridad o modos de fallo y deben permanecer visibles.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“RBAC resuelve la multi-tenencia.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">RBAC controla acciones; el aislamiento de inquilinos controla límites de recursos. Ambos pueden ser necesarios.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">“Arquitecto de Plataforma de IA es solo otro nombre para MLOps.”\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">MLOps\u002FLLMOps es una disciplina superpuesta importante, pero los límites compartidos de aplicación\u002Ftiempo de ejecución, identidad, pasarela, recuperación y herramientas pueden extenderse más allá de las operaciones del ciclo de vida del modelo.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-90\">Modos de fallo que un Arquitecto de Plataforma de IA debería prevenir\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Modo de fallo\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Consecuencia arquitectónica\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Cada equipo almacena sus propias claves de proveedor\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Manejo duplicado de secretos, rotación inconsistente y mayor radio de impacto.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La abstracción del proveedor oculta las capacidades requeridas\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Los consumidores no pueden usar las funciones que necesitan o reciben silenciosamente un comportamiento diferente al asumido.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La recuperación compartida ignora el contexto de inquilino\u002Fusuario\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Puede ocurrir una fuga de datos entre límites antes de que la aplicación tenga la oportunidad de filtrar los resultados.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">El fallback cambia silenciosamente el proveedor o la localidad\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">El costo, el cumplimiento, la ubicación de los datos y la calidad de la salida pueden cambiar sin que el llamador lo sepa.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Las herramientas del agente se otorgan por elección del modelo\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Un modelo capaz se vuelve con privilegios excesivos porque la autoridad en tiempo de ejecución no se aplica de forma independiente.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Todos los prompts\u002Frespuestas se registran por defecto\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La observabilidad puede crear un nuevo repositorio de datos sensibles y un problema de cumplimiento.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La plataforma posee una única puntuación de calidad genérica\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Los fallos del dominio permanecen ocultos detrás de las métricas de salud de la plataforma.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sin contrato de versión para las capacidades de la plataforma\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Los cambios de modelo\u002Fproveedor\u002Ftiempo de ejecución rompen a los consumidores de forma impredecible.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Todo lo relacionado con IA está centralizado\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">La plataforma se convierte en un cuello de botella y un monolito en lugar de una capa de capacidad reutilizable.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-92\">Una secuencia práctica de decisiones de arquitectura de plataforma\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">De la necesidad de plataforma a una capacidad compartida operable\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Identificar consumidores reales\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Enumere las soluciones, equipos, inquilinos y cargas de trabajo que consumirían la plataforma; evite construir una plataforma para una reutilización hipotética.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Definir el límite compartido\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Separe la mecánica transversal de la autoridad de dominio, el flujo de trabajo y la aceptación específicos de la solución.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Definir primero la identidad y el aislamiento\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Establezca usuarios, servicios, aplicaciones, inquilinos, regiones y clasificaciones de datos antes de compartir capacidades de recuperación o herramientas.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Definir contratos de capacidad\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Especifique las API de modelo\u002Fproveedor, recuperación, agente\u002Fherramienta, puerta de enlace y telemetría con propiedad y versionado explícitos.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Decidir la estrategia de proveedor y tiempo de ejecución\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Elija ejecución gestionada, autoalojada, local o híbrida y documente la semántica de fallback, localidad y capacidades.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Diseñar los límites de datos y recuperación\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Defina la procedencia, la propagación de autorización, la propiedad del corpus, la indexación y las responsabilidades de evidencia.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Agregar cuotas, secretos y políticas\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Controle el costo, la capacidad, las credenciales, los permisos de herramientas, los controles de seguridad y el radio de impacto.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Construir contratos de evaluación y observabilidad\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Proporcione métricas de plataforma y trazabilidad mientras deja la verdad fundamental del dominio y la aceptación a la solución.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">9\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">9. Definir el ciclo de vida y las operaciones\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Versione capacidades, pruebe actualizaciones, documente la obsolescencia, la reversión, los incidentes, la capacidad y la incorporación de consumidores.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">10\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">10. Validar con más de un consumidor\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Una afirmación de plataforma se vuelve creíble cuando la capacidad compartida realmente sirve a cargas de trabajo distintas sin forzarlas al mismo modelo de dominio.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-94\">Casos límite y límites del rol\u003C\u002Fh2>\n\u003Cp>Una organización pequeña con una sola aplicación de IA puede no necesitar una plataforma de IA distinta ni un arquitecto de plataforma. La creación prematura de plataformas puede generar más abstracción que valor. La arquitectura correcta puede ser una solución bien diseñada con algunos módulos reutilizables.\u003C\u002Fp>\n\u003Cp>Un despliegue aislado o soberano cambia sustancialmente el modelo de proveedor, actualización y observabilidad. El alojamiento de modelos, la distribución de artefactos, la integración de identidad y la exportación de telemetría pueden necesitar equivalentes locales.\u003C\u002Fp>\n\u003Cp>Las cargas de trabajo altamente reguladas o de altas consecuencias pueden requerir un aislamiento físico u organizativo más fuerte en lugar de una plataforma lógicamente compartida. La reutilización nunca es una razón suficiente para debilitar un límite de seguridad requerido.\u003C\u002Fp>\n\u003Cp>Los servicios gestionados de IA en la nube pueden eliminar la carga de implementación, pero no eliminan la responsabilidad arquitectónica. La organización aún decide la identidad, el acceso a los datos, el registro, la retención, las cuotas, la elegibilidad de modelos, el fallback, la evaluación y la aceptación de la solución.\u003C\u002Fp>\n\u003Cp>El límite de la plataforma también puede diferir según la modalidad. La inferencia de texto, la generación multimodal, el habla, el uso de computadoras y los agentes autónomos pueden tener diferentes requisitos de latencia, datos, permisos y observabilidad incluso cuando comparten infraestructura de proveedor e identidad.\u003C\u002Fp>\n\u003Ch2 id=\"section-100\">¿Qué cambiaría esta respuesta?\u003C\u002Fh2>\n\u003Cp>La definición central cambiaría si cambia el alcance organizacional. Si el arquitecto posee una sola carga de trabajo, el rol se acerca más al de Arquitecto de Soluciones de IA. Si la responsabilidad se expande a la estrategia de capacidades, inversión, estándares y carteras de estado objetivo en toda la organización, se acerca a la Arquitectura Empresarial de IA.\u003C\u002Fp>\n\u003Cp>La guía de implementación cambia siempre que cambian los proveedores, los productos de puerta de enlace, los protocolos de agentes, las obligaciones regulatorias, las capacidades de los modelos o las restricciones de despliegue. Por eso la arquitectura de plataforma debe expresar responsabilidades y contratos estables por separado de los mecanismos actuales de los proveedores.\u003C\u002Fp>\n\u003Ch2 id=\"section-103\">Lista de verificación del Arquitecto de Plataforma de IA\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Pregunta\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Respuesta esperada\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Quiénes son los consumidores reales de la plataforma?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Soluciones, equipos o contextos de inquilinos nombrados con necesidades distintas pero superpuestas.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Qué es genuinamente compartido?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Lista explícita de capacidades, no un vago “backend de IA”.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Qué debe permanecer específico de la solución?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Autoridad de dominio, flujo de trabajo empresarial, aceptación de tareas y otras preocupaciones propias de la carga de trabajo.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se representan los modelos\u002Fproveedores?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Contratos versionados de proveedor\u002Fmodelo con capacidades y semántica de fallback explícita.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se propaga la identidad?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">El contexto de usuario\u002Fservicio\u002Faplicación\u002Finquilino sobrevive en cada ruta de solicitud privilegiada.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se aplica el aislamiento de inquilinos?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">El alcance de recursos es independiente de las verificaciones de permisos de rol.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se manejan los secretos?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Almacenamiento privilegiado, rotación, exposición limitada y propiedad auditable.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo preserva la recuperación la autoridad?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mecánica compartida con autorización, procedencia y reglas de evidencia propias del dominio.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se restringen las herramientas y los agentes?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Permisos en tiempo de ejecución, contratos de herramientas acotados, aprobaciones, cancelación y trazabilidad.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se controlan el costo y la capacidad?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Cuotas, controles de tokens\u002Ftasa, atribución de uso y comportamiento de sobrecarga.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se mide la calidad?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Regresión\u002Fevaluación de plataforma más verdad fundamental y aceptación específicas de la solución.\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">¿Cómo se implementan los cambios?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Versionado, compatibilidad, migración, obsolescencia, reversión y propiedad de incidentes.\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-105\">Conclusión\u003C\u002Fh2>\n\u003Cp>Un Arquitecto de Plataforma de IA es responsable de la arquitectura reutilizable \u003Cstrong>entre las capacidades de IA y las soluciones que las consumen\u003C\u002Fstrong>. El rol define cómo los modelos, proveedores, recuperación, agentes, herramientas, identidad, inquilinos, secretos, evaluación, observabilidad, cuotas y operaciones en tiempo de ejecución se convierten en servicios de plataforma confiables en lugar de integraciones únicas repetidas.\u003C\u002Fp>\n\u003Cp>La parte difícil no es maximizar la reutilización. Es elegir el límite correcto. Una plataforma sólida estandariza la mecánica, las políticas y las operaciones donde múltiples consumidores se benefician genuinamente, mientras preserva la autoridad de datos, la lógica de negocio, los requisitos de seguridad y los criterios de aceptación específicos de la solución.\u003C\u002Fp>\n\u003Cp>Esa distinción también explica la relación con la Arquitectura de Soluciones de IA: \u003Cstrong>el arquitecto de soluciones hace que un sistema habilitado para IA se ajuste a su propósito; el arquitecto de plataforma hace que las capacidades de IA compartidas sean seguras, reutilizables, operables y evolucionables a través de muchos de esos sistemas.\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Ch2 id=\"section-109\">Conocimiento canónico relacionado\u003C\u002Fh2>\n\u003Cp>Este artículo se sitúa después de los fundamentos canónicos sobre componentes de IA generativa, ADR frente a NFR y Arquitectura de Soluciones de IA. Esos conceptos son prerrequisitos porque una plataforma existe para proporcionar capacidades de sistema reutilizables y para codificar decisiones arquitectónicas frente a requisitos explícitos de calidad y operativos.\u003C\u002Fp>\n\u003Cp>La Generación Aumentada por Recuperación es un ejemplo de una capacidad que puede ofrecerse a través de una plataforma, pero la plataforma no debería colapsar la infraestructura de recuperación, el conocimiento del dominio y la validez de las respuestas en un solo concepto.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fes\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">¿Qué es RAG? La explicación más simple de cómo funciona\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Introducción canónica a la generación aumentada por recuperación y la frontera entre la generación del modelo y la recuperación de conocimiento externo.\u003C\u002Fp>\u003C\u002Fa>\n\u003Cp>Los protocolos de agentes, el aislamiento de inquilinos, la gobernanza de IA, el enrutamiento de modelos, la Ingeniería de Contexto y MLOps\u002FLLMOps son nodos de conocimiento posteriores o adyacentes. Se vuelven más fáciles de razonar una vez que la frontera de la plataforma es explícita.\u003C\u002Fp>\n\u003Ch2 id=\"section-114\">Preguntas frecuentes\u003C\u002Fh2>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Preguntas frecuentes sobre el Arquitecto de Plataformas de IA\u003C\u002Fh3>\u003Cdiv id=\"faq-1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">¿Es un Arquitecto de Plataformas de IA lo mismo que un Arquitecto de Soluciones de IA?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">No. El arquitecto de soluciones se centra en una solución concreta habilitada por IA. El arquitecto de plataformas se centra en capacidades de IA reutilizables, controles y contratos operativos que pueden soportar múltiples soluciones.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">¿Necesita una plataforma de IA alojar sus propios modelos?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">No. Una plataforma puede usar modelos gestionados en la nube, modelos autoalojados, inferencia local o una estrategia híbrida. La arquitectura debe hacer explícitas las consecuencias de proveedor, localidad, identidad, enrutamiento, datos y operativas.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">¿Es suficiente una puerta de enlace de IA para ser una plataforma de IA?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Normalmente no. Una puerta de enlace puede ser un componente importante de la plataforma, pero una plataforma completa también necesita contratos para identidad, secretos, datos\u002Frecuperación, evaluación, observabilidad, ciclo de vida y propiedad operativa.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">¿Debería centralizarse la recuperación?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">La mecánica de recuperación a menudo puede compartirse, pero la autoridad de dominio, la autorización, la frescura, la suficiencia de evidencia y la propiedad del corpus deben permanecer explícitas. La infraestructura compartida no implica verdad compartida.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">¿Reemplaza la evaluación de la plataforma a la evaluación de la aplicación?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">No. La evaluación de la plataforma puede probar capacidades compartidas y regresiones. Cada solución todavía necesita verdad fundamental específica de la tarea, criterios de aceptación y umbrales de calidad de dominio.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq-6\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">¿Es la multi-tenencia solo RBAC?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">No. RBAC determina qué puede hacer una identidad. El aislamiento de inquilinos determina sobre qué recursos de qué inquilino puede actuar la identidad. Una plataforma a menudo necesita ambos.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-116\">Glosario\u003C\u002Fh2>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Términos clave de arquitectura de plataformas de IA\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"ai-platform\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Plataforma de IA\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Un conjunto reutilizable de capacidades técnicas y operativas relacionadas con la IA consumidas por múltiples aplicaciones, equipos o contextos de inquilinos.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"ai-gateway\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Puerta de enlace de IA\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Una capa de puerta de enlace para puntos finales de IA que puede añadir autenticación, enrutamiento, cuotas, políticas, reintentos, atribución de costos y telemetría específica de IA más allá del proxy básico.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"provider-adapter\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Adaptador de proveedor\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Un componente que mapea un contrato de plataforma a la API, capacidades, salud y semántica de fallos de un proveedor de modelos.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"tenant-isolation\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Aislamiento de inquilinos\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">La frontera que impide que un contexto de inquilino acceda a los recursos de otro inquilino, independientemente de los permisos de rol.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"capability-contract\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Contrato de capacidad\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Una interfaz versionada y un acuerdo de comportamiento que describe lo que proporciona un servicio de plataforma compartido y lo que el consumidor debe suministrar o poseer.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"grounding-service\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Servicio de fundamentación \u002F recuperación\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Mecánica compartida para encontrar y suministrar información externa a una carga de trabajo de IA; no define automáticamente qué información es autoritativa para un dominio.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"evaluation-harness\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Arnés de evaluación\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Infraestructura reutilizable para ejecutar pruebas, conjuntos de datos, versiones de modelos\u002Fprompts y métricas; la aceptación de dominio sigue siendo específica de la solución.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"control-plane\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Plano de control\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">La capa de configuración y gobernanza que gestiona capacidades de plataforma, identidades, políticas, cuotas, versiones y estado de despliegue.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"section-118\">Fuentes primarias y guía arquitectónica actual\u003C\u002Fh2>\n\u003Cp>Las fuentes a continuación respaldan las afirmaciones generales de arquitectura y plataforma de producción. Las secciones de Aaasaasa AI Client, Aaasaasa AI CMS y Source of Truth Research Engine son evidencia de implementación explícitamente original. Las referencias externas del estado actual se verificaron el 8 de octubre de 2026.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F74393.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">ISO\u002FIEC\u002FIEEE 42010:2022 — Descripción de arquitectura\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Estándar internacional publicado actual para conceptos y relaciones de descripción de arquitectura.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Marco de Gestión de Riesgos de IA del NIST\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Recursos y estado actual del AI RMF del NIST; AI RMF 1.0 está en revisión a octubre de 2026.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NIST AI 600-1 — Perfil de IA generativa\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Perfil de IA generativa para aplicar consideraciones de gestión de riesgos de IA a lo largo del ciclo de vida de la IA.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fget-started\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Azure Well-Architected — Cargas de trabajo de IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Guía arquitectónica actual que cubre aplicación de IA, datos, operaciones, evaluación, IA responsable y preocupaciones del ciclo de vida.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fdesign-principles\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft — Principios de diseño para cargas de trabajo de IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Guía actual sobre segmentación de identidad, límites de seguridad, telemetría, rendimiento, datos y compensaciones de plataforma.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fconfiguration\u002Fenable-ai-api-management-gateway-portal?view=foundry\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft Foundry — Arquitectura de puerta de enlace de IA\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Guía actual de puerta de enlace de IA para acceso compartido a proyectos, contención de tokens, cuotas y gobernanza.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Farchitecture\u002Fai-ml\u002Fguide\u002Fazure-openai-gateway-guide\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Centro de Arquitectura de Azure — Acceso a modelos a través de una puerta de enlace\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Guía arquitectónica para acceso centralizado a modelos, enrutamiento, limitación, conmutación por error y responsabilidades de cliente\u002Fplataforma.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS Well-Architected — Lente de IA generativa\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Guía actual de arquitectura de producción para cargas de trabajo de IA generativa en seguridad, fiabilidad, operaciones, rendimiento y coste.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002Fmulti-tenant-generative-ai-platform-scenario.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS — Escenario de plataforma de IA generativa multiinquilino\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Ejemplo actual que separa los controles centrales de la plataforma y la auditabilidad de la calidad de los datos de la aplicación consumidora y las responsabilidades específicas de la carga de trabajo.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fagentic-ai-lens\u002Fdesign-principles.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS Well-Architected — Principios de diseño de IA agéntica\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Guía actual sobre autoridad limitada de los agentes, trazabilidad, comportamiento versionado, contratos explícitos y supervisión humana.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdocs.aws.amazon.com\u002FAmazonCloudWatch\u002Flatest\u002Fmonitoring\u002FGenAI-observability.html\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AWS CloudWatch — Observabilidad de IA generativa\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Capacidades actuales de observabilidad y métricas de producción para modelos, agentes, bases de conocimiento, herramientas y análisis de coste\u002Flatencia\u002Ferrores.\u003C\u002Fp>\u003C\u002Fa>",{"time":212,"blocks":213,"version":1201},1791477475758,[214,219,226,232,237,244,248,252,256,300,304,308,312,316,341,345,349,353,357,388,394,398,402,406,410,416,420,424,428,432,436,440,444,448,452,456,460,464,468,472,476,480,484,488,492,496,500,504,508,512,516,520,524,528,532,536,541,561,565,569,603,607,655,659,682,686,690,695,699,703,707,711,733,737,741,745,749,753,757,761,765,770,774,778,782,786,790,794,798,829,833,867,871,906,910,914,918,922,926,930,934,938,942,946,989,993,997,1001,1005,1009,1013,1017,1027,1031,1035,1064,1068,1105,1109,1113,1121,1129,1137,1145,1153,1161,1169,1177,1185,1193],{"id":215,"data":216,"type":218},"intro",{"text":217},"Un \u003Cstrong>Arquitecto de Plataforma de IA\u003C\u002Fstrong> diseña la base de IA reutilizable a través de la cual múltiples aplicaciones, equipos o contextos de inquilinos acceden a modelos, datos y recuperación, tiempos de ejecución de agentes y herramientas, identidad y permisos, evaluación, observabilidad, cuotas, secretos y capacidades de despliegue. El rol es más amplio que la infraestructura pero más limitado que poseer cada producto habilitado para IA: su responsabilidad central es decidir \u003Cstrong>qué debe compartirse, cómo se gobiernan y aíslan las capacidades compartidas, y qué debe permanecer específico de cada solución\u003C\u002Fstrong>.","paragraph",{"id":220,"data":221,"type":225},"direct",{"body":222,"title":223,"variant":224},"\u003Cstrong>Un Arquitecto de Plataforma de IA diseña el sustrato técnico y operativo compartido para los sistemas de IA.\u003C\u002Fstrong> En lugar de arquitecturar un solo asistente o un solo flujo de trabajo, el rol define contratos y límites reutilizables para el acceso a modelos\u002Fproveedores, pasarelas y enrutamiento, servicios de recuperación, tiempos de ejecución de agentes, acceso a herramientas, identidad y aislamiento de inquilinos, secretos, evaluación, telemetría, despliegue y gestión del ciclo de vida.","Respuesta directa","info","callout",{"id":227,"data":228,"type":225},"term-note",{"body":229,"title":230,"variant":231},"\u003Cstrong>Arquitecto de Plataforma de IA es una etiqueta práctica de rol, no un título profesional universalmente estandarizado.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 define conceptos para descripciones de arquitectura, no este rol. Diferentes organizaciones pueden dividir estas responsabilidades entre arquitectos de plataforma, arquitectos de soluciones, arquitectos empresariales, arquitectos de seguridad, especialistas en MLOps\u002FLLMOps y equipos de ingeniería de plataforma. Este artículo utiliza el término para la responsabilidad de arquitectura sobre una capa de plataforma de IA reutilizable.","Nota terminológica","note",{"id":233,"data":234,"type":225},"version-note",{"body":235,"title":236,"variant":231},"Los principios arquitectónicos estables aquí son neutrales respecto al proveedor. La guía actual de Microsoft, AWS y NIST se utiliza como evidencia externa de implementación y gobernanza. NIST declara que AI RMF 1.0 está siendo revisado; las características de las plataformas de proveedores, los productos de pasarela, los tiempos de ejecución de agentes y las capacidades de los modelos evolucionan más rápido que los principios arquitectónicos, por lo que las decisiones de implementación sensibles a la versión deben verificarse nuevamente antes del despliegue.","Nota sobre fuentes actuales — 8 de octubre de 2026",{"id":238,"data":239,"type":243},"toc",{"title":240,"maxLevel":241,"minLevel":242},"Contenido",3,2,"tableOfContents",{"id":245,"data":246,"type":42},"h-meaning",{"text":247,"level":242},"¿Qué arquitectura realmente un Arquitecto de Plataforma de IA?",{"id":249,"data":250,"type":218},"p-meaning-1",{"text":251},"El objeto del trabajo es la \u003Cstrong>plataforma\u003C\u002Fstrong>: un conjunto de capacidades compartidas que reduce el trabajo de integración repetido mientras preserva límites explícitos de seguridad, datos y operaciones. Una plataforma puede exponer acceso a modelos, adaptadores de proveedores, primitivas de recuperación, ejecución de agentes, intermediarios de herramientas, aplicación de políticas, evaluación, telemetría y servicios de despliegue a muchas soluciones consumidoras.",{"id":253,"data":254,"type":218},"p-meaning-2",{"text":255},"La plataforma no es valiosa simplemente porque los componentes estén centralizados. Es valiosa cuando los consumidores reciben capacidades estables con contratos claros, propiedad, aislamiento, observabilidad y reglas de ciclo de vida. Por lo tanto, la pregunta arquitectónica clave no es \"¿Qué modelo deberían usar todos?\" sino \u003Cstrong>\"¿Qué responsabilidades pueden estandarizarse y reutilizarse de forma segura sin borrar los requisitos de cada solución?\"\u003C\u002Fstrong>.",{"id":257,"data":258,"type":299},"solution-vs-platform",{"rows":259,"title":290,"layout":291,"columns":292},[260,266,272,278,284],{"id":261,"label":262,"values":263},"c1","Alcance principal",{"platform":264,"solution":265},"Reusable AI capabilities consumed by multiple solutions, teams or tenant contexts.","One concrete AI-enabled product, workflow or application.",{"id":267,"label":268,"values":269},"c2","Pregunta principal",{"platform":270,"solution":271},"Which shared capabilities and controls should solutions consume, and where must solution-specific ownership remain?","How should this solution meet its business, data, security, quality and operational requirements?",{"id":273,"label":274,"values":275},"c3","Autoridad sobre los datos",{"platform":276,"solution":277},"Provides storage, retrieval, provenance or access primitives without automatically becoming the authority for every domain.","Defines which domain data is authoritative and how the solution may use it.",{"id":279,"label":280,"values":281},"c4","Evaluación",{"platform":282,"solution":283},"Provides reusable evaluation, telemetry and release mechanisms; it cannot define every domain's success threshold.","Defines task-specific quality and acceptance criteria.",{"id":285,"label":286,"values":287},"c5","Ciclo de vida",{"platform":288,"solution":289},"Owns shared capability versions, compatibility, onboarding, quotas, policy and operational contracts.","Owns the lifecycle of the specific workload.","La arquitectura de soluciones y la arquitectura de plataforma resuelven problemas de alcance diferentes","table",[293,296],{"id":294,"label":295},"solution","Arquitecto de Soluciones de IA",{"id":297,"label":298},"platform","Arquitecto de Plataforma de IA","comparison",{"id":301,"data":302,"type":42},"h-simple",{"text":303,"level":242},"El ejemplo más simple",{"id":305,"data":306,"type":218},"p-simple-1",{"text":307},"Imagina que una organización tiene cinco productos habilitados para IA: un asistente de documentos interno, un copiloto de atención al cliente, un agente de ingeniería de software, un flujo de trabajo de revisión de contratos y un asistente de búsqueda de productos. Cada producto podría integrar de forma independiente las API de modelos, mantener credenciales, implementar reintentos, recopilar métricas de tokens, crear código de recuperación y construir sus propios permisos de herramientas.",{"id":309,"data":310,"type":218},"p-simple-2",{"text":311},"Esa duplicación es costosa y peligrosa cuando cada equipo inventa un modelo de seguridad y operaciones diferente. Una plataforma compartida puede en su lugar ofrecer conexiones aprobadas con proveedores, descubrimiento de modelos, cuotas, credenciales, acceso consciente del inquilino, telemetría común, servicios de recuperación reutilizables y un contrato de tiempo de ejecución de agentes\u002Fherramientas.",{"id":313,"data":314,"type":218},"p-simple-3",{"text":315},"Pero la plataforma debe detenerse en el límite correcto. La solución de revisión de contratos puede requerir autoridad sobre documentos legales y reglas de citación que el agente de software no necesita. El asistente de búsqueda de productos puede necesitar reglas de frescura y autorización específicas del comercio. \u003Cstrong>La infraestructura reutilizable no hace que toda la verdad del dominio sea reutilizable.\u003C\u002Fstrong>",{"id":317,"data":318,"type":340},"simple-flow",{"steps":319,"title":338,"orientation":339},[320,323,326,329,332,335],{"label":321,"description":322},"1. El consumidor se identifica","La aplicación, el usuario, el servicio, el equipo o el inquilino que llama entra a través de una identidad autenticada y un alcance explícito.",{"label":324,"description":325},"2. Se aplica la política de la plataforma","Las capas de pasarela y políticas determinan los proveedores, modelos, cuotas, rutas de datos, herramientas y modos de ejecución permitidos.",{"label":327,"description":328},"3. Se ejecuta la capacidad compartida","La solicitud puede usar inferencia, recuperación, tiempo de ejecución de agentes, acceso a herramientas u otro servicio de plataforma reutilizable.",{"label":330,"description":331},"4. El contexto específico de la solución sigue siendo autoritativo","La solución consumidora proporciona reglas de dominio, intención del usuario, autoridad sobre los datos, restricciones específicas de la tarea y lógica de aceptación.",{"label":333,"description":334},"5. Se capturan la telemetría y la evidencia","La plataforma registra identidad, ruta, modelo\u002Fproveedor, latencia, costo, errores, actividad de herramientas y otras señales de observabilidad permitidas.",{"label":336,"description":337},"6. El resultado regresa bajo el contrato de la solución","La solución sigue siendo responsable de si la salida es aceptable para su usuario y dominio.","Una ruta de solicitud de IA compartida","auto","processFlow",{"id":342,"data":343,"type":42},"h-stops",{"text":344,"level":242},"Dónde se detiene el ejemplo simple",{"id":346,"data":347,"type":218},"p-stops-1",{"text":348},"La centralización no es automáticamente arquitectura. Un único punto de conexión frente a varias API de modelos es útil, pero por sí solo no crea una plataforma de IA. Una plataforma de producción también necesita límites de identidad, contratos de capacidades, manejo de salud y ciclo de vida de proveedores, cuotas, propiedad de secretos, observabilidad, reglas de compatibilidad, controles de seguridad, disciplina de versiones y responsabilidad operativa clara.",{"id":350,"data":351,"type":218},"p-stops-2",{"text":352},"El fallo opuesto también es común: poner cada prompt, índice vectorial, regla de negocio, agente y flujo de trabajo de aplicación en un único \"backend de IA\". Eso crea un monolito cuyo estatus compartido es accidental en lugar de arquitectónico. \u003Cstrong>Una plataforma debe estandarizar capacidades transversales, no absorber la propiedad del dominio solo porque la IA esté involucrada.\u003C\u002Fstrong>",{"id":354,"data":355,"type":42},"h-boundary",{"text":356,"level":242},"La decisión de plataforma más importante: compartido versus específico de la solución",{"id":358,"data":359,"type":291},"shared-boundary-table",{"content":360,"stretched":43,"withHeadings":14},[361,365,369,373,377,381,384],[362,363,364],"Área de capacidad","Buen candidato para la propiedad de plataforma compartida","Normalmente permanece específico de la solución",[366,367,368],"Acceso a modelos","Conexiones aprobadas con proveedores, adaptadores, credenciales, salud, primitivas de enrutamiento, cuotas","Aceptación de modelos específica de la tarea, comportamiento de prompts, umbral de calidad",[370,371,372],"Recuperación","Primitivas de ingesta, extracción, indexación, API de búsqueda, contratos de procedencia, hooks de autorización","Corpus autoritativo, reglas de frescura, metadatos de dominio, suficiencia de evidencia",[374,375,376],"Agentes y herramientas","Ciclo de vida en tiempo de ejecución, registro\u002Fbroker de herramientas, aplicación de permisos, trazabilidad, cancelación","Flujo de trabajo de negocio, semántica de acciones permitidas, política de escalado, éxito de la tarea",[378,379,380],"Seguridad","Integración de identidad, almacenamiento de secretos, aplicación de políticas, contratos de auditoría, mecanismos de aislamiento de inquilinos","Clasificación de datos, reglas de autorización de negocio, aceptación de riesgo específica del dominio",[280,382,383],"Arnés, mecánica de conjuntos de datos\u002Fversiones, telemetría, flujo de trabajo de experimentos\u002Fversiones","Verdad fundamental, conjunto de pruebas de dominio, umbral de aceptación, resultado del usuario",[385,386,387],"Operaciones","Patrón de despliegue, salud, métricas, integración de incidentes, controles de capacidad","SLO de la solución cuando difieren, impacto en la continuidad del negocio, runbooks específicos de la carga de trabajo",{"id":389,"data":390,"type":225},"boundary-principle",{"body":391,"title":392,"variant":393},"\u003Cstrong>Comparte mecánicas y controles donde la reutilización es real; mantén la autoridad y la aceptación donde el dominio las posee.\u003C\u002Fstrong> Esto evita dos errores opuestos: infraestructura duplicada en todas partes y una plataforma central que falsamente se convierte en propietaria de los datos, las políticas y la calidad de cada aplicación.","Principio de plataforma","success",{"id":395,"data":396,"type":42},"h-responsibility-map",{"text":397,"level":242},"Mapa de responsabilidades de arquitectura",{"id":399,"data":400,"type":42},"h-provider",{"text":401,"level":241},"1. Acceso a modelos y proveedores",{"id":403,"data":404,"type":218},"p-provider-1",{"text":405},"Un arquitecto de plataforma define cómo los consumidores descubren e invocan modelos sin obligar a cada aplicación a codificar directamente un proveedor. Esto incluye adaptadores de proveedor, identificadores de modelo, metadatos de capacidad, autenticación, verificaciones de salud, configuración de endpoints, normalización de solicitudes y comportamiento de compatibilidad.",{"id":407,"data":408,"type":218},"p-provider-2",{"text":409},"La abstracción del proveedor debe seguir siendo honesta. Diferentes proveedores exponen diferentes límites de contexto, semántica de herramientas, comportamiento de salida estructurada, capacidades multimodales, controles de seguridad, almacenamiento en caché, precios y modos de fallo. Una buena abstracción crea un contrato de plataforma estable mientras preserva el acceso a capacidades que no pueden aplanarse de manera significativa.",{"id":411,"data":412,"type":225},"provider-warning",{"body":413,"title":414,"variant":415},"Una API de mínimo común denominador puede facilitar la migración, pero también puede borrar capacidades que importan. La arquitectura debe definir qué características son portables, cuáles son específicas del proveedor y cómo los consumidores descubren esa diferencia.","No confundas la abstracción con pretender que los proveedores son idénticos","warning",{"id":417,"data":418,"type":42},"h-gateway",{"text":419,"level":241},"2. Gateway, enrutamiento, cuotas y controles de costos",{"id":421,"data":422,"type":218},"p-gateway-1",{"text":423},"Un gateway de IA compartido puede centralizar autenticación, enrutamiento, limitación de velocidad, reintentos, límites de tokens, atribución de uso y aplicación de políticas. La guía actual de AI Gateway de Microsoft trata explícitamente los límites de tokens por minuto, las cuotas y la contención multiproyecto como preocupaciones de la plataforma; AWS de manera similar expone cuotas de cuenta y modelo y controles centralizados.",{"id":425,"data":426,"type":218},"p-gateway-2",{"text":427},"Por lo tanto, el gateway es más que un proxy inverso cuando conlleva políticas y semántica operativa específicas de IA. Pero no debe tomar decisiones de negocio silenciosamente. Una política de enrutamiento puede preferir un modelo local saludable, un proveedor de menor costo o un endpoint regionalmente compatible; si esa ruta es aceptable para una tarea particular sigue siendo un contrato entre plataforma y solución.",{"id":429,"data":430,"type":218},"p-gateway-3",{"text":431},"El enrutamiento también necesita semántica de fallo. Si el modelo preferido no está disponible, la plataforma debe saber si se permite el fallback, si una ruta en la nube requiere consentimiento explícito, si un modelo de menor capacidad es válido y cómo se expone la decisión a la observabilidad.",{"id":433,"data":434,"type":42},"h-data",{"text":435,"level":241},"3. Servicios compartidos de datos, recuperación y fundamentación",{"id":437,"data":438,"type":218},"p-data-1",{"text":439},"Los servicios de recuperación son fuertes candidatos para la plataforma porque el análisis, la fragmentación, la indexación, la búsqueda léxica, la búsqueda semántica, el filtrado de metadatos, la procedencia y la mecánica de citas son reutilizables. Sin embargo, la plataforma no debe confundir un motor de recuperación compartido con una fuente de verdad compartida.",{"id":441,"data":442,"type":218},"p-data-2",{"text":443},"Una solución sigue siendo dueña de preguntas como: ¿Qué corpus es autoritativo? ¿Qué versión es válida? ¿Puede este usuario ver este documento? ¿Qué tan frescos deben ser los datos? ¿Qué cuenta como evidencia suficiente? ¿Se puede generar una respuesta cuando falla la recuperación? Esos son requisitos de dominio y solución incluso cuando la plataforma proporciona la maquinaria de recuperación.",{"id":445,"data":446,"type":218},"p-data-3",{"text":447},"Este límite es especialmente importante en sistemas multiinquilino. Un índice o servicio vectorial técnicamente compartido no justifica la visibilidad entre inquilinos. El contexto de autorización debe preservarse a través de la recuperación, no agregarse solo después de que los resultados de búsqueda ya hayan cruzado el límite.",{"id":449,"data":450,"type":42},"h-agent-runtime",{"text":451,"level":241},"4. Tiempo de ejecución de agentes y herramientas",{"id":453,"data":454,"type":218},"p-agent-1",{"text":455},"Los sistemas agénticos añaden preocupaciones reutilizables en tiempo de ejecución: ciclo de vida de hilos\u002Fsesiones, bucles de planificación, registro de herramientas, invocación de herramientas, cancelación, tiempos de espera, aprobaciones humanas, interfaces de memoria\u002Festado, protocolos de agentes remotos y correlación de trazas. Una plataforma puede proporcionar estas mecánicas para que cada producto no las reconstruya.",{"id":457,"data":458,"type":218},"p-agent-2",{"text":459},"La plataforma también debe mantener el permiso de herramientas separado de la capacidad del modelo. Que un modelo sea capaz de generar un comando de shell no significa que el tiempo de ejecución deba permitir la ejecución de shell. El límite de permisos pertenece a la arquitectura de la aplicación\u002Ftiempo de ejecución y debe ser aplicable independientemente del modelo.",{"id":461,"data":462,"type":218},"p-agent-3",{"text":463},"La guía actual de AWS sobre IA agéntica enfatiza agentes acotados, autoridad explícita, trazabilidad de extremo a extremo, artefactos de comportamiento versionados y supervisión humana proporcional a las consecuencias. Esas son preocupaciones que habilitan la plataforma, pero la solución consumidora aún define qué acciones son legítimas para su dominio.",{"id":465,"data":466,"type":42},"h-identity",{"text":467,"level":241},"5. Identidad, aislamiento de inquilinos y autorización",{"id":469,"data":470,"type":218},"p-identity-1",{"text":471},"Las plataformas de IA a menudo se sitúan frente a modelos de alto valor, datos propietarios y herramientas capaces de actuar. Por lo tanto, la autenticación es solo el comienzo. La arquitectura debe transportar el contexto de usuario, servicio, aplicación e inquilino a través de cada operación privilegiada que lo necesite.",{"id":473,"data":474,"type":218},"p-identity-2",{"text":475},"\u003Cstrong>RBAC y el aislamiento de inquilinos resuelven problemas diferentes.\u003C\u002Fstrong> RBAC responde qué puede hacer una identidad; el aislamiento de inquilinos responde sobre qué recursos de qué inquilino puede actuar esa identidad. Una plataforma que verifica roles pero pierde el contexto de inquilino aún puede exponer los datos equivocados.",{"id":477,"data":478,"type":218},"p-identity-3",{"text":479},"La guía actual de Microsoft sobre cargas de trabajo de IA recomienda explícitamente la segmentación de identidades y el acceso al contenido consciente de la autorización. La guía de AWS sobre plataformas de IA generativa multiinquilino también trata el aislamiento lógico, los controles centralizados y la auditabilidad como preocupaciones de la plataforma.",{"id":481,"data":482,"type":42},"h-secrets",{"text":483,"level":241},"6. Secretos, credenciales y límites de confianza",{"id":485,"data":486,"type":218},"p-secrets-1",{"text":487},"Una plataforma debe definir quién posee las claves de proveedor, los tokens de portador remotos, el material de firma y las credenciales de herramientas, dónde se almacenan, qué proceso puede acceder a ellas, cómo se rotan y si alguna vez pueden llegar a un navegador o a un renderizador no confiable.",{"id":489,"data":490,"type":218},"p-secrets-2",{"text":491},"Esto es un límite arquitectónico, no un detalle de implementación. Si cada aplicación consumidora copia las credenciales del proveedor en su propia configuración, la organización ha duplicado tanto la carga operativa como el radio de impacto. La centralización puede reducir ese riesgo solo si la propia plataforma tiene rutas de acceso más estrechas y auditables.",{"id":493,"data":494,"type":42},"h-eval",{"text":495,"level":241},"7. Evaluación, observabilidad y auditabilidad",{"id":497,"data":498,"type":218},"p-eval-1",{"text":499},"Una plataforma reutilizable puede proporcionar arneses de evaluación, IDs de traza, metadatos de modelo\u002Fproveedor, métricas de tokens y costos, latencia, tasas de error, vinculación de versión de prompt\u002Fmodelo, trazas de agente\u002Fherramienta y registro controlado. Tanto AWS como Microsoft tratan la observabilidad y la evaluación como preocupaciones centrales de producción para cargas de trabajo de IA.",{"id":501,"data":502,"type":218},"p-eval-2",{"text":503},"La evaluación de la plataforma y la evaluación de la solución deben permanecer separadas. Una plataforma puede verificar que un endpoint está saludable, que una versión del modelo pasa una suite de regresión general y que las trazas están completas. No puede decidir que una respuesta legal, un flujo de trabajo médico o una recomendación de producto sean aceptables sin una verdad fundamental específica del dominio y criterios de aceptación.",{"id":505,"data":506,"type":218},"p-eval-3",{"text":507},"El registro también crea un límite de privacidad. Los registros de prompts y respuestas pueden contener datos sensibles o propietarios. Por lo tanto, el arquitecto de la plataforma debe decidir qué se registra, se redacta, se muestrea, se retiene y es accesible, en lugar de asumir que más telemetría siempre es más seguro.",{"id":509,"data":510,"type":42},"h-runtime",{"text":511,"level":241},"8. Tiempo de ejecución, despliegue y localidad",{"id":513,"data":514,"type":218},"p-runtime-1",{"text":515},"Un arquitecto de plataforma decide cómo se despliegan y se accede a las capacidades de IA compartidas: servicios en la nube gestionados, endpoints autoalojados, inferencia local, enrutamiento híbrido, servicios en contenedores, tiempos de ejecución de escritorio, redes privadas o entornos aislados. La distinción importante es entre \u003Cstrong>dónde se ejecuta el proceso de control\u002Ftiempo de ejecución\u003C\u002Fstrong> y \u003Cstrong>dónde ocurren realmente la inferencia y el procesamiento de datos\u003C\u002Fstrong>.",{"id":517,"data":518,"type":218},"p-runtime-2",{"text":519},"Un cliente local aún puede llamar a un modelo en la nube. Un plano de control en la nube puede enrutar a un modelo local. Un agente remoto puede ejecutar herramientas dentro de la red de un cliente. Por lo tanto, los diagramas arquitectónicos deben mostrar límites de confianza y flujo de datos en lugar de usar “local” y “nube” como etiquetas vagas.",{"id":521,"data":522,"type":42},"h-lifecycle",{"text":523,"level":241},"9. Ciclo de vida de la plataforma, compatibilidad e incorporación",{"id":525,"data":526,"type":218},"p-lifecycle-1",{"text":527},"Una capacidad reutilizable se convierte en plataforma solo cuando los consumidores pueden depender de ella a lo largo del tiempo. Eso requiere contratos versionados, reglas de migración, política de compatibilidad, obsolescencia, pruebas de lanzamiento, reversión, propiedad de incidentes, planificación de capacidad, documentación y una ruta para incorporar nuevos equipos o aplicaciones.",{"id":529,"data":530,"type":218},"p-lifecycle-2",{"text":531},"Los ecosistemas de IA que evolucionan rápidamente hacen que esto sea particularmente importante. Los nombres de modelos, SDK, versiones de protocolo, API de proveedores y capacidades de seguridad cambian de forma independiente. Una plataforma debe absorber parte de esa volatilidad sin ocultar cambios que afecten materialmente el comportamiento de una solución.",{"id":533,"data":534,"type":42},"h-control-plane",{"text":535,"level":242},"Un modelo práctico de plano de control \u002F plano de ejecución \u002F plano de solución",{"id":537,"data":538,"type":225},"model-note",{"body":539,"title":540,"variant":231},"El modelo de tres planos que se presenta a continuación es una forma práctica de razonar sobre las responsabilidades; no es un estándar de ISO, NIST, Microsoft ni AWS. Su propósito es hacer explícitos los límites de propiedad.","Modelo de arquitectura propuesto",{"id":542,"data":543,"type":291},"planes-table",{"content":544,"stretched":43,"withHeadings":14},[545,549,553,557],[546,547,548],"Plano","Responsabilidades típicas","No debería poseer silenciosamente",[550,551,552],"Plano de control de la plataforma","Registro de proveedores, política de modelos, cuotas, configuración de inquilinos, identidades, secretos, reglas de enrutamiento, versiones de capacidades, configuración de despliegue","Lógica de negocio de la aplicación o verdad del dominio",[554,555,556],"Plano de ejecución\u002Fdatos de la plataforma","Solicitudes de inferencia, operaciones de recuperación, ejecución de agentes\u002Fherramientas, extracción, indexación, emisión de telemetría, aplicación de políticas","Acceso entre inquilinos solo porque la infraestructura es compartida",[558,559,560],"Plano de solución","Flujo de trabajo del usuario, prompts\u002Finstrucciones, selección de corpus autoritativo, autorización de dominio, reglas de negocio, evaluación y aceptación de tareas","Integración de proveedores de bajo nivel que la plataforma posee explícitamente",{"id":562,"data":563,"type":218},"p-control-plane-1",{"text":564},"Esta separación ayuda a diagnosticar la deriva de la plataforma. Si una aplicación debe conocer cada credencial y endpoint específico del proveedor, el contrato de la plataforma es demasiado débil. Si la plataforma decide qué registro de cliente es legalmente autoritativo o si una respuesta de dominio es aceptable, la plataforma ha cruzado hacia la propiedad de la solución.",{"id":566,"data":567,"type":42},"h-artifacts",{"text":568,"level":242},"¿Qué debería producir un Arquitecto de Plataforma de IA?",{"id":570,"data":571,"type":291},"artifacts-table",{"content":572,"stretched":43,"withHeadings":14},[573,576,579,582,585,588,591,594,597,600],[574,575],"Artefacto de arquitectura","Propósito",[577,578],"Mapa de capacidades de la plataforma","Define qué proporciona la plataforma, quién la consume y qué capacidades quedan fuera del alcance.",[580,581],"Contrato de proveedor\u002Fmodelo","Define proveedores, modelos, capacidades, límites de abstracción, metadatos de ruta y semántica de respaldo.",[583,584],"Modelo de identidad y multiinquilino","Define la identidad de usuario\u002Fservicio\u002Faplicación, el contexto de inquilino, los enlaces RBAC\u002FABAC y el aislamiento de recursos.",[586,587],"Política de puerta de enlace y cuotas","Define límites de velocidad, presupuestos de tokens\u002Fcosto, controles de enrutamiento, reintentos y comportamiento de capacidad.",[589,590],"Contrato de recuperación\u002Fdatos","Define la ingesta, procedencia, búsqueda, metadatos, propagación de autorización y dónde permanece la autoridad del dominio.",[592,593],"Contrato de agente\u002Fherramienta","Define el ciclo de vida en tiempo de ejecución, registro de herramientas, permisos, aprobaciones, cancelación y comportamiento de seguimiento.",[595,596],"Modelo de secretos y límites de confianza","Define la propiedad de credenciales, almacenamiento, límites de proceso, rotación y rutas de datos sensibles.",[598,599],"Contrato de evaluación y telemetría","Define métricas comunes, trazas, enlaces de conjuntos de datos\u002Fversiones, política de registro y puntos de extensión de la solución.",[601,602],"Política de ciclo de vida y compatibilidad","Define versiones, migraciones, obsolescencia, lanzamientos, reversión, propiedad de incidentes e incorporación.",{"id":604,"data":605,"type":42},"h-tradeoffs",{"text":606,"level":242},"El trabajo es principalmente de compensaciones, no de centralización máxima",{"id":608,"data":609,"type":299},"tradeoff-comparison",{"rows":610,"title":647,"layout":291,"columns":648},[611,617,623,629,635,641],{"id":612,"label":613,"values":614},"t1","Abstracción de proveedor",{"pressureA":615,"pressureB":616},"Stable portable platform API","Access to provider-specific capabilities and fast innovation",{"id":618,"label":619,"values":620},"t2","Reutilización",{"pressureA":621,"pressureB":622},"Shared services reduce duplication","Isolation and domain autonomy prevent unsafe coupling",{"id":624,"label":625,"values":626},"t3","Gobernanza",{"pressureA":627,"pressureB":628},"Central policy and auditability","Team speed and local experimentation",{"id":630,"label":631,"values":632},"t4","Observabilidad",{"pressureA":633,"pressureB":634},"Rich traces for debugging and evaluation","Privacy, data minimization and logging cost",{"id":636,"label":637,"values":638},"t5","Disponibilidad",{"pressureA":639,"pressureB":640},"Fallback and multi-provider resilience","Predictable quality, compliance and data-location guarantees",{"id":642,"label":643,"values":644},"t6","Alcance de la plataforma",{"pressureA":645,"pressureB":646},"More reusable capabilities","Smaller blast radius and less platform lock-in","Compensaciones comunes de la plataforma",[649,652],{"id":650,"label":651},"pressureA","Presión A",{"id":653,"label":654},"pressureB","Presión B",{"id":656,"data":657,"type":42},"h-adjacent",{"text":658,"level":242},"¿En qué se diferencia de roles adyacentes?",{"id":660,"data":661,"type":291},"roles-table",{"content":662,"stretched":43,"withHeadings":14},[663,666,668,670,673,676,679],[664,665],"Rol","Alcance arquitectónico principal",[295,667],"Una solución concreta habilitada por IA y sus requisitos de extremo a extremo, límites, compensaciones y aceptación en producción.",[298,669],"Capacidades de IA reutilizables y contratos operativos\u002Fde seguridad consumidos en múltiples soluciones o equipos.",[671,672],"Arquitecto Empresarial","Portafolio de negocio\u002Ftecnología a nivel organizacional, alineación de capacidades y gobernanza a un nivel más amplio.",[674,675],"Arquitecto o especialista en MLOps \u002F LLMOps","Ciclo de vida de modelos e IA, despliegue, experimentos, observabilidad, liberación y prácticas operativas; puede superponerse fuertemente pero no posee automáticamente toda la plataforma de aplicaciones compartida.",[677,678],"Ingeniero de Plataforma \u002F SRE","Implementa y opera la infraestructura de la plataforma, confiabilidad, automatización y experiencia del desarrollador; la responsabilidad de arquitectura puede compartirse con el arquitecto de plataforma.",[680,681],"Ingeniero de IA \u002F Software","Implementa modelos, integraciones, servicios, agentes, recuperación y funcionalidad de producto dentro de la arquitectura acordada.",{"id":683,"data":684,"type":218},"p-adjacent-1",{"text":685},"Estos límites son organizacionales, no universales. En un equipo pequeño una persona puede tener varias responsabilidades. En una empresa regulada pueden dividirse entre grupos de arquitectura, seguridad, plataforma, datos y operaciones. La distinción útil es el \u003Cstrong>alcance de la responsabilidad arquitectónica\u003C\u002Fstrong>, no el título del puesto impreso en un organigrama.",{"id":687,"data":688,"type":42},"h-evidence",{"text":689,"level":242},"Evidencia de implementación: cómo aparecen estos límites de plataforma en mi propio trabajo",{"id":691,"data":692,"type":225},"evidence-note",{"body":693,"title":694,"variant":231},"Las siguientes secciones describen patrones concretos de mis propios proyectos. Son evidencia de que estos límites arquitectónicos se han implementado o diseñado explícitamente en código real y sistemas de proyecto. \u003Cstrong>No\u003C\u002Fstrong> son afirmaciones de que los proyectos en conjunto ya constituyan una plataforma de IA empresarial desplegada comercialmente.","Evidencia de implementación original",{"id":696,"data":697,"type":42},"h-ai-client",{"text":698,"level":241},"Aaasaasa AI Client: separación de proveedor, tiempo de ejecución y permisos",{"id":700,"data":701,"type":218},"p-ai-client-1",{"text":702},"Aaasaasa AI Client es un espacio de trabajo de IA de escritorio local-first construido con Nuxt 4, Electron y TypeScript. Su AI Hub separa deliberadamente \u003Cstrong>agente\u002Fcliente, proveedor, modelo, ubicación de conexión\u002Ftiempo de ejecución, permisos y cliente web\u003C\u002Fstrong> en lugar de tratarlos como un único valor de configuración.",{"id":704,"data":705,"type":218},"p-ai-client-2",{"text":706},"La implementación incluye adaptadores directos de proveedores, integración del tiempo de ejecución del agente Codex, rutas locales de Ollama\u002FLM Studio, servicios compatibles con OpenAI, permisos de espacio de trabajo centralizados, almacenamiento de credenciales en el proceso principal, DuckDB, soporte de Qdrant\u002Fvectores, extracción de PDF\u002Flegibilidad y acceso autenticado a directorios basado en MCP.",{"id":708,"data":709,"type":218},"p-ai-client-3",{"text":710},"Dos lecciones de plataforma son especialmente relevantes. Primero, un tiempo de ejecución local no es lo mismo que inferencia local: un proceso Codex local aún puede usar un modelo en la nube. Segundo, el enrutamiento automático no recurre silenciosamente de inferencia local a inferencia en la nube de pago. Eso hace que la política de enrutamiento y la localidad del tiempo de ejecución sean explícitas en lugar de inferidas a partir de etiquetas de la interfaz.",{"id":712,"data":713,"type":291},"ai-client-evidence-table",{"content":714,"stretched":43,"withHeadings":14},[715,718,721,724,727,730],[716,717],"Límite implementado","Significado para la arquitectura de plataforma",[719,720],"Agente vs proveedor vs modelo","Diferentes responsabilidades pueden evolucionar de forma independiente en lugar de ocultarse detrás de un único selector de “IA”.",[722,723],"Permisos separados del modelo","La autoridad sobre el sistema de archivos\u002Fherramientas pertenece a la política del tiempo de ejecución, no a la capacidad del modelo.",[725,726],"Secretos en el proceso principal","La propiedad de las credenciales sigue el límite del proceso privilegiado en lugar del renderizador\u002Finterfaz.",[728,729],"Salud del proveedor y descubrimiento de modelos","El enrutamiento y la disponibilidad son preocupaciones del tiempo de ejecución\u002Fplataforma.",[731,732],"Sin respaldo silencioso a la nube","El costo, la localidad y la semántica de transferencia de datos siguen siendo decisiones de política explícitas.",{"id":734,"data":735,"type":42},"h-cms",{"text":736,"level":241},"Aaasaasa AI CMS: autorización con alcance de inquilino como límite de plataforma",{"id":738,"data":739,"type":218},"p-cms-1",{"text":740},"El código base de Aaasaasa AI CMS proporciona un ejemplo de implementación separado: el RBAC con alcance de inquilino se representa mediante roles, permisos y asignaciones de rol de usuario vinculadas a un identificador de inquilino. Los permisos del sistema se agrupan por capacidad, y la búsqueda y actualización de roles permanecen con alcance de inquilino.",{"id":742,"data":743,"type":218},"p-cms-2",{"text":744},"Esto no es en sí mismo prueba de una plataforma de IA completa, pero es directamente relevante para uno de los límites más difíciles de una plataforma compartida: un servicio reutilizable debe preservar \u003Cstrong>quién puede hacer qué\u003C\u002Fstrong> y \u003Cstrong>para qué inquilino\u003C\u002Fstrong>. Añadir inferencia o recuperación de IA sobre una plataforma de aplicaciones no elimina ese requisito.",{"id":746,"data":747,"type":218},"p-cms-3",{"text":748},"La implicación arquitectónica es que las pasarelas de modelos, los servicios de recuperación y los agentes deben consumir el contexto de identidad\u002Finquilino establecido en lugar de inventar un universo de autorización paralelo exclusivo para IA.",{"id":750,"data":751,"type":42},"h-sot",{"text":752,"level":241},"Source of Truth Research Engine: mecánicas de recuperación compartidas sin verdad compartida",{"id":754,"data":755,"type":218},"p-sot-1",{"text":756},"El Source of Truth Research Engine proporciona un tercer ejemplo de implementación. Diferentes modos de investigación comparten un núcleo de evidencia común: Fuentes, Artefactos, procedencia, Afirmaciones, Relaciones, Contradicciones, un Modelo de Referencia y pista de auditoría. El sistema también proporciona recuperación léxica local, recuperación semántica opcional, extracción, instantáneas y procedencia basada en SHA-256.",{"id":758,"data":759,"type":218},"p-sot-2",{"text":760},"El proyecto trata explícitamente la búsqueda y la similitud semántica como señales de descubrimiento en lugar de evidencia. Un resultado debe rastrearse hasta una fuente y un localizador concretos antes de poder respaldar una afirmación. Esta es precisamente la distinción que necesita una plataforma de IA: \u003Cstrong>la maquinaria de recuperación reutilizable puede compartirse mientras la autoridad de la evidencia permanece gobernada por la metodología y el dominio consumidores.\u003C\u002Fstrong>",{"id":762,"data":763,"type":218},"p-sot-3",{"text":764},"El motor también demuestra por qué una plataforma compartida no requiere una interpretación compartida. Los modos histórico, científico\u002Ftécnico, de inteligencia de mercado y de monitoreo pueden reutilizar la infraestructura central de evidencia mientras conservan una metodología específica del modo.",{"id":766,"data":767,"type":225},"evidence-synthesis",{"body":768,"title":769,"variant":393},"A través de estos proyectos, el patrón reutilizable no es “un backend para todo”. Es \u003Cstrong>separación de responsabilidades más contratos explícitos\u003C\u002Fstrong>: separación de proveedor\u002Fmodelo\u002Ftiempo de ejecución, autorización consciente del inquilino, límites de credenciales, primitivas reutilizables de datos\u002Frecuperación, procedencia y autoridad específica del dominio. Una futura plataforma integrada necesitaría contratos estables entre esas capacidades en lugar de acoplamiento directo entre códigos base.","Lo que estas implementaciones demuestran en conjunto",{"id":771,"data":772,"type":42},"h-frameworks",{"text":773,"level":242},"Cómo la guía de arquitectura actual respalda este alcance de plataforma",{"id":775,"data":776,"type":218},"p-frameworks-1",{"text":777},"ISO\u002FIEC\u002FIEEE 42010:2022 proporciona una disciplina general para descripciones de arquitectura en software, sistemas, empresas y entidades relacionadas. No define un Arquitecto de Plataforma de IA, pero refuerza la necesidad de expresar preocupaciones, relaciones y puntos de vista arquitectónicos en lugar de reducir la arquitectura a una lista de tecnologías.",{"id":779,"data":780,"type":218},"p-frameworks-2",{"text":781},"NIST AI RMF 1.0 y el Perfil de IA Generativa enmarcan la gestión de riesgos de IA a lo largo del ciclo de vida en lugar de solo en el momento de selección del modelo. La gobernanza, el mapeo, la medición y la gestión son, por lo tanto, compatibles con una arquitectura de plataforma que conlleva controles y evidencia compartidos a través de muchas cargas de trabajo consumidoras.",{"id":783,"data":784,"type":218},"p-frameworks-3",{"text":785},"La guía actual de Microsoft sobre cargas de trabajo de IA trata el diseño de aplicaciones, los datos, la seguridad, las operaciones, las pruebas\u002Fevaluación y GenAIOps como áreas arquitectónicas conectadas. Su guía actual sobre AI Gateway también muestra preocupaciones prácticas de plataforma como acceso centralizado a modelos, límites de tokens específicos del proyecto, cuotas y contención multi-equipo.",{"id":787,"data":788,"type":218},"p-frameworks-4",{"text":789},"El Generative AI Lens actual de AWS y el escenario de plataforma multi-inquilino también separan los controles fundamentales de la plataforma de la propiedad de la aplicación consumidora. AWS señala explícitamente que una plataforma central puede aplicar barandillas compartidas y auditabilidad mientras la calidad de los datos y la observabilidad específica de la carga de trabajo siguen siendo responsabilidades de las aplicaciones consumidoras o de los productores de datos.",{"id":791,"data":792,"type":218},"p-frameworks-5",{"text":793},"Los productos de los proveedores difieren, pero el patrón entre fuentes es estable: las plataformas de IA en producción deben coordinar identidad, acceso a datos, modelos, políticas, evaluación, observabilidad, capacidad, costo y ciclo de vida. Un clúster de GPU o un endpoint de modelo cubre solo parte de esa responsabilidad.",{"id":795,"data":796,"type":42},"h-misconceptions",{"text":797,"level":242},"Conceptos erróneos comunes",{"id":799,"data":800,"type":291},"misconceptions-table",{"content":801,"stretched":43,"withHeadings":14},[802,805,808,811,814,817,820,823,826],[803,804],"Concepto erróneo","Por qué es incorrecto",[806,807],"“Una plataforma de IA es el clúster de GPU.”","La computación es un sustrato. Una plataforma también necesita contratos para identidad, acceso a modelos, datos, políticas, evaluación, observabilidad y ciclo de vida.",[809,810],"“Una pasarela de IA es solo un proxy inverso.”","También puede conllevar enrutamiento de modelos, cuotas de tokens, atribución de costos, aplicación de políticas, identidad y telemetría específica de IA.",[812,813],"“Compartido significa compartido globalmente.”","Un servicio puede ser físicamente compartido mientras está lógicamente segmentado por inquilino, aplicación, región, clasificación o nivel de riesgo.",[815,816],"“Una única base de datos vectorial central se convierte en la verdad de la empresa.”","Un almacén vectorial o servicio de recuperación es infraestructura. La autoridad del dominio, la frescura, la procedencia y el acceso siguen siendo preocupaciones separadas.",[818,819],"“La evaluación de la plataforma reemplaza la evaluación de la solución.”","La regresión general y la telemetría no pueden definir si una respuesta o acción específica del dominio es aceptable.",[821,822],"“La abstracción del proveedor debería ocultar todas las diferencias.”","Algunas diferencias son capacidades materiales, semánticas de seguridad o modos de fallo y deben permanecer visibles.",[824,825],"“RBAC resuelve la multi-tenencia.”","RBAC controla acciones; el aislamiento de inquilinos controla límites de recursos. Ambos pueden ser necesarios.",[827,828],"“Arquitecto de Plataforma de IA es solo otro nombre para MLOps.”","MLOps\u002FLLMOps es una disciplina superpuesta importante, pero los límites compartidos de aplicación\u002Ftiempo de ejecución, identidad, pasarela, recuperación y herramientas pueden extenderse más allá de las operaciones del ciclo de vida del modelo.",{"id":830,"data":831,"type":42},"h-failure",{"text":832,"level":242},"Modos de fallo que un Arquitecto de Plataforma de IA debería prevenir",{"id":834,"data":835,"type":291},"failures-table",{"content":836,"stretched":43,"withHeadings":14},[837,840,843,846,849,852,855,858,861,864],[838,839],"Modo de fallo","Consecuencia arquitectónica",[841,842],"Cada equipo almacena sus propias claves de proveedor","Manejo duplicado de secretos, rotación inconsistente y mayor radio de impacto.",[844,845],"La abstracción del proveedor oculta las capacidades requeridas","Los consumidores no pueden usar las funciones que necesitan o reciben silenciosamente un comportamiento diferente al asumido.",[847,848],"La recuperación compartida ignora el contexto de inquilino\u002Fusuario","Puede ocurrir una fuga de datos entre límites antes de que la aplicación tenga la oportunidad de filtrar los resultados.",[850,851],"El fallback cambia silenciosamente el proveedor o la localidad","El costo, el cumplimiento, la ubicación de los datos y la calidad de la salida pueden cambiar sin que el llamador lo sepa.",[853,854],"Las herramientas del agente se otorgan por elección del modelo","Un modelo capaz se vuelve con privilegios excesivos porque la autoridad en tiempo de ejecución no se aplica de forma independiente.",[856,857],"Todos los prompts\u002Frespuestas se registran por defecto","La observabilidad puede crear un nuevo repositorio de datos sensibles y un problema de cumplimiento.",[859,860],"La plataforma posee una única puntuación de calidad genérica","Los fallos del dominio permanecen ocultos detrás de las métricas de salud de la plataforma.",[862,863],"Sin contrato de versión para las capacidades de la plataforma","Los cambios de modelo\u002Fproveedor\u002Ftiempo de ejecución rompen a los consumidores de forma impredecible.",[865,866],"Todo lo relacionado con IA está centralizado","La plataforma se convierte en un cuello de botella y un monolito en lugar de una capa de capacidad reutilizable.",{"id":868,"data":869,"type":42},"h-decision",{"text":870,"level":242},"Una secuencia práctica de decisiones de arquitectura de plataforma",{"id":872,"data":873,"type":340},"decision-flow",{"steps":874,"title":905,"orientation":339},[875,878,881,884,887,890,893,896,899,902],{"label":876,"description":877},"1. Identificar consumidores reales","Enumere las soluciones, equipos, inquilinos y cargas de trabajo que consumirían la plataforma; evite construir una plataforma para una reutilización hipotética.",{"label":879,"description":880},"2. Definir el límite compartido","Separe la mecánica transversal de la autoridad de dominio, el flujo de trabajo y la aceptación específicos de la solución.",{"label":882,"description":883},"3. Definir primero la identidad y el aislamiento","Establezca usuarios, servicios, aplicaciones, inquilinos, regiones y clasificaciones de datos antes de compartir capacidades de recuperación o herramientas.",{"label":885,"description":886},"4. Definir contratos de capacidad","Especifique las API de modelo\u002Fproveedor, recuperación, agente\u002Fherramienta, puerta de enlace y telemetría con propiedad y versionado explícitos.",{"label":888,"description":889},"5. Decidir la estrategia de proveedor y tiempo de ejecución","Elija ejecución gestionada, autoalojada, local o híbrida y documente la semántica de fallback, localidad y capacidades.",{"label":891,"description":892},"6. Diseñar los límites de datos y recuperación","Defina la procedencia, la propagación de autorización, la propiedad del corpus, la indexación y las responsabilidades de evidencia.",{"label":894,"description":895},"7. Agregar cuotas, secretos y políticas","Controle el costo, la capacidad, las credenciales, los permisos de herramientas, los controles de seguridad y el radio de impacto.",{"label":897,"description":898},"8. Construir contratos de evaluación y observabilidad","Proporcione métricas de plataforma y trazabilidad mientras deja la verdad fundamental del dominio y la aceptación a la solución.",{"label":900,"description":901},"9. Definir el ciclo de vida y las operaciones","Versione capacidades, pruebe actualizaciones, documente la obsolescencia, la reversión, los incidentes, la capacidad y la incorporación de consumidores.",{"label":903,"description":904},"10. Validar con más de un consumidor","Una afirmación de plataforma se vuelve creíble cuando la capacidad compartida realmente sirve a cargas de trabajo distintas sin forzarlas al mismo modelo de dominio.","De la necesidad de plataforma a una capacidad compartida operable",{"id":907,"data":908,"type":42},"h-edge",{"text":909,"level":242},"Casos límite y límites del rol",{"id":911,"data":912,"type":218},"p-edge-1",{"text":913},"Una organización pequeña con una sola aplicación de IA puede no necesitar una plataforma de IA distinta ni un arquitecto de plataforma. La creación prematura de plataformas puede generar más abstracción que valor. La arquitectura correcta puede ser una solución bien diseñada con algunos módulos reutilizables.",{"id":915,"data":916,"type":218},"p-edge-2",{"text":917},"Un despliegue aislado o soberano cambia sustancialmente el modelo de proveedor, actualización y observabilidad. El alojamiento de modelos, la distribución de artefactos, la integración de identidad y la exportación de telemetría pueden necesitar equivalentes locales.",{"id":919,"data":920,"type":218},"p-edge-3",{"text":921},"Las cargas de trabajo altamente reguladas o de altas consecuencias pueden requerir un aislamiento físico u organizativo más fuerte en lugar de una plataforma lógicamente compartida. La reutilización nunca es una razón suficiente para debilitar un límite de seguridad requerido.",{"id":923,"data":924,"type":218},"p-edge-4",{"text":925},"Los servicios gestionados de IA en la nube pueden eliminar la carga de implementación, pero no eliminan la responsabilidad arquitectónica. La organización aún decide la identidad, el acceso a los datos, el registro, la retención, las cuotas, la elegibilidad de modelos, el fallback, la evaluación y la aceptación de la solución.",{"id":927,"data":928,"type":218},"p-edge-5",{"text":929},"El límite de la plataforma también puede diferir según la modalidad. La inferencia de texto, la generación multimodal, el habla, el uso de computadoras y los agentes autónomos pueden tener diferentes requisitos de latencia, datos, permisos y observabilidad incluso cuando comparten infraestructura de proveedor e identidad.",{"id":931,"data":932,"type":42},"h-change",{"text":933,"level":242},"¿Qué cambiaría esta respuesta?",{"id":935,"data":936,"type":218},"p-change-1",{"text":937},"La definición central cambiaría si cambia el alcance organizacional. Si el arquitecto posee una sola carga de trabajo, el rol se acerca más al de Arquitecto de Soluciones de IA. Si la responsabilidad se expande a la estrategia de capacidades, inversión, estándares y carteras de estado objetivo en toda la organización, se acerca a la Arquitectura Empresarial de IA.",{"id":939,"data":940,"type":218},"p-change-2",{"text":941},"La guía de implementación cambia siempre que cambian los proveedores, los productos de puerta de enlace, los protocolos de agentes, las obligaciones regulatorias, las capacidades de los modelos o las restricciones de despliegue. Por eso la arquitectura de plataforma debe expresar responsabilidades y contratos estables por separado de los mecanismos actuales de los proveedores.",{"id":943,"data":944,"type":42},"h-checklist",{"text":945,"level":242},"Lista de verificación del Arquitecto de Plataforma de IA",{"id":947,"data":948,"type":291},"checklist-table",{"content":949,"stretched":43,"withHeadings":14},[950,953,956,959,962,965,968,971,974,977,980,983,986],[951,952],"Pregunta","Respuesta esperada",[954,955],"¿Quiénes son los consumidores reales de la plataforma?","Soluciones, equipos o contextos de inquilinos nombrados con necesidades distintas pero superpuestas.",[957,958],"¿Qué es genuinamente compartido?","Lista explícita de capacidades, no un vago “backend de IA”.",[960,961],"¿Qué debe permanecer específico de la solución?","Autoridad de dominio, flujo de trabajo empresarial, aceptación de tareas y otras preocupaciones propias de la carga de trabajo.",[963,964],"¿Cómo se representan los modelos\u002Fproveedores?","Contratos versionados de proveedor\u002Fmodelo con capacidades y semántica de fallback explícita.",[966,967],"¿Cómo se propaga la identidad?","El contexto de usuario\u002Fservicio\u002Faplicación\u002Finquilino sobrevive en cada ruta de solicitud privilegiada.",[969,970],"¿Cómo se aplica el aislamiento de inquilinos?","El alcance de recursos es independiente de las verificaciones de permisos de rol.",[972,973],"¿Cómo se manejan los secretos?","Almacenamiento privilegiado, rotación, exposición limitada y propiedad auditable.",[975,976],"¿Cómo preserva la recuperación la autoridad?","Mecánica compartida con autorización, procedencia y reglas de evidencia propias del dominio.",[978,979],"¿Cómo se restringen las herramientas y los agentes?","Permisos en tiempo de ejecución, contratos de herramientas acotados, aprobaciones, cancelación y trazabilidad.",[981,982],"¿Cómo se controlan el costo y la capacidad?","Cuotas, controles de tokens\u002Ftasa, atribución de uso y comportamiento de sobrecarga.",[984,985],"¿Cómo se mide la calidad?","Regresión\u002Fevaluación de plataforma más verdad fundamental y aceptación específicas de la solución.",[987,988],"¿Cómo se implementan los cambios?","Versionado, compatibilidad, migración, obsolescencia, reversión y propiedad de incidentes.",{"id":990,"data":991,"type":42},"h-conclusion",{"text":992,"level":242},"Conclusión",{"id":994,"data":995,"type":218},"p-conclusion-1",{"text":996},"Un Arquitecto de Plataforma de IA es responsable de la arquitectura reutilizable \u003Cstrong>entre las capacidades de IA y las soluciones que las consumen\u003C\u002Fstrong>. El rol define cómo los modelos, proveedores, recuperación, agentes, herramientas, identidad, inquilinos, secretos, evaluación, observabilidad, cuotas y operaciones en tiempo de ejecución se convierten en servicios de plataforma confiables en lugar de integraciones únicas repetidas.",{"id":998,"data":999,"type":218},"p-conclusion-2",{"text":1000},"La parte difícil no es maximizar la reutilización. Es elegir el límite correcto. Una plataforma sólida estandariza la mecánica, las políticas y las operaciones donde múltiples consumidores se benefician genuinamente, mientras preserva la autoridad de datos, la lógica de negocio, los requisitos de seguridad y los criterios de aceptación específicos de la solución.",{"id":1002,"data":1003,"type":218},"p-conclusion-3",{"text":1004},"Esa distinción también explica la relación con la Arquitectura de Soluciones de IA: \u003Cstrong>el arquitecto de soluciones hace que un sistema habilitado para IA se ajuste a su propósito; el arquitecto de plataforma hace que las capacidades de IA compartidas sean seguras, reutilizables, operables y evolucionables a través de muchos de esos sistemas.\u003C\u002Fstrong>",{"id":1006,"data":1007,"type":42},"h-related",{"text":1008,"level":242},"Conocimiento canónico relacionado",{"id":1010,"data":1011,"type":218},"p-related-1",{"text":1012},"Este artículo se sitúa después de los fundamentos canónicos sobre componentes de IA generativa, ADR frente a NFR y Arquitectura de Soluciones de IA. Esos conceptos son prerrequisitos porque una plataforma existe para proporcionar capacidades de sistema reutilizables y para codificar decisiones arquitectónicas frente a requisitos explícitos de calidad y operativos.",{"id":1014,"data":1015,"type":218},"p-related-2",{"text":1016},"La Generación Aumentada por Recuperación es un ejemplo de una capacidad que puede ofrecerse a través de una plataforma, pero la plataforma no debería colapsar la infraestructura de recuperación, el conocimiento del dominio y la validez de las respuestas en un solo concepto.",{"id":1018,"data":1019,"type":1026},"related-rag",{"link":1020,"meta":1021},"https:\u002F\u002Fstajic.de\u002Fes\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works",{"image":1022,"title":1024,"description":1025},{"url":1023},"","¿Qué es RAG? La explicación más simple de cómo funciona","Introducción canónica a la generación aumentada por recuperación y la frontera entre la generación del modelo y la recuperación de conocimiento externo.","linkTool",{"id":1028,"data":1029,"type":218},"p-related-3",{"text":1030},"Los protocolos de agentes, el aislamiento de inquilinos, la gobernanza de IA, el enrutamiento de modelos, la Ingeniería de Contexto y MLOps\u002FLLMOps son nodos de conocimiento posteriores o adyacentes. Se vuelven más fáciles de razonar una vez que la frontera de la plataforma es explícita.",{"id":1032,"data":1033,"type":42},"h-faq",{"text":1034,"level":242},"Preguntas frecuentes",{"id":1036,"data":1037,"type":1036},"faq",{"items":1038,"title":1063},[1039,1043,1047,1051,1055,1059],{"id":1040,"answer":1041,"question":1042},"faq-1","No. El arquitecto de soluciones se centra en una solución concreta habilitada por IA. El arquitecto de plataformas se centra en capacidades de IA reutilizables, controles y contratos operativos que pueden soportar múltiples soluciones.","¿Es un Arquitecto de Plataformas de IA lo mismo que un Arquitecto de Soluciones de IA?",{"id":1044,"answer":1045,"question":1046},"faq-2","No. Una plataforma puede usar modelos gestionados en la nube, modelos autoalojados, inferencia local o una estrategia híbrida. La arquitectura debe hacer explícitas las consecuencias de proveedor, localidad, identidad, enrutamiento, datos y operativas.","¿Necesita una plataforma de IA alojar sus propios modelos?",{"id":1048,"answer":1049,"question":1050},"faq-3","Normalmente no. Una puerta de enlace puede ser un componente importante de la plataforma, pero una plataforma completa también necesita contratos para identidad, secretos, datos\u002Frecuperación, evaluación, observabilidad, ciclo de vida y propiedad operativa.","¿Es suficiente una puerta de enlace de IA para ser una plataforma de IA?",{"id":1052,"answer":1053,"question":1054},"faq-4","La mecánica de recuperación a menudo puede compartirse, pero la autoridad de dominio, la autorización, la frescura, la suficiencia de evidencia y la propiedad del corpus deben permanecer explícitas. La infraestructura compartida no implica verdad compartida.","¿Debería centralizarse la recuperación?",{"id":1056,"answer":1057,"question":1058},"faq-5","No. La evaluación de la plataforma puede probar capacidades compartidas y regresiones. Cada solución todavía necesita verdad fundamental específica de la tarea, criterios de aceptación y umbrales de calidad de dominio.","¿Reemplaza la evaluación de la plataforma a la evaluación de la aplicación?",{"id":1060,"answer":1061,"question":1062},"faq-6","No. RBAC determina qué puede hacer una identidad. El aislamiento de inquilinos determina sobre qué recursos de qué inquilino puede actuar la identidad. Una plataforma a menudo necesita ambos.","¿Es la multi-tenencia solo RBAC?","Preguntas frecuentes sobre el Arquitecto de Plataformas de IA",{"id":1065,"data":1066,"type":42},"h-glossary",{"text":1067,"level":242},"Glosario",{"id":1069,"data":1070,"type":1069},"glossary",{"title":1071,"entries":1072},"Términos clave de arquitectura de plataformas de IA",[1073,1077,1081,1085,1089,1093,1097,1101],{"term":1074,"anchor":1075,"definition":1076},"Plataforma de IA","ai-platform","Un conjunto reutilizable de capacidades técnicas y operativas relacionadas con la IA consumidas por múltiples aplicaciones, equipos o contextos de inquilinos.",{"term":1078,"anchor":1079,"definition":1080},"Puerta de enlace de IA","ai-gateway","Una capa de puerta de enlace para puntos finales de IA que puede añadir autenticación, enrutamiento, cuotas, políticas, reintentos, atribución de costos y telemetría específica de IA más allá del proxy básico.",{"term":1082,"anchor":1083,"definition":1084},"Adaptador de proveedor","provider-adapter","Un componente que mapea un contrato de plataforma a la API, capacidades, salud y semántica de fallos de un proveedor de modelos.",{"term":1086,"anchor":1087,"definition":1088},"Aislamiento de inquilinos","tenant-isolation","La frontera que impide que un contexto de inquilino acceda a los recursos de otro inquilino, independientemente de los permisos de rol.",{"term":1090,"anchor":1091,"definition":1092},"Contrato de capacidad","capability-contract","Una interfaz versionada y un acuerdo de comportamiento que describe lo que proporciona un servicio de plataforma compartido y lo que el consumidor debe suministrar o poseer.",{"term":1094,"anchor":1095,"definition":1096},"Servicio de fundamentación \u002F recuperación","grounding-service","Mecánica compartida para encontrar y suministrar información externa a una carga de trabajo de IA; no define automáticamente qué información es autoritativa para un dominio.",{"term":1098,"anchor":1099,"definition":1100},"Arnés de evaluación","evaluation-harness","Infraestructura reutilizable para ejecutar pruebas, conjuntos de datos, versiones de modelos\u002Fprompts y métricas; la aceptación de dominio sigue siendo específica de la solución.",{"term":1102,"anchor":1103,"definition":1104},"Plano de control","control-plane","La capa de configuración y gobernanza que gestiona capacidades de plataforma, identidades, políticas, cuotas, versiones y estado de despliegue.",{"id":1106,"data":1107,"type":42},"h-sources",{"text":1108,"level":242},"Fuentes primarias y guía arquitectónica actual",{"id":1110,"data":1111,"type":218},"p-sources-note",{"text":1112},"Las fuentes a continuación respaldan las afirmaciones generales de arquitectura y plataforma de producción. Las secciones de Aaasaasa AI Client, Aaasaasa AI CMS y Source of Truth Research Engine son evidencia de implementación explícitamente original. Las referencias externas del estado actual se verificaron el 8 de octubre de 2026.",{"id":1114,"data":1115,"type":1026},"src-iso-42010",{"link":1116,"meta":1117},"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F74393.html",{"image":1118,"title":1119,"description":1120},{"url":1023},"ISO\u002FIEC\u002FIEEE 42010:2022 — Descripción de arquitectura","Estándar internacional publicado actual para conceptos y relaciones de descripción de arquitectura.",{"id":1122,"data":1123,"type":1026},"src-nist-rmf",{"link":1124,"meta":1125},"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework",{"image":1126,"title":1127,"description":1128},{"url":1023},"Marco de Gestión de Riesgos de IA del NIST","Recursos y estado actual del AI RMF del NIST; AI RMF 1.0 está en revisión a octubre de 2026.",{"id":1130,"data":1131,"type":1026},"src-nist-gai",{"link":1132,"meta":1133},"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence",{"image":1134,"title":1135,"description":1136},{"url":1023},"NIST AI 600-1 — Perfil de IA generativa","Perfil de IA generativa para aplicar consideraciones de gestión de riesgos de IA a lo largo del ciclo de vida de la IA.",{"id":1138,"data":1139,"type":1026},"src-ms-ai",{"link":1140,"meta":1141},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fget-started",{"image":1142,"title":1143,"description":1144},{"url":1023},"Microsoft Azure Well-Architected — Cargas de trabajo de IA","Guía arquitectónica actual que cubre aplicación de IA, datos, operaciones, evaluación, IA responsable y preocupaciones del ciclo de vida.",{"id":1146,"data":1147,"type":1026},"src-ms-principles",{"link":1148,"meta":1149},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fdesign-principles",{"image":1150,"title":1151,"description":1152},{"url":1023},"Microsoft — Principios de diseño para cargas de trabajo de IA","Guía actual sobre segmentación de identidad, límites de seguridad, telemetría, rendimiento, datos y compensaciones de plataforma.",{"id":1154,"data":1155,"type":1026},"src-ms-gateway",{"link":1156,"meta":1157},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fconfiguration\u002Fenable-ai-api-management-gateway-portal?view=foundry",{"image":1158,"title":1159,"description":1160},{"url":1023},"Microsoft Foundry — Arquitectura de puerta de enlace de IA","Guía actual de puerta de enlace de IA para acceso compartido a proyectos, contención de tokens, cuotas y gobernanza.",{"id":1162,"data":1163,"type":1026},"src-ms-gateway-guide",{"link":1164,"meta":1165},"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Farchitecture\u002Fai-ml\u002Fguide\u002Fazure-openai-gateway-guide",{"image":1166,"title":1167,"description":1168},{"url":1023},"Centro de Arquitectura de Azure — Acceso a modelos a través de una puerta de enlace","Guía arquitectónica para acceso centralizado a modelos, enrutamiento, limitación, conmutación por error y responsabilidades de cliente\u002Fplataforma.",{"id":1170,"data":1171,"type":1026},"src-aws-genai",{"link":1172,"meta":1173},"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002F",{"image":1174,"title":1175,"description":1176},{"url":1023},"AWS Well-Architected — Lente de IA generativa","Guía actual de arquitectura de producción para cargas de trabajo de IA generativa en seguridad, fiabilidad, operaciones, rendimiento y coste.",{"id":1178,"data":1179,"type":1026},"src-aws-multitenant",{"link":1180,"meta":1181},"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002Fmulti-tenant-generative-ai-platform-scenario.html",{"image":1182,"title":1183,"description":1184},{"url":1023},"AWS — Escenario de plataforma de IA generativa multiinquilino","Ejemplo actual que separa los controles centrales de la plataforma y la auditabilidad de la calidad de los datos de la aplicación consumidora y las responsabilidades específicas de la carga de trabajo.",{"id":1186,"data":1187,"type":1026},"src-aws-agentic",{"link":1188,"meta":1189},"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fagentic-ai-lens\u002Fdesign-principles.html",{"image":1190,"title":1191,"description":1192},{"url":1023},"AWS Well-Architected — Principios de diseño de IA agéntica","Guía actual sobre autoridad limitada de los agentes, trazabilidad, comportamiento versionado, contratos explícitos y supervisión humana.",{"id":1194,"data":1195,"type":1026},"src-aws-observability",{"link":1196,"meta":1197},"https:\u002F\u002Fdocs.aws.amazon.com\u002FAmazonCloudWatch\u002Flatest\u002Fmonitoring\u002FGenAI-observability.html",{"image":1198,"title":1199,"description":1200},{"url":1023},"AWS CloudWatch — Observabilidad de IA generativa","Capacidades actuales de observabilidad y métricas de producción para modelos, agentes, bases de conocimiento, herramientas y análisis de coste\u002Flatencia\u002Ferrores.","2.31","Un Arquitecto de Plataformas de IA diseña fundamentos de IA reutilizables a través de modelos, proveedores, recuperación, agentes, identidad, seguridad, evaluación, observabilidad y operaciones.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations-1791477229171-ou3zcc.webp","what-is-an-ai-platform-architect-models-data-runtime-security-and-operations-1791477229171-ou3zcc","PUBLISHED","2026-10-08T12:32:00.000Z","2026-10-08T16:32:14.856Z","2026-10-08T16:47:57.364Z",{"en":1210,"de":1211,"sr":1212,"es":1213,"fr":1214,"it":1215,"ru":1216,"zh":1217},"\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fde\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fsr\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fes\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Ffr\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fit\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fru\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations","\u002Fzh\u002Fblog\u002Fwhat-is-an-ai-platform-architect-models-data-runtime-security-and-operations",[1219,1223,1227],{"id":1220,"name":1221,"slug":1222},84,"Política y límites de datos","policy-and-data",{"id":1224,"name":1225,"slug":1226},57,"Límites de datos","data-boundaries",{"id":1228,"name":1229,"slug":1230},80,"Acceso e identidad","access-and-identity",{"id":1232,"login":1233,"email":1234,"displayName":1235},"20","rooth8233","aleksandar@stajic.de","Aleksandar Stajić",[1237,2026],{"lang":1238,"title":1239,"content":1240,"contentJson":1241,"excerpt":2025},"en","What Is an AI Platform Architect? Models, Data, Runtime, Security and Operations","{\"time\":1791476955677,\"blocks\":[{\"id\":\"intro\",\"data\":{\"text\":\"An \u003Cstrong>AI Platform Architect\u003C\u002Fstrong> designs the reusable AI foundation through which multiple applications, teams, or tenant contexts access models, data and retrieval, agent and tool runtimes, identity and permissions, evaluation, observability, quotas, secrets, and deployment capabilities. The role is broader than infrastructure but narrower than owning every AI-enabled product: its central responsibility is deciding \u003Cstrong>what should be shared, how shared capabilities are governed and isolated, and what must remain solution-specific\u003C\u002Fstrong>.\"},\"type\":\"paragraph\"},{\"id\":\"direct\",\"data\":{\"body\":\"\u003Cstrong>An AI Platform Architect designs the shared technical and operational substrate for AI systems.\u003C\u002Fstrong> Instead of architecting one assistant or one workflow, the role defines reusable contracts and boundaries for model\u002Fprovider access, gateways and routing, retrieval services, agent runtimes, tool access, identity and tenant isolation, secrets, evaluation, telemetry, deployment and lifecycle management.\",\"title\":\"Direct answer\",\"variant\":\"info\"},\"type\":\"callout\"},{\"id\":\"term-note\",\"data\":{\"body\":\"\u003Cstrong>AI Platform Architect is a practical role label, not a universally standardized job title.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 defines concepts for architecture descriptions, not this role. Different organizations may split these responsibilities among platform architects, solution architects, enterprise architects, security architects, MLOps\u002FLLMOps specialists and platform engineering teams. This article uses the term for the architecture responsibility over a reusable AI platform layer.\",\"title\":\"Terminology note\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"version-note\",\"data\":{\"body\":\"The stable architectural principles here are vendor-neutral. Current Microsoft, AWS and NIST guidance is used as external implementation and governance evidence. NIST states that AI RMF 1.0 is being revised; vendor platform features, gateway products, agent runtimes and model capabilities evolve faster than the architectural principles, so version-sensitive implementation choices must be rechecked before deployment.\",\"title\":\"Current-source note — 8 October 2026\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"toc\",\"data\":{\"title\":\"Contents\",\"maxLevel\":3,\"minLevel\":2},\"type\":\"tableOfContents\"},{\"id\":\"h-meaning\",\"data\":{\"text\":\"What does an AI Platform Architect actually architect?\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-meaning-1\",\"data\":{\"text\":\"The object of the work is the \u003Cstrong>platform\u003C\u002Fstrong>: a set of shared capabilities that reduces repeated integration work while preserving explicit security, data and operational boundaries. A platform can expose model access, provider adapters, retrieval primitives, agent execution, tool brokers, policy enforcement, evaluation, telemetry and deployment services to many consuming solutions.\"},\"type\":\"paragraph\"},{\"id\":\"p-meaning-2\",\"data\":{\"text\":\"The platform is not valuable merely because components are centralized. It is valuable when consumers receive stable capabilities with clear contracts, ownership, isolation, observability and lifecycle rules. The key architectural question is therefore not “Which model should everyone use?” but \u003Cstrong>“Which responsibilities can be safely standardized and reused without erasing the requirements of each solution?”\u003C\u002Fstrong>.\"},\"type\":\"paragraph\"},{\"id\":\"solution-vs-platform\",\"data\":{\"rows\":[{\"id\":\"c1\",\"label\":\"Primary scope\",\"values\":{\"platform\":\"Reusable AI capabilities consumed by multiple solutions, teams or tenant contexts.\",\"solution\":\"One concrete AI-enabled product, workflow or application.\"}},{\"id\":\"c2\",\"label\":\"Main question\",\"values\":{\"platform\":\"Which shared capabilities and controls should solutions consume, and where must solution-specific ownership remain?\",\"solution\":\"How should this solution meet its business, data, security, quality and operational requirements?\"}},{\"id\":\"c3\",\"label\":\"Data authority\",\"values\":{\"platform\":\"Provides storage, retrieval, provenance or access primitives without automatically becoming the authority for every domain.\",\"solution\":\"Defines which domain data is authoritative and how the solution may use it.\"}},{\"id\":\"c4\",\"label\":\"Evaluation\",\"values\":{\"platform\":\"Provides reusable evaluation, telemetry and release mechanisms; it cannot define every domain's success threshold.\",\"solution\":\"Defines task-specific quality and acceptance criteria.\"}},{\"id\":\"c5\",\"label\":\"Lifecycle\",\"values\":{\"platform\":\"Owns shared capability versions, compatibility, onboarding, quotas, policy and operational contracts.\",\"solution\":\"Owns the lifecycle of the specific workload.\"}}],\"title\":\"Solution architecture and platform architecture solve different scope problems\",\"layout\":\"table\",\"columns\":[{\"id\":\"solution\",\"label\":\"AI Solution Architect\"},{\"id\":\"platform\",\"label\":\"AI Platform Architect\"}]},\"type\":\"comparison\"},{\"id\":\"h-simple\",\"data\":{\"text\":\"The simplest example\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-simple-1\",\"data\":{\"text\":\"Imagine an organization has five AI-enabled products: an internal document assistant, a customer-support copilot, a software-engineering agent, a contract review workflow and a product-search assistant. Each product could independently integrate model APIs, keep credentials, implement retries, collect token metrics, create retrieval code and build its own tool permissions.\"},\"type\":\"paragraph\"},{\"id\":\"p-simple-2\",\"data\":{\"text\":\"That duplication is expensive and dangerous when every team invents a different security and operational model. A shared platform can instead offer approved provider connections, model discovery, quotas, credentials, tenant-aware access, common telemetry, reusable retrieval services and an agent\u002Ftool runtime contract.\"},\"type\":\"paragraph\"},{\"id\":\"p-simple-3\",\"data\":{\"text\":\"But the platform must stop at the correct boundary. The contract-review solution may require legal-document authority and citation rules that the software agent does not. The product-search assistant may need commerce-specific freshness and authorization rules. \u003Cstrong>Reusable infrastructure does not make all domain truth reusable.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"simple-flow\",\"data\":{\"steps\":[{\"label\":\"1. Consumer identifies itself\",\"description\":\"The calling application, user, service, team or tenant enters through an authenticated identity and explicit scope.\"},{\"label\":\"2. Platform policy applies\",\"description\":\"Gateway and policy layers determine allowed providers, models, quotas, data paths, tools and execution modes.\"},{\"label\":\"3. Shared capability executes\",\"description\":\"The request may use inference, retrieval, agent runtime, tool access or another reusable platform service.\"},{\"label\":\"4. Solution-specific context remains authoritative\",\"description\":\"The consuming solution supplies domain rules, user intent, data authority, task-specific constraints and acceptance logic.\"},{\"label\":\"5. Telemetry and evidence are captured\",\"description\":\"The platform records identity, route, model\u002Fprovider, latency, cost, errors, tool activity and other permitted observability signals.\"},{\"label\":\"6. Result returns under the solution contract\",\"description\":\"The solution remains responsible for whether the output is acceptable for its user and domain.\"}],\"title\":\"A shared AI request path\",\"orientation\":\"auto\"},\"type\":\"processFlow\"},{\"id\":\"h-stops\",\"data\":{\"text\":\"Where the simple example stops\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-stops-1\",\"data\":{\"text\":\"Centralization is not automatically architecture. A single endpoint in front of several model APIs is useful, but it does not by itself create an AI platform. A production platform also needs identity boundaries, capability contracts, provider health and lifecycle handling, quotas, secret ownership, observability, compatibility rules, security controls, release discipline and clear operational responsibility.\"},\"type\":\"paragraph\"},{\"id\":\"p-stops-2\",\"data\":{\"text\":\"The opposite failure is also common: putting every prompt, vector index, business rule, agent and application workflow into one “AI backend.” That creates a monolith whose shared status is accidental rather than architectural. \u003Cstrong>A platform should standardize cross-cutting capabilities, not absorb domain ownership merely because AI is involved.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"h-boundary\",\"data\":{\"text\":\"The most important platform decision: shared versus solution-specific\",\"level\":2},\"type\":\"header\"},{\"id\":\"shared-boundary-table\",\"data\":{\"content\":[[\"Capability area\",\"Good candidate for shared platform ownership\",\"Usually remains solution-specific\"],[\"Model access\",\"Approved provider connections, adapters, credentials, health, routing primitives, quotas\",\"Task-specific model acceptance, prompt behavior, quality threshold\"],[\"Retrieval\",\"Ingestion primitives, extraction, indexing, search APIs, provenance contracts, authorization hooks\",\"Authoritative corpus, freshness rules, domain metadata, evidence sufficiency\"],[\"Agents and tools\",\"Runtime lifecycle, tool registry\u002Fbroker, permission enforcement, tracing, cancellation\",\"Business workflow, allowed action semantics, escalation policy, task success\"],[\"Security\",\"Identity integration, secret storage, policy enforcement, audit contracts, tenant isolation mechanisms\",\"Data classification, business authorization rules, domain-specific risk acceptance\"],[\"Evaluation\",\"Harness, dataset\u002Fversion mechanics, telemetry, experiment\u002Frelease workflow\",\"Ground truth, domain test set, acceptance threshold, user outcome\"],[\"Operations\",\"Deployment pattern, health, metrics, incident integration, capacity controls\",\"Solution SLOs where they differ, business continuity impact, workload-specific runbooks\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"boundary-principle\",\"data\":{\"body\":\"\u003Cstrong>Share mechanics and controls where reuse is real; keep authority and acceptance where the domain owns them.\u003C\u002Fstrong> This prevents two opposite errors: duplicated infrastructure everywhere, and a central platform that falsely becomes the owner of every application's data, policy and quality.\",\"title\":\"Platform principle\",\"variant\":\"success\"},\"type\":\"callout\"},{\"id\":\"h-responsibility-map\",\"data\":{\"text\":\"Architecture responsibility map\",\"level\":2},\"type\":\"header\"},{\"id\":\"h-provider\",\"data\":{\"text\":\"1. Model and provider access\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-provider-1\",\"data\":{\"text\":\"A platform architect defines how consumers discover and invoke models without forcing every application to hard-code one provider. This includes provider adapters, model identifiers, capability metadata, authentication, health checks, endpoint configuration, request normalization and compatibility behavior.\"},\"type\":\"paragraph\"},{\"id\":\"p-provider-2\",\"data\":{\"text\":\"Provider abstraction must remain honest. Different providers expose different context limits, tool semantics, structured-output behavior, multimodal capabilities, safety controls, caching, pricing and failure modes. A good abstraction creates a stable platform contract while preserving access to capabilities that cannot be meaningfully flattened.\"},\"type\":\"paragraph\"},{\"id\":\"provider-warning\",\"data\":{\"body\":\"A lowest-common-denominator API can make migration easier but can also erase capabilities that matter. The architecture should define which features are portable, which are provider-specific and how consumers discover that difference.\",\"title\":\"Do not confuse abstraction with pretending providers are identical\",\"variant\":\"warning\"},\"type\":\"callout\"},{\"id\":\"h-gateway\",\"data\":{\"text\":\"2. Gateway, routing, quotas and cost controls\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-gateway-1\",\"data\":{\"text\":\"A shared AI gateway can centralize authentication, routing, throttling, retries, token limits, usage attribution and policy enforcement. Microsoft’s current AI Gateway guidance explicitly treats token-per-minute limits, quotas and multi-project containment as platform concerns; AWS likewise exposes account and model quotas and centralized controls.\"},\"type\":\"paragraph\"},{\"id\":\"p-gateway-2\",\"data\":{\"text\":\"The gateway is therefore more than a reverse proxy when it carries AI-specific policy and operational semantics. But it should not silently make business decisions. A routing policy may prefer a healthy local model, a lower-cost provider or a regionally compliant endpoint; whether that route is acceptable for a particular task is still a contract between platform and solution.\"},\"type\":\"paragraph\"},{\"id\":\"p-gateway-3\",\"data\":{\"text\":\"Routing also needs failure semantics. If the preferred model is unavailable, the platform must know whether fallback is permitted, whether a cloud route requires explicit consent, whether a lower-capability model is valid and how the decision is surfaced to observability.\"},\"type\":\"paragraph\"},{\"id\":\"h-data\",\"data\":{\"text\":\"3. Shared data, retrieval and grounding services\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-data-1\",\"data\":{\"text\":\"Retrieval services are strong platform candidates because parsing, chunking, indexing, lexical search, semantic search, metadata filtering, provenance and citation mechanics are reusable. However, the platform must not confuse a shared retrieval engine with a shared source of truth.\"},\"type\":\"paragraph\"},{\"id\":\"p-data-2\",\"data\":{\"text\":\"A solution still owns questions such as: Which corpus is authoritative? Which version is valid? Can this user see this document? How fresh must the data be? What counts as sufficient evidence? Can an answer be generated when retrieval fails? Those are domain and solution requirements even when the platform supplies the retrieval machinery.\"},\"type\":\"paragraph\"},{\"id\":\"p-data-3\",\"data\":{\"text\":\"This boundary is especially important in multi-tenant systems. A technically shared index or vector service does not justify cross-tenant visibility. Authorization context must be preserved through retrieval, not added only after search results have already crossed the boundary.\"},\"type\":\"paragraph\"},{\"id\":\"h-agent-runtime\",\"data\":{\"text\":\"4. Agent and tool runtime\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-agent-1\",\"data\":{\"text\":\"Agentic systems add reusable runtime concerns: thread\u002Fsession lifecycle, planning loops, tool registration, tool invocation, cancellation, timeouts, human approvals, memory\u002Fstate interfaces, remote-agent protocols and trace correlation. A platform can provide these mechanics so each product does not rebuild them.\"},\"type\":\"paragraph\"},{\"id\":\"p-agent-2\",\"data\":{\"text\":\"The platform must also keep tool permission separate from model capability. A model being capable of generating a shell command does not mean the runtime should allow shell execution. The permission boundary belongs to the application\u002Fruntime architecture and must be enforceable independently of the model.\"},\"type\":\"paragraph\"},{\"id\":\"p-agent-3\",\"data\":{\"text\":\"Current AWS Agentic AI guidance emphasizes bounded agents, explicit authority, end-to-end tracing, versioned behavioral artifacts and human oversight proportionate to consequence. Those are platform-enabling concerns, but the consuming solution still defines what actions are legitimate for its domain.\"},\"type\":\"paragraph\"},{\"id\":\"h-identity\",\"data\":{\"text\":\"5. Identity, tenant isolation and authorization\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-identity-1\",\"data\":{\"text\":\"AI platforms often sit in front of high-value models, proprietary data and action-capable tools. Authentication is therefore only the beginning. The architecture must carry user, service, application and tenant context through every privileged operation that needs it.\"},\"type\":\"paragraph\"},{\"id\":\"p-identity-2\",\"data\":{\"text\":\"\u003Cstrong>RBAC and tenant isolation solve different problems.\u003C\u002Fstrong> RBAC answers what an identity may do; tenant isolation answers which tenant’s resources that identity may act on. A platform that checks roles but loses tenant context can still expose the wrong data.\"},\"type\":\"paragraph\"},{\"id\":\"p-identity-3\",\"data\":{\"text\":\"Microsoft’s current AI workload guidance explicitly recommends identity segmentation and authorization-aware access to content. AWS’s multi-tenant generative AI platform guidance similarly treats logical isolation, centralized controls and auditability as platform concerns.\"},\"type\":\"paragraph\"},{\"id\":\"h-secrets\",\"data\":{\"text\":\"6. Secrets, credentials and trust boundaries\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-secrets-1\",\"data\":{\"text\":\"A platform should define who owns provider keys, remote bearer tokens, signing material and tool credentials, where they are stored, which process can access them, how they are rotated and whether they can ever reach a browser or untrusted renderer.\"},\"type\":\"paragraph\"},{\"id\":\"p-secrets-2\",\"data\":{\"text\":\"This is an architectural boundary, not an implementation detail. If every consuming application copies provider credentials into its own configuration, the organization has duplicated both operational burden and blast radius. Centralization can reduce that risk only if the platform itself has narrower, auditable access paths.\"},\"type\":\"paragraph\"},{\"id\":\"h-eval\",\"data\":{\"text\":\"7. Evaluation, observability and auditability\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-eval-1\",\"data\":{\"text\":\"A reusable platform can provide evaluation harnesses, trace IDs, model\u002Fprovider metadata, token and cost metrics, latency, error rates, prompt\u002Fmodel version linkage, agent\u002Ftool traces and controlled logging. AWS and Microsoft both treat observability and evaluation as core production concerns for AI workloads.\"},\"type\":\"paragraph\"},{\"id\":\"p-eval-2\",\"data\":{\"text\":\"Platform evaluation and solution evaluation must remain separate. A platform can verify that an endpoint is healthy, a model version passes a general regression suite and traces are complete. It cannot decide that a legal answer, medical workflow or product recommendation is acceptable without domain-specific ground truth and acceptance criteria.\"},\"type\":\"paragraph\"},{\"id\":\"p-eval-3\",\"data\":{\"text\":\"Logging also creates a privacy boundary. Prompt and response logs may contain sensitive or proprietary data. The platform architect must therefore decide what is logged, redacted, sampled, retained and accessible rather than assuming that more telemetry is always safer.\"},\"type\":\"paragraph\"},{\"id\":\"h-runtime\",\"data\":{\"text\":\"8. Runtime, deployment and locality\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-runtime-1\",\"data\":{\"text\":\"A platform architect decides how shared AI capabilities are deployed and reached: managed cloud services, self-hosted endpoints, local inference, hybrid routing, containerized services, desktop runtimes, private networking or air-gapped environments. The important distinction is between \u003Cstrong>where the control\u002Fruntime process runs\u003C\u002Fstrong> and \u003Cstrong>where inference and data processing actually occur\u003C\u002Fstrong>.\"},\"type\":\"paragraph\"},{\"id\":\"p-runtime-2\",\"data\":{\"text\":\"A local client may still call a cloud model. A cloud control plane may route to an on-premises model. A remote agent may execute tools inside a customer network. Architectural diagrams must therefore show trust and data-flow boundaries rather than using “local” and “cloud” as vague labels.\"},\"type\":\"paragraph\"},{\"id\":\"h-lifecycle\",\"data\":{\"text\":\"9. Platform lifecycle, compatibility and onboarding\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-lifecycle-1\",\"data\":{\"text\":\"Reusable capability becomes a platform only when consumers can depend on it over time. That requires versioned contracts, migration rules, compatibility policy, deprecation, release testing, rollback, incident ownership, capacity planning, documentation and a path for onboarding new teams or applications.\"},\"type\":\"paragraph\"},{\"id\":\"p-lifecycle-2\",\"data\":{\"text\":\"Fast-moving AI ecosystems make this particularly important. Model names, SDKs, protocol versions, provider APIs and safety capabilities change independently. A platform must absorb some of that volatility without hiding changes that materially affect a solution’s behavior.\"},\"type\":\"paragraph\"},{\"id\":\"h-control-plane\",\"data\":{\"text\":\"A practical control-plane \u002F execution-plane \u002F solution-plane model\",\"level\":2},\"type\":\"header\"},{\"id\":\"model-note\",\"data\":{\"body\":\"The three-plane model below is a practical way to reason about responsibilities; it is not an ISO, NIST, Microsoft or AWS standard. Its purpose is to make ownership boundaries explicit.\",\"title\":\"Proposed architecture model\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"planes-table\",\"data\":{\"content\":[[\"Plane\",\"Typical responsibilities\",\"Should not silently own\"],[\"Platform control plane\",\"Provider registry, model policy, quotas, tenant configuration, identities, secrets, routing rules, capability versions, deployment configuration\",\"Application business logic or domain truth\"],[\"Platform execution\u002Fdata plane\",\"Inference requests, retrieval operations, agent\u002Ftool execution, extraction, indexing, telemetry emission, policy enforcement\",\"Cross-tenant access merely because infrastructure is shared\"],[\"Solution plane\",\"User workflow, prompts\u002Finstructions, authoritative corpus selection, domain authorization, business rules, task evaluation and acceptance\",\"Low-level provider integration that the platform explicitly owns\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"p-control-plane-1\",\"data\":{\"text\":\"This separation helps diagnose platform drift. If an application must know every provider-specific credential and endpoint, the platform contract is too thin. If the platform decides which customer record is legally authoritative or whether a domain answer is acceptable, the platform has crossed into solution ownership.\"},\"type\":\"paragraph\"},{\"id\":\"h-artifacts\",\"data\":{\"text\":\"What should an AI Platform Architect produce?\",\"level\":2},\"type\":\"header\"},{\"id\":\"artifacts-table\",\"data\":{\"content\":[[\"Architecture artifact\",\"Purpose\"],[\"Platform capability map\",\"Defines what the platform provides, who consumes it and which capabilities remain outside scope.\"],[\"Provider\u002Fmodel contract\",\"Defines providers, models, capabilities, abstraction boundaries, route metadata and fallback semantics.\"],[\"Identity and tenancy model\",\"Defines user\u002Fservice\u002Fapplication identity, tenant context, RBAC\u002FABAC hooks and resource isolation.\"],[\"Gateway and quota policy\",\"Defines rate limits, token\u002Fcost budgets, routing controls, retries and capacity behavior.\"],[\"Retrieval\u002Fdata contract\",\"Defines ingestion, provenance, search, metadata, authorization propagation and where domain authority remains.\"],[\"Agent\u002Ftool contract\",\"Defines runtime lifecycle, tool registration, permissions, approvals, cancellation and trace behavior.\"],[\"Secret and trust-boundary model\",\"Defines credential ownership, storage, process boundaries, rotation and sensitive data paths.\"],[\"Evaluation and telemetry contract\",\"Defines common metrics, traces, datasets\u002Fversion links, logging policy and solution extension points.\"],[\"Lifecycle and compatibility policy\",\"Defines versions, migrations, deprecation, releases, rollback, incident ownership and onboarding.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-tradeoffs\",\"data\":{\"text\":\"The work is mostly trade-offs, not maximum centralization\",\"level\":2},\"type\":\"header\"},{\"id\":\"tradeoff-comparison\",\"data\":{\"rows\":[{\"id\":\"t1\",\"label\":\"Provider abstraction\",\"values\":{\"pressureA\":\"Stable portable platform API\",\"pressureB\":\"Access to provider-specific capabilities and fast innovation\"}},{\"id\":\"t2\",\"label\":\"Reuse\",\"values\":{\"pressureA\":\"Shared services reduce duplication\",\"pressureB\":\"Isolation and domain autonomy prevent unsafe coupling\"}},{\"id\":\"t3\",\"label\":\"Governance\",\"values\":{\"pressureA\":\"Central policy and auditability\",\"pressureB\":\"Team speed and local experimentation\"}},{\"id\":\"t4\",\"label\":\"Observability\",\"values\":{\"pressureA\":\"Rich traces for debugging and evaluation\",\"pressureB\":\"Privacy, data minimization and logging cost\"}},{\"id\":\"t5\",\"label\":\"Availability\",\"values\":{\"pressureA\":\"Fallback and multi-provider resilience\",\"pressureB\":\"Predictable quality, compliance and data-location guarantees\"}},{\"id\":\"t6\",\"label\":\"Platform scope\",\"values\":{\"pressureA\":\"More reusable capabilities\",\"pressureB\":\"Smaller blast radius and less platform lock-in\"}}],\"title\":\"Common platform trade-offs\",\"layout\":\"table\",\"columns\":[{\"id\":\"pressureA\",\"label\":\"Pressure A\"},{\"id\":\"pressureB\",\"label\":\"Pressure B\"}]},\"type\":\"comparison\"},{\"id\":\"h-adjacent\",\"data\":{\"text\":\"How is this different from adjacent roles?\",\"level\":2},\"type\":\"header\"},{\"id\":\"roles-table\",\"data\":{\"content\":[[\"Role\",\"Primary architectural scope\"],[\"AI Solution Architect\",\"A concrete AI-enabled solution and its end-to-end requirements, boundaries, trade-offs and production acceptance.\"],[\"AI Platform Architect\",\"Reusable AI capabilities and operational\u002Fsecurity contracts consumed across multiple solutions or teams.\"],[\"Enterprise Architect\",\"Organization-wide business\u002Ftechnology portfolio, capability and governance alignment at a broader level.\"],[\"MLOps \u002F LLMOps Architect or specialist\",\"Model and AI lifecycle, deployment, experiments, observability, release and operational practices; may overlap strongly but does not automatically own the whole shared application platform.\"],[\"Platform Engineer \u002F SRE\",\"Implements and operates platform infrastructure, reliability, automation and developer experience; architecture responsibility may be shared with the platform architect.\"],[\"AI \u002F Software Engineer\",\"Implements models, integrations, services, agents, retrieval and product functionality inside the agreed architecture.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"p-adjacent-1\",\"data\":{\"text\":\"These boundaries are organizational, not universal. In a small team one person may hold several responsibilities. In a regulated enterprise they may be split across architecture, security, platform, data and operations groups. The useful distinction is the \u003Cstrong>scope of architectural responsibility\u003C\u002Fstrong>, not the job title printed on an org chart.\"},\"type\":\"paragraph\"},{\"id\":\"h-evidence\",\"data\":{\"text\":\"Implementation evidence: how these platform boundaries appear in my own work\",\"level\":2},\"type\":\"header\"},{\"id\":\"evidence-note\",\"data\":{\"body\":\"The following sections describe concrete patterns from my own projects. They are evidence that these architectural boundaries have been implemented or explicitly designed in real code and project systems. They are \u003Cstrong>not\u003C\u002Fstrong> claims that the projects together already constitute a commercially deployed enterprise AI platform.\",\"title\":\"Original implementation evidence\",\"variant\":\"note\"},\"type\":\"callout\"},{\"id\":\"h-ai-client\",\"data\":{\"text\":\"Aaasaasa AI Client: provider, runtime and permission separation\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-ai-client-1\",\"data\":{\"text\":\"Aaasaasa AI Client is a local-first desktop AI workspace built with Nuxt 4, Electron and TypeScript. Its AI Hub deliberately separates \u003Cstrong>agent\u002Fclient, provider, model, connection\u002Fruntime location, permissions and web client\u003C\u002Fstrong> instead of treating them as one configuration value.\"},\"type\":\"paragraph\"},{\"id\":\"p-ai-client-2\",\"data\":{\"text\":\"The implementation includes direct provider adapters, Codex agent runtime integration, local Ollama\u002FLM Studio paths, OpenAI-compatible services, centralized workspace permissions, main-process credential storage, DuckDB, Qdrant\u002Fvector support, PDF\u002Freadability extraction and authenticated MCP-based directory access.\"},\"type\":\"paragraph\"},{\"id\":\"p-ai-client-3\",\"data\":{\"text\":\"Two platform lessons are especially relevant. First, a local runtime is not the same as local inference: a local Codex process can still use a cloud model. Second, automatic routing does not silently fall back from local to paid cloud inference. That makes routing policy and runtime locality explicit rather than inferred from UI labels.\"},\"type\":\"paragraph\"},{\"id\":\"ai-client-evidence-table\",\"data\":{\"content\":[[\"Implemented boundary\",\"Platform-architecture meaning\"],[\"Agent vs provider vs model\",\"Different responsibilities can evolve independently instead of being hidden behind one “AI” selector.\"],[\"Permissions separate from model\",\"Filesystem\u002Ftool authority belongs to the runtime policy, not model capability.\"],[\"Main-process secrets\",\"Credential ownership follows the privileged process boundary rather than the renderer\u002FUI.\"],[\"Provider health and model discovery\",\"Routing and availability are runtime\u002Fplatform concerns.\"],[\"No silent cloud fallback\",\"Cost, locality and data-transfer semantics remain explicit policy decisions.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-cms\",\"data\":{\"text\":\"Aaasaasa AI CMS: tenant-scoped authorization as a platform boundary\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-cms-1\",\"data\":{\"text\":\"The Aaasaasa AI CMS codebase provides a separate implementation example: tenant-scoped RBAC is represented through roles, permissions and user-role assignments bound to a tenant identifier. System permissions are grouped by capability, and role lookup and updates remain tenant-scoped.\"},\"type\":\"paragraph\"},{\"id\":\"p-cms-2\",\"data\":{\"text\":\"This is not itself proof of a complete AI platform, but it is directly relevant to one of the hardest shared-platform boundaries: a reusable service must preserve \u003Cstrong>who may do what\u003C\u002Fstrong> and \u003Cstrong>for which tenant\u003C\u002Fstrong>. Adding AI inference or retrieval on top of an application platform does not remove that requirement.\"},\"type\":\"paragraph\"},{\"id\":\"p-cms-3\",\"data\":{\"text\":\"The architectural implication is that model gateways, retrieval services and agents should consume established identity\u002Ftenant context rather than inventing a parallel AI-only authorization universe.\"},\"type\":\"paragraph\"},{\"id\":\"h-sot\",\"data\":{\"text\":\"Source of Truth Research Engine: shared retrieval mechanics without shared truth\",\"level\":3},\"type\":\"header\"},{\"id\":\"p-sot-1\",\"data\":{\"text\":\"The Source of Truth Research Engine provides a third implementation example. Different research modes share a common evidence core: Sources, Artifacts, provenance, Claims, Relations, Contradictions, a Reference Model and audit trail. The system also provides local lexical retrieval, optional semantic retrieval, extraction, snapshots and SHA-256-based provenance.\"},\"type\":\"paragraph\"},{\"id\":\"p-sot-2\",\"data\":{\"text\":\"The project explicitly treats search and semantic similarity as discovery signals rather than evidence. A result must be traced back to a concrete source and locator before it can support a claim. This is precisely the distinction an AI platform needs: \u003Cstrong>reusable retrieval machinery can be shared while evidence authority remains governed by the consuming methodology and domain.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"p-sot-3\",\"data\":{\"text\":\"The engine also demonstrates why one shared platform does not require one shared interpretation. Historical, scientific\u002Ftechnical, market-intelligence and monitoring modes can reuse core evidence infrastructure while retaining mode-specific methodology.\"},\"type\":\"paragraph\"},{\"id\":\"evidence-synthesis\",\"data\":{\"body\":\"Across these projects, the reusable pattern is not “one backend for everything.” It is \u003Cstrong>separation of concerns plus explicit contracts\u003C\u002Fstrong>: provider\u002Fmodel\u002Fruntime separation, tenant-aware authorization, credential boundaries, reusable data\u002Fretrieval primitives, provenance, and domain-specific authority. A future integrated platform would need stable contracts between those capabilities rather than direct coupling between codebases.\",\"title\":\"What these implementations demonstrate together\",\"variant\":\"success\"},\"type\":\"callout\"},{\"id\":\"h-frameworks\",\"data\":{\"text\":\"How current architecture guidance supports this platform scope\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-frameworks-1\",\"data\":{\"text\":\"ISO\u002FIEC\u002FIEEE 42010:2022 provides a general discipline for architecture descriptions across software, systems, enterprises and related entities. It does not define an AI Platform Architect, but it reinforces the need to express architectural concerns, relationships and viewpoints rather than reducing architecture to a technology list.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-2\",\"data\":{\"text\":\"NIST AI RMF 1.0 and the Generative AI Profile frame AI risk management across the lifecycle rather than only at model selection time. Governance, mapping, measurement and management are therefore compatible with a platform architecture that carries shared controls and evidence across many consuming workloads.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-3\",\"data\":{\"text\":\"Microsoft’s current AI workload guidance treats application design, data, security, operations, testing\u002Fevaluation and GenAIOps as connected architectural areas. Its current AI Gateway guidance also shows practical platform concerns such as centralized model access, project-specific token limits, quotas and multi-team containment.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-4\",\"data\":{\"text\":\"AWS’s current Generative AI Lens and multi-tenant platform scenario similarly separate foundational platform controls from consuming-application ownership. AWS explicitly notes that a central platform can enforce shared guardrails and auditability while data quality and workload-specific observability still remain responsibilities of consuming applications or data producers.\"},\"type\":\"paragraph\"},{\"id\":\"p-frameworks-5\",\"data\":{\"text\":\"The vendor products differ, but the cross-source pattern is stable: production AI platforms must coordinate identity, data access, models, policy, evaluation, observability, capacity, cost and lifecycle. A GPU cluster or model endpoint covers only part of that responsibility.\"},\"type\":\"paragraph\"},{\"id\":\"h-misconceptions\",\"data\":{\"text\":\"Common misconceptions\",\"level\":2},\"type\":\"header\"},{\"id\":\"misconceptions-table\",\"data\":{\"content\":[[\"Misconception\",\"Why it is wrong\"],[\"“An AI platform is the GPU cluster.”\",\"Compute is one substrate. A platform also needs contracts for identity, model access, data, policy, evaluation, observability and lifecycle.\"],[\"“An AI gateway is just a reverse proxy.”\",\"It may also carry model routing, token quotas, cost attribution, policy enforcement, identity and AI-specific telemetry.\"],[\"“Shared means globally shared.”\",\"A service may be physically shared while logically segmented by tenant, application, region, classification or risk level.\"],[\"“One central vector database becomes the company truth.”\",\"A vector store or retrieval service is infrastructure. Domain authority, freshness, provenance and access remain separate concerns.\"],[\"“Platform evaluation replaces solution evaluation.”\",\"General regression and telemetry cannot define whether a domain-specific answer or action is acceptable.\"],[\"“Provider abstraction should hide every difference.”\",\"Some differences are material capabilities, security semantics or failure modes and must remain visible.\"],[\"“RBAC solves multi-tenancy.”\",\"RBAC controls actions; tenant isolation controls resource boundaries. Both can be required.\"],[\"“AI Platform Architect is just another name for MLOps.”\",\"MLOps\u002FLLMOps is a major overlapping discipline, but shared application\u002Fruntime, identity, gateway, retrieval and tool boundaries can extend beyond model lifecycle operations.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-failure\",\"data\":{\"text\":\"Failure modes an AI Platform Architect should prevent\",\"level\":2},\"type\":\"header\"},{\"id\":\"failures-table\",\"data\":{\"content\":[[\"Failure mode\",\"Architectural consequence\"],[\"Every team stores its own provider keys\",\"Duplicated secret handling, inconsistent rotation and larger blast radius.\"],[\"Provider abstraction hides required capabilities\",\"Consumers cannot use features they need or silently receive behavior different from assumptions.\"],[\"Shared retrieval ignores tenant\u002Fuser context\",\"Cross-boundary data leakage can occur before the application gets a chance to filter results.\"],[\"Fallback silently changes provider or locality\",\"Cost, compliance, data location and output quality can change without the caller knowing.\"],[\"Agent tools are granted by model choice\",\"A capable model becomes over-privileged because runtime authority is not independently enforced.\"],[\"All prompts\u002Fresponses are logged by default\",\"Observability can create a new sensitive-data repository and compliance problem.\"],[\"Platform owns one generic quality score\",\"Domain failures remain hidden behind platform health metrics.\"],[\"No version contract for platform capabilities\",\"Model\u002Fprovider\u002Fruntime changes break consumers unpredictably.\"],[\"Everything AI-related is centralized\",\"The platform becomes a bottleneck and monolith instead of a reusable capability layer.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-decision\",\"data\":{\"text\":\"A practical platform-architecture decision sequence\",\"level\":2},\"type\":\"header\"},{\"id\":\"decision-flow\",\"data\":{\"steps\":[{\"label\":\"1. Identify real consumers\",\"description\":\"List solutions, teams, tenants and workloads that would consume the platform; avoid building a platform for hypothetical reuse.\"},{\"label\":\"2. Define the shared boundary\",\"description\":\"Separate cross-cutting mechanics from solution-specific domain authority, workflow and acceptance.\"},{\"label\":\"3. Define identity and isolation first\",\"description\":\"Establish users, services, applications, tenants, regions and data classifications before sharing retrieval or tool capabilities.\"},{\"label\":\"4. Define capability contracts\",\"description\":\"Specify model\u002Fprovider, retrieval, agent\u002Ftool, gateway and telemetry APIs with explicit ownership and versioning.\"},{\"label\":\"5. Decide provider and runtime strategy\",\"description\":\"Choose managed, self-hosted, local or hybrid execution and document fallback, locality and capability semantics.\"},{\"label\":\"6. Design data and retrieval boundaries\",\"description\":\"Define provenance, authorization propagation, corpus ownership, indexing and evidence responsibilities.\"},{\"label\":\"7. Add quotas, secrets and policy\",\"description\":\"Control cost, capacity, credentials, tool permissions, safety controls and blast radius.\"},{\"label\":\"8. Build evaluation and observability contracts\",\"description\":\"Provide platform metrics and tracing while leaving domain ground truth and acceptance to the solution.\"},{\"label\":\"9. Define lifecycle and operations\",\"description\":\"Version capabilities, test upgrades, document deprecation, rollback, incidents, capacity and consumer onboarding.\"},{\"label\":\"10. Validate with more than one consumer\",\"description\":\"A platform claim becomes credible when the shared capability actually serves distinct workloads without forcing them into the same domain model.\"}],\"title\":\"From platform need to operable shared capability\",\"orientation\":\"auto\"},\"type\":\"processFlow\"},{\"id\":\"h-edge\",\"data\":{\"text\":\"Edge cases and limits of the role\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-edge-1\",\"data\":{\"text\":\"A small organization with one AI application may not need a distinct AI platform or platform architect. Premature platforming can create more abstraction than value. The correct architecture may be one well-designed solution with a few reusable modules.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-2\",\"data\":{\"text\":\"An air-gapped or sovereign deployment changes the provider, update and observability model substantially. Model hosting, artifact distribution, identity integration and telemetry export may all need local equivalents.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-3\",\"data\":{\"text\":\"Highly regulated or high-consequence workloads may require stronger physical or organizational isolation instead of a logically shared platform. Reuse is never a sufficient reason to weaken a required security boundary.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-4\",\"data\":{\"text\":\"Managed cloud AI services can remove implementation burden but do not remove architectural accountability. The organization still decides identity, data access, logging, retention, quotas, model eligibility, fallback, evaluation and solution acceptance.\"},\"type\":\"paragraph\"},{\"id\":\"p-edge-5\",\"data\":{\"text\":\"The platform boundary may also differ by modality. Text inference, multimodal generation, speech, computer use and autonomous agents can have different latency, data, permission and observability requirements even when they share provider and identity infrastructure.\"},\"type\":\"paragraph\"},{\"id\":\"h-change\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-change-1\",\"data\":{\"text\":\"The core definition would change if the organizational scope changes. If the architect owns one workload, the role becomes closer to AI Solution Architect. If the responsibility expands to organization-wide capability strategy, investment, standards and target-state portfolios, it moves toward Enterprise AI Architecture.\"},\"type\":\"paragraph\"},{\"id\":\"p-change-2\",\"data\":{\"text\":\"Implementation guidance changes whenever providers, gateway products, agent protocols, regulatory obligations, model capabilities or deployment constraints change. That is why platform architecture should express stable responsibilities and contracts separately from current vendor mechanisms.\"},\"type\":\"paragraph\"},{\"id\":\"h-checklist\",\"data\":{\"text\":\"AI Platform Architect checklist\",\"level\":2},\"type\":\"header\"},{\"id\":\"checklist-table\",\"data\":{\"content\":[[\"Question\",\"Expected answer\"],[\"Who are the actual platform consumers?\",\"Named solutions, teams or tenant contexts with distinct but overlapping needs.\"],[\"What is genuinely shared?\",\"Explicit capability list, not a vague “AI backend.”\"],[\"What must remain solution-specific?\",\"Domain authority, business workflow, task acceptance and other workload-owned concerns.\"],[\"How are models\u002Fproviders represented?\",\"Versioned provider\u002Fmodel contracts with capabilities and explicit fallback semantics.\"],[\"How is identity propagated?\",\"User\u002Fservice\u002Fapplication\u002Ftenant context survives every privileged request path.\"],[\"How is tenant isolation enforced?\",\"Resource scoping is separate from role permission checks.\"],[\"How are secrets handled?\",\"Privileged storage, rotation, limited exposure and auditable ownership.\"],[\"How does retrieval preserve authority?\",\"Shared mechanics with authorization, provenance and domain-owned evidence rules.\"],[\"How are tools and agents constrained?\",\"Runtime permissions, bounded tool contracts, approvals, cancellation and traceability.\"],[\"How are cost and capacity controlled?\",\"Quotas, token\u002Frate controls, usage attribution and overload behavior.\"],[\"How is quality measured?\",\"Platform regression\u002Fevaluation plus solution-specific ground truth and acceptance.\"],[\"How are changes rolled out?\",\"Versioning, compatibility, migration, deprecation, rollback and incident ownership.\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\"},{\"id\":\"h-conclusion\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-conclusion-1\",\"data\":{\"text\":\"An AI Platform Architect is responsible for the reusable architecture \u003Cstrong>between AI capabilities and the solutions that consume them\u003C\u002Fstrong>. The role defines how models, providers, retrieval, agents, tools, identity, tenants, secrets, evaluation, observability, quotas and runtime operations become dependable platform services rather than repeated one-off integrations.\"},\"type\":\"paragraph\"},{\"id\":\"p-conclusion-2\",\"data\":{\"text\":\"The difficult part is not maximizing reuse. It is choosing the correct boundary. A strong platform standardizes mechanics, policy and operations where multiple consumers genuinely benefit, while preserving solution-specific data authority, business logic, security requirements and acceptance criteria.\"},\"type\":\"paragraph\"},{\"id\":\"p-conclusion-3\",\"data\":{\"text\":\"That distinction also explains the relationship with AI Solution Architecture: \u003Cstrong>the solution architect makes one AI-enabled system fit its purpose; the platform architect makes shared AI capabilities safe, reusable, operable and evolvable across many such systems.\u003C\u002Fstrong>\"},\"type\":\"paragraph\"},{\"id\":\"h-related\",\"data\":{\"text\":\"Related canonical knowledge\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-related-1\",\"data\":{\"text\":\"This article sits after the canonical foundations on generative AI components, ADR versus NFR, and AI Solution Architecture. Those concepts are prerequisites because a platform exists to provide reusable system capabilities and to encode architectural decisions against explicit quality and operational requirements.\"},\"type\":\"paragraph\"},{\"id\":\"p-related-2\",\"data\":{\"text\":\"Retrieval-Augmented Generation is one example of a capability that may be offered through a platform, but the platform should not collapse retrieval infrastructure, domain knowledge and answer validity into one concept.\"},\"type\":\"paragraph\"},{\"id\":\"related-rag\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"What Is RAG? The Simplest Explanation of How It Works\",\"description\":\"Canonical introduction to retrieval-augmented generation and the boundary between model generation and external knowledge retrieval.\"}},\"type\":\"linkTool\"},{\"id\":\"p-related-3\",\"data\":{\"text\":\"Agent protocols, tenant isolation, AI governance, model routing, Context Engineering and MLOps\u002FLLMOps are downstream or adjacent knowledge nodes. They become easier to reason about once the platform boundary is explicit.\"},\"type\":\"paragraph\"},{\"id\":\"h-faq\",\"data\":{\"text\":\"Frequently asked questions\",\"level\":2},\"type\":\"header\"},{\"id\":\"faq\",\"data\":{\"items\":[{\"id\":\"faq-1\",\"answer\":\"No. The solution architect focuses on one concrete AI-enabled solution. The platform architect focuses on reusable AI capabilities, controls and operational contracts that can support multiple solutions.\",\"question\":\"Is an AI Platform Architect the same as an AI Solution Architect?\"},{\"id\":\"faq-2\",\"answer\":\"No. A platform can use managed cloud models, self-hosted models, local inference or a hybrid strategy. The architecture must make provider, locality, identity, routing, data and operational consequences explicit.\",\"question\":\"Does an AI platform need to host its own models?\"},{\"id\":\"faq-3\",\"answer\":\"Usually not. A gateway can be an important platform component, but a complete platform also needs contracts for identity, secrets, data\u002Fretrieval, evaluation, observability, lifecycle and operational ownership.\",\"question\":\"Is an AI gateway enough to be an AI platform?\"},{\"id\":\"faq-4\",\"answer\":\"Retrieval mechanics can often be shared, but domain authority, authorization, freshness, evidence sufficiency and corpus ownership should remain explicit. Shared infrastructure does not imply shared truth.\",\"question\":\"Should retrieval be centralized?\"},{\"id\":\"faq-5\",\"answer\":\"No. Platform evaluation can test shared capabilities and regressions. Each solution still needs task-specific ground truth, acceptance criteria and domain quality thresholds.\",\"question\":\"Does platform evaluation replace application evaluation?\"},{\"id\":\"faq-6\",\"answer\":\"No. RBAC determines what an identity may do. Tenant isolation determines which tenant's resources the identity may act on. A platform often needs both.\",\"question\":\"Is multi-tenancy just RBAC?\"}],\"title\":\"AI Platform Architect FAQ\"},\"type\":\"faq\"},{\"id\":\"h-glossary\",\"data\":{\"text\":\"Glossary\",\"level\":2},\"type\":\"header\"},{\"id\":\"glossary\",\"data\":{\"title\":\"Key AI platform architecture terms\",\"entries\":[{\"term\":\"AI platform\",\"anchor\":\"ai-platform\",\"definition\":\"A reusable set of AI-related technical and operational capabilities consumed by multiple applications, teams or tenant contexts.\"},{\"term\":\"AI gateway\",\"anchor\":\"ai-gateway\",\"definition\":\"A gateway layer for AI endpoints that may add authentication, routing, quotas, policy, retries, cost attribution and AI-specific telemetry beyond basic proxying.\"},{\"term\":\"Provider adapter\",\"anchor\":\"provider-adapter\",\"definition\":\"A component that maps a platform contract to a model provider's API, capabilities, health and failure semantics.\"},{\"term\":\"Tenant isolation\",\"anchor\":\"tenant-isolation\",\"definition\":\"The boundary that prevents one tenant context from accessing another tenant's resources, independent of role permissions.\"},{\"term\":\"Capability contract\",\"anchor\":\"capability-contract\",\"definition\":\"A versioned interface and behavioral agreement describing what a shared platform service provides and what the consumer must supply or own.\"},{\"term\":\"Grounding \u002F retrieval service\",\"anchor\":\"grounding-service\",\"definition\":\"Shared mechanics for finding and supplying external information to an AI workload; it does not automatically define which information is authoritative for a domain.\"},{\"term\":\"Evaluation harness\",\"anchor\":\"evaluation-harness\",\"definition\":\"Reusable infrastructure for running tests, datasets, model\u002Fprompt versions and metrics; domain acceptance remains solution-specific.\"},{\"term\":\"Control plane\",\"anchor\":\"control-plane\",\"definition\":\"The configuration and governance layer that manages platform capabilities, identities, policies, quotas, versions and deployment state.\"}]},\"type\":\"glossary\"},{\"id\":\"h-sources\",\"data\":{\"text\":\"Primary sources and current architecture guidance\",\"level\":2},\"type\":\"header\"},{\"id\":\"p-sources-note\",\"data\":{\"text\":\"The sources below support the general architecture and production-platform claims. The Aaasaasa AI Client, Aaasaasa AI CMS and Source of Truth Research Engine sections are explicitly original implementation evidence. Current-state external references were checked on 8 October 2026.\"},\"type\":\"paragraph\"},{\"id\":\"src-iso-42010\",\"data\":{\"link\":\"https:\u002F\u002Fwww.iso.org\u002Fstandard\u002F74393.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"ISO\u002FIEC\u002FIEEE 42010:2022 — Architecture Description\",\"description\":\"Current published international standard for architecture-description concepts and relationships.\"}},\"type\":\"linkTool\"},{\"id\":\"src-nist-rmf\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fitl\u002Fai-risk-management-framework\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI Risk Management Framework\",\"description\":\"NIST's AI RMF resources and current status; AI RMF 1.0 is under revision as of October 2026.\"}},\"type\":\"linkTool\"},{\"id\":\"src-nist-gai\",\"data\":{\"link\":\"https:\u002F\u002Fwww.nist.gov\u002Fpublications\u002Fartificial-intelligence-risk-management-framework-generative-artificial-intelligence\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NIST AI 600-1 — Generative AI Profile\",\"description\":\"Generative AI profile for applying AI risk-management considerations across the AI lifecycle.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-ai\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fget-started\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Azure Well-Architected — AI Workloads\",\"description\":\"Current architectural guidance covering AI application, data, operations, evaluation, responsible AI and lifecycle concerns.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-principles\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fwell-architected\u002Fai\u002Fdesign-principles\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft — Design Principles for AI Workloads\",\"description\":\"Current guidance on identity segmentation, security boundaries, telemetry, performance, data and platform trade-offs.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-gateway\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Fai-foundry\u002Fconfiguration\u002Fenable-ai-api-management-gateway-portal?view=foundry\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft Foundry — AI Gateway Architecture\",\"description\":\"Current AI Gateway guidance for shared project access, token containment, quotas and governance.\"}},\"type\":\"linkTool\"},{\"id\":\"src-ms-gateway-guide\",\"data\":{\"link\":\"https:\u002F\u002Flearn.microsoft.com\u002Fen-us\u002Fazure\u002Farchitecture\u002Fai-ml\u002Fguide\u002Fazure-openai-gateway-guide\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Azure Architecture Center — Access Models Through a Gateway\",\"description\":\"Architecture guidance for centralized model access, routing, throttling, failover and client\u002Fplatform responsibilities.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-genai\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS Well-Architected — Generative AI Lens\",\"description\":\"Current production architecture guidance for generative AI workloads across security, reliability, operations, performance and cost.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-multitenant\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fgenerative-ai-lens\u002Fmulti-tenant-generative-ai-platform-scenario.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS — Multi-tenant Generative AI Platform Scenario\",\"description\":\"Current example separating central platform controls and auditability from consuming-application data quality and workload-specific responsibilities.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-agentic\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002Fwellarchitected\u002Flatest\u002Fagentic-ai-lens\u002Fdesign-principles.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS Well-Architected — Agentic AI Design Principles\",\"description\":\"Current guidance on bounded agent authority, traceability, versioned behavior, explicit contracts and human oversight.\"}},\"type\":\"linkTool\"},{\"id\":\"src-aws-observability\",\"data\":{\"link\":\"https:\u002F\u002Fdocs.aws.amazon.com\u002FAmazonCloudWatch\u002Flatest\u002Fmonitoring\u002FGenAI-observability.html\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AWS CloudWatch — Generative AI Observability\",\"description\":\"Current observability capabilities and production metrics for models, agents, knowledge bases, tools and cost\u002Flatency\u002Ferror analysis.\"}},\"type\":\"linkTool\"}],\"version\":\"2.31.0\"}",{"time":1242,"blocks":1243,"version":2024},1791476955677,[1244,1247,1251,1255,1259,1262,1265,1268,1271,1295,1298,1301,1304,1307,1329,1332,1335,1338,1341,1371,1375,1378,1381,1384,1387,1391,1394,1397,1400,1403,1406,1409,1412,1415,1418,1421,1424,1427,1430,1433,1436,1439,1442,1445,1448,1451,1454,1457,1460,1463,1466,1469,1472,1475,1478,1481,1485,1504,1507,1510,1543,1546,1573,1576,1598,1601,1604,1608,1611,1614,1617,1620,1641,1644,1647,1650,1653,1656,1659,1662,1665,1669,1672,1675,1678,1681,1684,1687,1690,1720,1723,1756,1759,1793,1796,1799,1802,1805,1808,1811,1814,1817,1820,1823,1865,1868,1871,1874,1877,1880,1883,1886,1893,1896,1899,1921,1924,1952,1955,1958,1964,1970,1976,1982,1988,1994,2000,2006,2012,2018],{"id":215,"data":1245,"type":218},{"text":1246},"An \u003Cstrong>AI Platform Architect\u003C\u002Fstrong> designs the reusable AI foundation through which multiple applications, teams, or tenant contexts access models, data and retrieval, agent and tool runtimes, identity and permissions, evaluation, observability, quotas, secrets, and deployment capabilities. The role is broader than infrastructure but narrower than owning every AI-enabled product: its central responsibility is deciding \u003Cstrong>what should be shared, how shared capabilities are governed and isolated, and what must remain solution-specific\u003C\u002Fstrong>.",{"id":220,"data":1248,"type":225},{"body":1249,"title":1250,"variant":224},"\u003Cstrong>An AI Platform Architect designs the shared technical and operational substrate for AI systems.\u003C\u002Fstrong> Instead of architecting one assistant or one workflow, the role defines reusable contracts and boundaries for model\u002Fprovider access, gateways and routing, retrieval services, agent runtimes, tool access, identity and tenant isolation, secrets, evaluation, telemetry, deployment and lifecycle management.","Direct answer",{"id":227,"data":1252,"type":225},{"body":1253,"title":1254,"variant":231},"\u003Cstrong>AI Platform Architect is a practical role label, not a universally standardized job title.\u003C\u002Fstrong> ISO\u002FIEC\u002FIEEE 42010:2022 defines concepts for architecture descriptions, not this role. Different organizations may split these responsibilities among platform architects, solution architects, enterprise architects, security architects, MLOps\u002FLLMOps specialists and platform engineering teams. This article uses the term for the architecture responsibility over a reusable AI platform layer.","Terminology note",{"id":233,"data":1256,"type":225},{"body":1257,"title":1258,"variant":231},"The stable architectural principles here are vendor-neutral. Current Microsoft, AWS and NIST guidance is used as external implementation and governance evidence. NIST states that AI RMF 1.0 is being revised; vendor platform features, gateway products, agent runtimes and model capabilities evolve faster than the architectural principles, so version-sensitive implementation choices must be rechecked before deployment.","Current-source note — 8 October 2026",{"id":238,"data":1260,"type":243},{"title":1261,"maxLevel":241,"minLevel":242},"Contents",{"id":245,"data":1263,"type":42},{"text":1264,"level":242},"What does an AI Platform Architect actually architect?",{"id":249,"data":1266,"type":218},{"text":1267},"The object of the work is the \u003Cstrong>platform\u003C\u002Fstrong>: a set of shared capabilities that reduces repeated integration work while preserving explicit security, data and operational boundaries. A platform can expose model access, provider adapters, retrieval primitives, agent execution, tool brokers, policy enforcement, evaluation, telemetry and deployment services to many consuming solutions.",{"id":253,"data":1269,"type":218},{"text":1270},"The platform is not valuable merely because components are centralized. It is valuable when consumers receive stable capabilities with clear contracts, ownership, isolation, observability and lifecycle rules. The key architectural question is therefore not “Which model should everyone use?” but \u003Cstrong>“Which responsibilities can be safely standardized and reused without erasing the requirements of each solution?”\u003C\u002Fstrong>.",{"id":257,"data":1272,"type":299},{"rows":1273,"title":1289,"layout":291,"columns":1290},[1274,1277,1280,1283,1286],{"id":261,"label":1275,"values":1276},"Primary scope",{"platform":264,"solution":265},{"id":267,"label":1278,"values":1279},"Main question",{"platform":270,"solution":271},{"id":273,"label":1281,"values":1282},"Data authority",{"platform":276,"solution":277},{"id":279,"label":1284,"values":1285},"Evaluation",{"platform":282,"solution":283},{"id":285,"label":1287,"values":1288},"Lifecycle",{"platform":288,"solution":289},"Solution architecture and platform architecture solve different scope problems",[1291,1293],{"id":294,"label":1292},"AI Solution Architect",{"id":297,"label":1294},"AI Platform Architect",{"id":301,"data":1296,"type":42},{"text":1297,"level":242},"The simplest example",{"id":305,"data":1299,"type":218},{"text":1300},"Imagine an organization has five AI-enabled products: an internal document assistant, a customer-support copilot, a software-engineering agent, a contract review workflow and a product-search assistant. Each product could independently integrate model APIs, keep credentials, implement retries, collect token metrics, create retrieval code and build its own tool permissions.",{"id":309,"data":1302,"type":218},{"text":1303},"That duplication is expensive and dangerous when every team invents a different security and operational model. A shared platform can instead offer approved provider connections, model discovery, quotas, credentials, tenant-aware access, common telemetry, reusable retrieval services and an agent\u002Ftool runtime contract.",{"id":313,"data":1305,"type":218},{"text":1306},"But the platform must stop at the correct boundary. The contract-review solution may require legal-document authority and citation rules that the software agent does not. The product-search assistant may need commerce-specific freshness and authorization rules. \u003Cstrong>Reusable infrastructure does not make all domain truth reusable.\u003C\u002Fstrong>",{"id":317,"data":1308,"type":340},{"steps":1309,"title":1328,"orientation":339},[1310,1313,1316,1319,1322,1325],{"label":1311,"description":1312},"1. Consumer identifies itself","The calling application, user, service, team or tenant enters through an authenticated identity and explicit scope.",{"label":1314,"description":1315},"2. Platform policy applies","Gateway and policy layers determine allowed providers, models, quotas, data paths, tools and execution modes.",{"label":1317,"description":1318},"3. Shared capability executes","The request may use inference, retrieval, agent runtime, tool access or another reusable platform service.",{"label":1320,"description":1321},"4. Solution-specific context remains authoritative","The consuming solution supplies domain rules, user intent, data authority, task-specific constraints and acceptance logic.",{"label":1323,"description":1324},"5. Telemetry and evidence are captured","The platform records identity, route, model\u002Fprovider, latency, cost, errors, tool activity and other permitted observability signals.",{"label":1326,"description":1327},"6. Result returns under the solution contract","The solution remains responsible for whether the output is acceptable for its user and domain.","A shared AI request path",{"id":342,"data":1330,"type":42},{"text":1331,"level":242},"Where the simple example stops",{"id":346,"data":1333,"type":218},{"text":1334},"Centralization is not automatically architecture. A single endpoint in front of several model APIs is useful, but it does not by itself create an AI platform. A production platform also needs identity boundaries, capability contracts, provider health and lifecycle handling, quotas, secret ownership, observability, compatibility rules, security controls, release discipline and clear operational responsibility.",{"id":350,"data":1336,"type":218},{"text":1337},"The opposite failure is also common: putting every prompt, vector index, business rule, agent and application workflow into one “AI backend.” That creates a monolith whose shared status is accidental rather than architectural. \u003Cstrong>A platform should standardize cross-cutting capabilities, not absorb domain ownership merely because AI is involved.\u003C\u002Fstrong>",{"id":354,"data":1339,"type":42},{"text":1340,"level":242},"The most important platform decision: shared versus solution-specific",{"id":358,"data":1342,"type":291},{"content":1343,"stretched":43,"withHeadings":14},[1344,1348,1352,1356,1360,1364,1367],[1345,1346,1347],"Capability area","Good candidate for shared platform ownership","Usually remains solution-specific",[1349,1350,1351],"Model access","Approved provider connections, adapters, credentials, health, routing primitives, quotas","Task-specific model acceptance, prompt behavior, quality threshold",[1353,1354,1355],"Retrieval","Ingestion primitives, extraction, indexing, search APIs, provenance contracts, authorization hooks","Authoritative corpus, freshness rules, domain metadata, evidence sufficiency",[1357,1358,1359],"Agents and tools","Runtime lifecycle, tool registry\u002Fbroker, permission enforcement, tracing, cancellation","Business workflow, allowed action semantics, escalation policy, task success",[1361,1362,1363],"Security","Identity integration, secret storage, policy enforcement, audit contracts, tenant isolation mechanisms","Data classification, business authorization rules, domain-specific risk acceptance",[1284,1365,1366],"Harness, dataset\u002Fversion mechanics, telemetry, experiment\u002Frelease workflow","Ground truth, domain test set, acceptance threshold, user outcome",[1368,1369,1370],"Operations","Deployment pattern, health, metrics, incident integration, capacity controls","Solution SLOs where they differ, business continuity impact, workload-specific runbooks",{"id":389,"data":1372,"type":225},{"body":1373,"title":1374,"variant":393},"\u003Cstrong>Share mechanics and controls where reuse is real; keep authority and acceptance where the domain owns them.\u003C\u002Fstrong> This prevents two opposite errors: duplicated infrastructure everywhere, and a central platform that falsely becomes the owner of every application's data, policy and quality.","Platform principle",{"id":395,"data":1376,"type":42},{"text":1377,"level":242},"Architecture responsibility map",{"id":399,"data":1379,"type":42},{"text":1380,"level":241},"1. Model and provider access",{"id":403,"data":1382,"type":218},{"text":1383},"A platform architect defines how consumers discover and invoke models without forcing every application to hard-code one provider. This includes provider adapters, model identifiers, capability metadata, authentication, health checks, endpoint configuration, request normalization and compatibility behavior.",{"id":407,"data":1385,"type":218},{"text":1386},"Provider abstraction must remain honest. Different providers expose different context limits, tool semantics, structured-output behavior, multimodal capabilities, safety controls, caching, pricing and failure modes. A good abstraction creates a stable platform contract while preserving access to capabilities that cannot be meaningfully flattened.",{"id":411,"data":1388,"type":225},{"body":1389,"title":1390,"variant":415},"A lowest-common-denominator API can make migration easier but can also erase capabilities that matter. The architecture should define which features are portable, which are provider-specific and how consumers discover that difference.","Do not confuse abstraction with pretending providers are identical",{"id":417,"data":1392,"type":42},{"text":1393,"level":241},"2. Gateway, routing, quotas and cost controls",{"id":421,"data":1395,"type":218},{"text":1396},"A shared AI gateway can centralize authentication, routing, throttling, retries, token limits, usage attribution and policy enforcement. Microsoft’s current AI Gateway guidance explicitly treats token-per-minute limits, quotas and multi-project containment as platform concerns; AWS likewise exposes account and model quotas and centralized controls.",{"id":425,"data":1398,"type":218},{"text":1399},"The gateway is therefore more than a reverse proxy when it carries AI-specific policy and operational semantics. But it should not silently make business decisions. A routing policy may prefer a healthy local model, a lower-cost provider or a regionally compliant endpoint; whether that route is acceptable for a particular task is still a contract between platform and solution.",{"id":429,"data":1401,"type":218},{"text":1402},"Routing also needs failure semantics. If the preferred model is unavailable, the platform must know whether fallback is permitted, whether a cloud route requires explicit consent, whether a lower-capability model is valid and how the decision is surfaced to observability.",{"id":433,"data":1404,"type":42},{"text":1405,"level":241},"3. Shared data, retrieval and grounding services",{"id":437,"data":1407,"type":218},{"text":1408},"Retrieval services are strong platform candidates because parsing, chunking, indexing, lexical search, semantic search, metadata filtering, provenance and citation mechanics are reusable. However, the platform must not confuse a shared retrieval engine with a shared source of truth.",{"id":441,"data":1410,"type":218},{"text":1411},"A solution still owns questions such as: Which corpus is authoritative? Which version is valid? Can this user see this document? How fresh must the data be? What counts as sufficient evidence? Can an answer be generated when retrieval fails? Those are domain and solution requirements even when the platform supplies the retrieval machinery.",{"id":445,"data":1413,"type":218},{"text":1414},"This boundary is especially important in multi-tenant systems. A technically shared index or vector service does not justify cross-tenant visibility. Authorization context must be preserved through retrieval, not added only after search results have already crossed the boundary.",{"id":449,"data":1416,"type":42},{"text":1417,"level":241},"4. Agent and tool runtime",{"id":453,"data":1419,"type":218},{"text":1420},"Agentic systems add reusable runtime concerns: thread\u002Fsession lifecycle, planning loops, tool registration, tool invocation, cancellation, timeouts, human approvals, memory\u002Fstate interfaces, remote-agent protocols and trace correlation. A platform can provide these mechanics so each product does not rebuild them.",{"id":457,"data":1422,"type":218},{"text":1423},"The platform must also keep tool permission separate from model capability. A model being capable of generating a shell command does not mean the runtime should allow shell execution. The permission boundary belongs to the application\u002Fruntime architecture and must be enforceable independently of the model.",{"id":461,"data":1425,"type":218},{"text":1426},"Current AWS Agentic AI guidance emphasizes bounded agents, explicit authority, end-to-end tracing, versioned behavioral artifacts and human oversight proportionate to consequence. Those are platform-enabling concerns, but the consuming solution still defines what actions are legitimate for its domain.",{"id":465,"data":1428,"type":42},{"text":1429,"level":241},"5. Identity, tenant isolation and authorization",{"id":469,"data":1431,"type":218},{"text":1432},"AI platforms often sit in front of high-value models, proprietary data and action-capable tools. Authentication is therefore only the beginning. The architecture must carry user, service, application and tenant context through every privileged operation that needs it.",{"id":473,"data":1434,"type":218},{"text":1435},"\u003Cstrong>RBAC and tenant isolation solve different problems.\u003C\u002Fstrong> RBAC answers what an identity may do; tenant isolation answers which tenant’s resources that identity may act on. A platform that checks roles but loses tenant context can still expose the wrong data.",{"id":477,"data":1437,"type":218},{"text":1438},"Microsoft’s current AI workload guidance explicitly recommends identity segmentation and authorization-aware access to content. AWS’s multi-tenant generative AI platform guidance similarly treats logical isolation, centralized controls and auditability as platform concerns.",{"id":481,"data":1440,"type":42},{"text":1441,"level":241},"6. Secrets, credentials and trust boundaries",{"id":485,"data":1443,"type":218},{"text":1444},"A platform should define who owns provider keys, remote bearer tokens, signing material and tool credentials, where they are stored, which process can access them, how they are rotated and whether they can ever reach a browser or untrusted renderer.",{"id":489,"data":1446,"type":218},{"text":1447},"This is an architectural boundary, not an implementation detail. If every consuming application copies provider credentials into its own configuration, the organization has duplicated both operational burden and blast radius. Centralization can reduce that risk only if the platform itself has narrower, auditable access paths.",{"id":493,"data":1449,"type":42},{"text":1450,"level":241},"7. Evaluation, observability and auditability",{"id":497,"data":1452,"type":218},{"text":1453},"A reusable platform can provide evaluation harnesses, trace IDs, model\u002Fprovider metadata, token and cost metrics, latency, error rates, prompt\u002Fmodel version linkage, agent\u002Ftool traces and controlled logging. AWS and Microsoft both treat observability and evaluation as core production concerns for AI workloads.",{"id":501,"data":1455,"type":218},{"text":1456},"Platform evaluation and solution evaluation must remain separate. A platform can verify that an endpoint is healthy, a model version passes a general regression suite and traces are complete. It cannot decide that a legal answer, medical workflow or product recommendation is acceptable without domain-specific ground truth and acceptance criteria.",{"id":505,"data":1458,"type":218},{"text":1459},"Logging also creates a privacy boundary. Prompt and response logs may contain sensitive or proprietary data. The platform architect must therefore decide what is logged, redacted, sampled, retained and accessible rather than assuming that more telemetry is always safer.",{"id":509,"data":1461,"type":42},{"text":1462,"level":241},"8. Runtime, deployment and locality",{"id":513,"data":1464,"type":218},{"text":1465},"A platform architect decides how shared AI capabilities are deployed and reached: managed cloud services, self-hosted endpoints, local inference, hybrid routing, containerized services, desktop runtimes, private networking or air-gapped environments. The important distinction is between \u003Cstrong>where the control\u002Fruntime process runs\u003C\u002Fstrong> and \u003Cstrong>where inference and data processing actually occur\u003C\u002Fstrong>.",{"id":517,"data":1467,"type":218},{"text":1468},"A local client may still call a cloud model. A cloud control plane may route to an on-premises model. A remote agent may execute tools inside a customer network. Architectural diagrams must therefore show trust and data-flow boundaries rather than using “local” and “cloud” as vague labels.",{"id":521,"data":1470,"type":42},{"text":1471,"level":241},"9. Platform lifecycle, compatibility and onboarding",{"id":525,"data":1473,"type":218},{"text":1474},"Reusable capability becomes a platform only when consumers can depend on it over time. That requires versioned contracts, migration rules, compatibility policy, deprecation, release testing, rollback, incident ownership, capacity planning, documentation and a path for onboarding new teams or applications.",{"id":529,"data":1476,"type":218},{"text":1477},"Fast-moving AI ecosystems make this particularly important. Model names, SDKs, protocol versions, provider APIs and safety capabilities change independently. A platform must absorb some of that volatility without hiding changes that materially affect a solution’s behavior.",{"id":533,"data":1479,"type":42},{"text":1480,"level":242},"A practical control-plane \u002F execution-plane \u002F solution-plane model",{"id":537,"data":1482,"type":225},{"body":1483,"title":1484,"variant":231},"The three-plane model below is a practical way to reason about responsibilities; it is not an ISO, NIST, Microsoft or AWS standard. Its purpose is to make ownership boundaries explicit.","Proposed architecture model",{"id":542,"data":1486,"type":291},{"content":1487,"stretched":43,"withHeadings":14},[1488,1492,1496,1500],[1489,1490,1491],"Plane","Typical responsibilities","Should not silently own",[1493,1494,1495],"Platform control plane","Provider registry, model policy, quotas, tenant configuration, identities, secrets, routing rules, capability versions, deployment configuration","Application business logic or domain truth",[1497,1498,1499],"Platform execution\u002Fdata plane","Inference requests, retrieval operations, agent\u002Ftool execution, extraction, indexing, telemetry emission, policy enforcement","Cross-tenant access merely because infrastructure is shared",[1501,1502,1503],"Solution plane","User workflow, prompts\u002Finstructions, authoritative corpus selection, domain authorization, business rules, task evaluation and acceptance","Low-level provider integration that the platform explicitly owns",{"id":562,"data":1505,"type":218},{"text":1506},"This separation helps diagnose platform drift. If an application must know every provider-specific credential and endpoint, the platform contract is too thin. If the platform decides which customer record is legally authoritative or whether a domain answer is acceptable, the platform has crossed into solution ownership.",{"id":566,"data":1508,"type":42},{"text":1509,"level":242},"What should an AI Platform Architect produce?",{"id":570,"data":1511,"type":291},{"content":1512,"stretched":43,"withHeadings":14},[1513,1516,1519,1522,1525,1528,1531,1534,1537,1540],[1514,1515],"Architecture artifact","Purpose",[1517,1518],"Platform capability map","Defines what the platform provides, who consumes it and which capabilities remain outside scope.",[1520,1521],"Provider\u002Fmodel contract","Defines providers, models, capabilities, abstraction boundaries, route metadata and fallback semantics.",[1523,1524],"Identity and tenancy model","Defines user\u002Fservice\u002Fapplication identity, tenant context, RBAC\u002FABAC hooks and resource isolation.",[1526,1527],"Gateway and quota policy","Defines rate limits, token\u002Fcost budgets, routing controls, retries and capacity behavior.",[1529,1530],"Retrieval\u002Fdata contract","Defines ingestion, provenance, search, metadata, authorization propagation and where domain authority remains.",[1532,1533],"Agent\u002Ftool contract","Defines runtime lifecycle, tool registration, permissions, approvals, cancellation and trace behavior.",[1535,1536],"Secret and trust-boundary model","Defines credential ownership, storage, process boundaries, rotation and sensitive data paths.",[1538,1539],"Evaluation and telemetry contract","Defines common metrics, traces, datasets\u002Fversion links, logging policy and solution extension points.",[1541,1542],"Lifecycle and compatibility policy","Defines versions, migrations, deprecation, releases, rollback, incident ownership and onboarding.",{"id":604,"data":1544,"type":42},{"text":1545,"level":242},"The work is mostly trade-offs, not maximum centralization",{"id":608,"data":1547,"type":299},{"rows":1548,"title":1567,"layout":291,"columns":1568},[1549,1552,1555,1558,1561,1564],{"id":612,"label":1550,"values":1551},"Provider abstraction",{"pressureA":615,"pressureB":616},{"id":618,"label":1553,"values":1554},"Reuse",{"pressureA":621,"pressureB":622},{"id":624,"label":1556,"values":1557},"Governance",{"pressureA":627,"pressureB":628},{"id":630,"label":1559,"values":1560},"Observability",{"pressureA":633,"pressureB":634},{"id":636,"label":1562,"values":1563},"Availability",{"pressureA":639,"pressureB":640},{"id":642,"label":1565,"values":1566},"Platform scope",{"pressureA":645,"pressureB":646},"Common platform trade-offs",[1569,1571],{"id":650,"label":1570},"Pressure A",{"id":653,"label":1572},"Pressure B",{"id":656,"data":1574,"type":42},{"text":1575,"level":242},"How is this different from adjacent roles?",{"id":660,"data":1577,"type":291},{"content":1578,"stretched":43,"withHeadings":14},[1579,1582,1584,1586,1589,1592,1595],[1580,1581],"Role","Primary architectural scope",[1292,1583],"A concrete AI-enabled solution and its end-to-end requirements, boundaries, trade-offs and production acceptance.",[1294,1585],"Reusable AI capabilities and operational\u002Fsecurity contracts consumed across multiple solutions or teams.",[1587,1588],"Enterprise Architect","Organization-wide business\u002Ftechnology portfolio, capability and governance alignment at a broader level.",[1590,1591],"MLOps \u002F LLMOps Architect or specialist","Model and AI lifecycle, deployment, experiments, observability, release and operational practices; may overlap strongly but does not automatically own the whole shared application platform.",[1593,1594],"Platform Engineer \u002F SRE","Implements and operates platform infrastructure, reliability, automation and developer experience; architecture responsibility may be shared with the platform architect.",[1596,1597],"AI \u002F Software Engineer","Implements models, integrations, services, agents, retrieval and product functionality inside the agreed architecture.",{"id":683,"data":1599,"type":218},{"text":1600},"These boundaries are organizational, not universal. In a small team one person may hold several responsibilities. In a regulated enterprise they may be split across architecture, security, platform, data and operations groups. The useful distinction is the \u003Cstrong>scope of architectural responsibility\u003C\u002Fstrong>, not the job title printed on an org chart.",{"id":687,"data":1602,"type":42},{"text":1603,"level":242},"Implementation evidence: how these platform boundaries appear in my own work",{"id":691,"data":1605,"type":225},{"body":1606,"title":1607,"variant":231},"The following sections describe concrete patterns from my own projects. They are evidence that these architectural boundaries have been implemented or explicitly designed in real code and project systems. They are \u003Cstrong>not\u003C\u002Fstrong> claims that the projects together already constitute a commercially deployed enterprise AI platform.","Original implementation evidence",{"id":696,"data":1609,"type":42},{"text":1610,"level":241},"Aaasaasa AI Client: provider, runtime and permission separation",{"id":700,"data":1612,"type":218},{"text":1613},"Aaasaasa AI Client is a local-first desktop AI workspace built with Nuxt 4, Electron and TypeScript. Its AI Hub deliberately separates \u003Cstrong>agent\u002Fclient, provider, model, connection\u002Fruntime location, permissions and web client\u003C\u002Fstrong> instead of treating them as one configuration value.",{"id":704,"data":1615,"type":218},{"text":1616},"The implementation includes direct provider adapters, Codex agent runtime integration, local Ollama\u002FLM Studio paths, OpenAI-compatible services, centralized workspace permissions, main-process credential storage, DuckDB, Qdrant\u002Fvector support, PDF\u002Freadability extraction and authenticated MCP-based directory access.",{"id":708,"data":1618,"type":218},{"text":1619},"Two platform lessons are especially relevant. First, a local runtime is not the same as local inference: a local Codex process can still use a cloud model. Second, automatic routing does not silently fall back from local to paid cloud inference. That makes routing policy and runtime locality explicit rather than inferred from UI labels.",{"id":712,"data":1621,"type":291},{"content":1622,"stretched":43,"withHeadings":14},[1623,1626,1629,1632,1635,1638],[1624,1625],"Implemented boundary","Platform-architecture meaning",[1627,1628],"Agent vs provider vs model","Different responsibilities can evolve independently instead of being hidden behind one “AI” selector.",[1630,1631],"Permissions separate from model","Filesystem\u002Ftool authority belongs to the runtime policy, not model capability.",[1633,1634],"Main-process secrets","Credential ownership follows the privileged process boundary rather than the renderer\u002FUI.",[1636,1637],"Provider health and model discovery","Routing and availability are runtime\u002Fplatform concerns.",[1639,1640],"No silent cloud fallback","Cost, locality and data-transfer semantics remain explicit policy decisions.",{"id":734,"data":1642,"type":42},{"text":1643,"level":241},"Aaasaasa AI CMS: tenant-scoped authorization as a platform boundary",{"id":738,"data":1645,"type":218},{"text":1646},"The Aaasaasa AI CMS codebase provides a separate implementation example: tenant-scoped RBAC is represented through roles, permissions and user-role assignments bound to a tenant identifier. System permissions are grouped by capability, and role lookup and updates remain tenant-scoped.",{"id":742,"data":1648,"type":218},{"text":1649},"This is not itself proof of a complete AI platform, but it is directly relevant to one of the hardest shared-platform boundaries: a reusable service must preserve \u003Cstrong>who may do what\u003C\u002Fstrong> and \u003Cstrong>for which tenant\u003C\u002Fstrong>. Adding AI inference or retrieval on top of an application platform does not remove that requirement.",{"id":746,"data":1651,"type":218},{"text":1652},"The architectural implication is that model gateways, retrieval services and agents should consume established identity\u002Ftenant context rather than inventing a parallel AI-only authorization universe.",{"id":750,"data":1654,"type":42},{"text":1655,"level":241},"Source of Truth Research Engine: shared retrieval mechanics without shared truth",{"id":754,"data":1657,"type":218},{"text":1658},"The Source of Truth Research Engine provides a third implementation example. Different research modes share a common evidence core: Sources, Artifacts, provenance, Claims, Relations, Contradictions, a Reference Model and audit trail. The system also provides local lexical retrieval, optional semantic retrieval, extraction, snapshots and SHA-256-based provenance.",{"id":758,"data":1660,"type":218},{"text":1661},"The project explicitly treats search and semantic similarity as discovery signals rather than evidence. A result must be traced back to a concrete source and locator before it can support a claim. This is precisely the distinction an AI platform needs: \u003Cstrong>reusable retrieval machinery can be shared while evidence authority remains governed by the consuming methodology and domain.\u003C\u002Fstrong>",{"id":762,"data":1663,"type":218},{"text":1664},"The engine also demonstrates why one shared platform does not require one shared interpretation. Historical, scientific\u002Ftechnical, market-intelligence and monitoring modes can reuse core evidence infrastructure while retaining mode-specific methodology.",{"id":766,"data":1666,"type":225},{"body":1667,"title":1668,"variant":393},"Across these projects, the reusable pattern is not “one backend for everything.” It is \u003Cstrong>separation of concerns plus explicit contracts\u003C\u002Fstrong>: provider\u002Fmodel\u002Fruntime separation, tenant-aware authorization, credential boundaries, reusable data\u002Fretrieval primitives, provenance, and domain-specific authority. A future integrated platform would need stable contracts between those capabilities rather than direct coupling between codebases.","What these implementations demonstrate together",{"id":771,"data":1670,"type":42},{"text":1671,"level":242},"How current architecture guidance supports this platform scope",{"id":775,"data":1673,"type":218},{"text":1674},"ISO\u002FIEC\u002FIEEE 42010:2022 provides a general discipline for architecture descriptions across software, systems, enterprises and related entities. It does not define an AI Platform Architect, but it reinforces the need to express architectural concerns, relationships and viewpoints rather than reducing architecture to a technology list.",{"id":779,"data":1676,"type":218},{"text":1677},"NIST AI RMF 1.0 and the Generative AI Profile frame AI risk management across the lifecycle rather than only at model selection time. Governance, mapping, measurement and management are therefore compatible with a platform architecture that carries shared controls and evidence across many consuming workloads.",{"id":783,"data":1679,"type":218},{"text":1680},"Microsoft’s current AI workload guidance treats application design, data, security, operations, testing\u002Fevaluation and GenAIOps as connected architectural areas. Its current AI Gateway guidance also shows practical platform concerns such as centralized model access, project-specific token limits, quotas and multi-team containment.",{"id":787,"data":1682,"type":218},{"text":1683},"AWS’s current Generative AI Lens and multi-tenant platform scenario similarly separate foundational platform controls from consuming-application ownership. AWS explicitly notes that a central platform can enforce shared guardrails and auditability while data quality and workload-specific observability still remain responsibilities of consuming applications or data producers.",{"id":791,"data":1685,"type":218},{"text":1686},"The vendor products differ, but the cross-source pattern is stable: production AI platforms must coordinate identity, data access, models, policy, evaluation, observability, capacity, cost and lifecycle. A GPU cluster or model endpoint covers only part of that responsibility.",{"id":795,"data":1688,"type":42},{"text":1689,"level":242},"Common misconceptions",{"id":799,"data":1691,"type":291},{"content":1692,"stretched":43,"withHeadings":14},[1693,1696,1699,1702,1705,1708,1711,1714,1717],[1694,1695],"Misconception","Why it is wrong",[1697,1698],"“An AI platform is the GPU cluster.”","Compute is one substrate. A platform also needs contracts for identity, model access, data, policy, evaluation, observability and lifecycle.",[1700,1701],"“An AI gateway is just a reverse proxy.”","It may also carry model routing, token quotas, cost attribution, policy enforcement, identity and AI-specific telemetry.",[1703,1704],"“Shared means globally shared.”","A service may be physically shared while logically segmented by tenant, application, region, classification or risk level.",[1706,1707],"“One central vector database becomes the company truth.”","A vector store or retrieval service is infrastructure. Domain authority, freshness, provenance and access remain separate concerns.",[1709,1710],"“Platform evaluation replaces solution evaluation.”","General regression and telemetry cannot define whether a domain-specific answer or action is acceptable.",[1712,1713],"“Provider abstraction should hide every difference.”","Some differences are material capabilities, security semantics or failure modes and must remain visible.",[1715,1716],"“RBAC solves multi-tenancy.”","RBAC controls actions; tenant isolation controls resource boundaries. Both can be required.",[1718,1719],"“AI Platform Architect is just another name for MLOps.”","MLOps\u002FLLMOps is a major overlapping discipline, but shared application\u002Fruntime, identity, gateway, retrieval and tool boundaries can extend beyond model lifecycle operations.",{"id":830,"data":1721,"type":42},{"text":1722,"level":242},"Failure modes an AI Platform Architect should prevent",{"id":834,"data":1724,"type":291},{"content":1725,"stretched":43,"withHeadings":14},[1726,1729,1732,1735,1738,1741,1744,1747,1750,1753],[1727,1728],"Failure mode","Architectural consequence",[1730,1731],"Every team stores its own provider keys","Duplicated secret handling, inconsistent rotation and larger blast radius.",[1733,1734],"Provider abstraction hides required capabilities","Consumers cannot use features they need or silently receive behavior different from assumptions.",[1736,1737],"Shared retrieval ignores tenant\u002Fuser context","Cross-boundary data leakage can occur before the application gets a chance to filter results.",[1739,1740],"Fallback silently changes provider or locality","Cost, compliance, data location and output quality can change without the caller knowing.",[1742,1743],"Agent tools are granted by model choice","A capable model becomes over-privileged because runtime authority is not independently enforced.",[1745,1746],"All prompts\u002Fresponses are logged by default","Observability can create a new sensitive-data repository and compliance problem.",[1748,1749],"Platform owns one generic quality score","Domain failures remain hidden behind platform health metrics.",[1751,1752],"No version contract for platform capabilities","Model\u002Fprovider\u002Fruntime changes break consumers unpredictably.",[1754,1755],"Everything AI-related is centralized","The platform becomes a bottleneck and monolith instead of a reusable capability layer.",{"id":868,"data":1757,"type":42},{"text":1758,"level":242},"A practical platform-architecture decision sequence",{"id":872,"data":1760,"type":340},{"steps":1761,"title":1792,"orientation":339},[1762,1765,1768,1771,1774,1777,1780,1783,1786,1789],{"label":1763,"description":1764},"1. Identify real consumers","List solutions, teams, tenants and workloads that would consume the platform; avoid building a platform for hypothetical reuse.",{"label":1766,"description":1767},"2. Define the shared boundary","Separate cross-cutting mechanics from solution-specific domain authority, workflow and acceptance.",{"label":1769,"description":1770},"3. Define identity and isolation first","Establish users, services, applications, tenants, regions and data classifications before sharing retrieval or tool capabilities.",{"label":1772,"description":1773},"4. Define capability contracts","Specify model\u002Fprovider, retrieval, agent\u002Ftool, gateway and telemetry APIs with explicit ownership and versioning.",{"label":1775,"description":1776},"5. Decide provider and runtime strategy","Choose managed, self-hosted, local or hybrid execution and document fallback, locality and capability semantics.",{"label":1778,"description":1779},"6. Design data and retrieval boundaries","Define provenance, authorization propagation, corpus ownership, indexing and evidence responsibilities.",{"label":1781,"description":1782},"7. Add quotas, secrets and policy","Control cost, capacity, credentials, tool permissions, safety controls and blast radius.",{"label":1784,"description":1785},"8. Build evaluation and observability contracts","Provide platform metrics and tracing while leaving domain ground truth and acceptance to the solution.",{"label":1787,"description":1788},"9. Define lifecycle and operations","Version capabilities, test upgrades, document deprecation, rollback, incidents, capacity and consumer onboarding.",{"label":1790,"description":1791},"10. Validate with more than one consumer","A platform claim becomes credible when the shared capability actually serves distinct workloads without forcing them into the same domain model.","From platform need to operable shared capability",{"id":907,"data":1794,"type":42},{"text":1795,"level":242},"Edge cases and limits of the role",{"id":911,"data":1797,"type":218},{"text":1798},"A small organization with one AI application may not need a distinct AI platform or platform architect. Premature platforming can create more abstraction than value. The correct architecture may be one well-designed solution with a few reusable modules.",{"id":915,"data":1800,"type":218},{"text":1801},"An air-gapped or sovereign deployment changes the provider, update and observability model substantially. Model hosting, artifact distribution, identity integration and telemetry export may all need local equivalents.",{"id":919,"data":1803,"type":218},{"text":1804},"Highly regulated or high-consequence workloads may require stronger physical or organizational isolation instead of a logically shared platform. Reuse is never a sufficient reason to weaken a required security boundary.",{"id":923,"data":1806,"type":218},{"text":1807},"Managed cloud AI services can remove implementation burden but do not remove architectural accountability. The organization still decides identity, data access, logging, retention, quotas, model eligibility, fallback, evaluation and solution acceptance.",{"id":927,"data":1809,"type":218},{"text":1810},"The platform boundary may also differ by modality. Text inference, multimodal generation, speech, computer use and autonomous agents can have different latency, data, permission and observability requirements even when they share provider and identity infrastructure.",{"id":931,"data":1812,"type":42},{"text":1813,"level":242},"What would change this answer?",{"id":935,"data":1815,"type":218},{"text":1816},"The core definition would change if the organizational scope changes. If the architect owns one workload, the role becomes closer to AI Solution Architect. If the responsibility expands to organization-wide capability strategy, investment, standards and target-state portfolios, it moves toward Enterprise AI Architecture.",{"id":939,"data":1818,"type":218},{"text":1819},"Implementation guidance changes whenever providers, gateway products, agent protocols, regulatory obligations, model capabilities or deployment constraints change. That is why platform architecture should express stable responsibilities and contracts separately from current vendor mechanisms.",{"id":943,"data":1821,"type":42},{"text":1822,"level":242},"AI Platform Architect checklist",{"id":947,"data":1824,"type":291},{"content":1825,"stretched":43,"withHeadings":14},[1826,1829,1832,1835,1838,1841,1844,1847,1850,1853,1856,1859,1862],[1827,1828],"Question","Expected answer",[1830,1831],"Who are the actual platform consumers?","Named solutions, teams or tenant contexts with distinct but overlapping needs.",[1833,1834],"What is genuinely shared?","Explicit capability list, not a vague “AI backend.”",[1836,1837],"What must remain solution-specific?","Domain authority, business workflow, task acceptance and other workload-owned concerns.",[1839,1840],"How are models\u002Fproviders represented?","Versioned provider\u002Fmodel contracts with capabilities and explicit fallback semantics.",[1842,1843],"How is identity propagated?","User\u002Fservice\u002Fapplication\u002Ftenant context survives every privileged request path.",[1845,1846],"How is tenant isolation enforced?","Resource scoping is separate from role permission checks.",[1848,1849],"How are secrets handled?","Privileged storage, rotation, limited exposure and auditable ownership.",[1851,1852],"How does retrieval preserve authority?","Shared mechanics with authorization, provenance and domain-owned evidence rules.",[1854,1855],"How are tools and agents constrained?","Runtime permissions, bounded tool contracts, approvals, cancellation and traceability.",[1857,1858],"How are cost and capacity controlled?","Quotas, token\u002Frate controls, usage attribution and overload behavior.",[1860,1861],"How is quality measured?","Platform regression\u002Fevaluation plus solution-specific ground truth and acceptance.",[1863,1864],"How are changes rolled out?","Versioning, compatibility, migration, deprecation, rollback and incident ownership.",{"id":990,"data":1866,"type":42},{"text":1867,"level":242},"Conclusion",{"id":994,"data":1869,"type":218},{"text":1870},"An AI Platform Architect is responsible for the reusable architecture \u003Cstrong>between AI capabilities and the solutions that consume them\u003C\u002Fstrong>. The role defines how models, providers, retrieval, agents, tools, identity, tenants, secrets, evaluation, observability, quotas and runtime operations become dependable platform services rather than repeated one-off integrations.",{"id":998,"data":1872,"type":218},{"text":1873},"The difficult part is not maximizing reuse. It is choosing the correct boundary. A strong platform standardizes mechanics, policy and operations where multiple consumers genuinely benefit, while preserving solution-specific data authority, business logic, security requirements and acceptance criteria.",{"id":1002,"data":1875,"type":218},{"text":1876},"That distinction also explains the relationship with AI Solution Architecture: \u003Cstrong>the solution architect makes one AI-enabled system fit its purpose; the platform architect makes shared AI capabilities safe, reusable, operable and evolvable across many such systems.\u003C\u002Fstrong>",{"id":1006,"data":1878,"type":42},{"text":1879,"level":242},"Related canonical knowledge",{"id":1010,"data":1881,"type":218},{"text":1882},"This article sits after the canonical foundations on generative AI components, ADR versus NFR, and AI Solution Architecture. Those concepts are prerequisites because a platform exists to provide reusable system capabilities and to encode architectural decisions against explicit quality and operational requirements.",{"id":1014,"data":1884,"type":218},{"text":1885},"Retrieval-Augmented Generation is one example of a capability that may be offered through a platform, but the platform should not collapse retrieval infrastructure, domain knowledge and answer validity into one concept.",{"id":1018,"data":1887,"type":1026},{"link":1888,"meta":1889},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-rag-the-simplest-explanation-of-how-it-works",{"image":1890,"title":1891,"description":1892},{"url":1023},"What Is RAG? The Simplest Explanation of How It Works","Canonical introduction to retrieval-augmented generation and the boundary between model generation and external knowledge retrieval.",{"id":1028,"data":1894,"type":218},{"text":1895},"Agent protocols, tenant isolation, AI governance, model routing, Context Engineering and MLOps\u002FLLMOps are downstream or adjacent knowledge nodes. They become easier to reason about once the platform boundary is explicit.",{"id":1032,"data":1897,"type":42},{"text":1898,"level":242},"Frequently asked questions",{"id":1036,"data":1900,"type":1036},{"items":1901,"title":1920},[1902,1905,1908,1911,1914,1917],{"id":1040,"answer":1903,"question":1904},"No. The solution architect focuses on one concrete AI-enabled solution. The platform architect focuses on reusable AI capabilities, controls and operational contracts that can support multiple solutions.","Is an AI Platform Architect the same as an AI Solution Architect?",{"id":1044,"answer":1906,"question":1907},"No. A platform can use managed cloud models, self-hosted models, local inference or a hybrid strategy. The architecture must make provider, locality, identity, routing, data and operational consequences explicit.","Does an AI platform need to host its own models?",{"id":1048,"answer":1909,"question":1910},"Usually not. A gateway can be an important platform component, but a complete platform also needs contracts for identity, secrets, data\u002Fretrieval, evaluation, observability, lifecycle and operational ownership.","Is an AI gateway enough to be an AI platform?",{"id":1052,"answer":1912,"question":1913},"Retrieval mechanics can often be shared, but domain authority, authorization, freshness, evidence sufficiency and corpus ownership should remain explicit. Shared infrastructure does not imply shared truth.","Should retrieval be centralized?",{"id":1056,"answer":1915,"question":1916},"No. Platform evaluation can test shared capabilities and regressions. Each solution still needs task-specific ground truth, acceptance criteria and domain quality thresholds.","Does platform evaluation replace application evaluation?",{"id":1060,"answer":1918,"question":1919},"No. RBAC determines what an identity may do. Tenant isolation determines which tenant's resources the identity may act on. A platform often needs both.","Is multi-tenancy just RBAC?","AI Platform Architect FAQ",{"id":1065,"data":1922,"type":42},{"text":1923,"level":242},"Glossary",{"id":1069,"data":1925,"type":1069},{"title":1926,"entries":1927},"Key AI platform architecture terms",[1928,1931,1934,1937,1940,1943,1946,1949],{"term":1929,"anchor":1075,"definition":1930},"AI platform","A reusable set of AI-related technical and operational capabilities consumed by multiple applications, teams or tenant contexts.",{"term":1932,"anchor":1079,"definition":1933},"AI gateway","A gateway layer for AI endpoints that may add authentication, routing, quotas, policy, retries, cost attribution and AI-specific telemetry beyond basic proxying.",{"term":1935,"anchor":1083,"definition":1936},"Provider adapter","A component that maps a platform contract to a model provider's API, capabilities, health and failure semantics.",{"term":1938,"anchor":1087,"definition":1939},"Tenant isolation","The boundary that prevents one tenant context from accessing another tenant's resources, independent of role permissions.",{"term":1941,"anchor":1091,"definition":1942},"Capability contract","A versioned interface and behavioral agreement describing what a shared platform service provides and what the consumer must supply or own.",{"term":1944,"anchor":1095,"definition":1945},"Grounding \u002F retrieval service","Shared mechanics for finding and supplying external information to an AI workload; it does not automatically define which information is authoritative for a domain.",{"term":1947,"anchor":1099,"definition":1948},"Evaluation harness","Reusable infrastructure for running tests, datasets, model\u002Fprompt versions and metrics; domain acceptance remains solution-specific.",{"term":1950,"anchor":1103,"definition":1951},"Control plane","The configuration and governance layer that manages platform capabilities, identities, policies, quotas, versions and deployment state.",{"id":1106,"data":1953,"type":42},{"text":1954,"level":242},"Primary sources and current architecture guidance",{"id":1110,"data":1956,"type":218},{"text":1957},"The sources below support the general architecture and production-platform claims. The Aaasaasa AI Client, Aaasaasa AI CMS and Source of Truth Research Engine sections are explicitly original implementation evidence. Current-state external references were checked on 8 October 2026.",{"id":1114,"data":1959,"type":1026},{"link":1116,"meta":1960},{"image":1961,"title":1962,"description":1963},{"url":1023},"ISO\u002FIEC\u002FIEEE 42010:2022 — Architecture Description","Current published international standard for architecture-description concepts and relationships.",{"id":1122,"data":1965,"type":1026},{"link":1124,"meta":1966},{"image":1967,"title":1968,"description":1969},{"url":1023},"NIST AI Risk Management Framework","NIST's AI RMF resources and current status; AI RMF 1.0 is under revision as of October 2026.",{"id":1130,"data":1971,"type":1026},{"link":1132,"meta":1972},{"image":1973,"title":1974,"description":1975},{"url":1023},"NIST AI 600-1 — Generative AI Profile","Generative AI profile for applying AI risk-management considerations across the AI lifecycle.",{"id":1138,"data":1977,"type":1026},{"link":1140,"meta":1978},{"image":1979,"title":1980,"description":1981},{"url":1023},"Microsoft Azure Well-Architected — AI Workloads","Current architectural guidance covering AI application, data, operations, evaluation, responsible AI and lifecycle concerns.",{"id":1146,"data":1983,"type":1026},{"link":1148,"meta":1984},{"image":1985,"title":1986,"description":1987},{"url":1023},"Microsoft — Design Principles for AI Workloads","Current guidance on identity segmentation, security boundaries, telemetry, performance, data and platform trade-offs.",{"id":1154,"data":1989,"type":1026},{"link":1156,"meta":1990},{"image":1991,"title":1992,"description":1993},{"url":1023},"Microsoft Foundry — AI Gateway Architecture","Current AI Gateway guidance for shared project access, token containment, quotas and governance.",{"id":1162,"data":1995,"type":1026},{"link":1164,"meta":1996},{"image":1997,"title":1998,"description":1999},{"url":1023},"Azure Architecture Center — Access Models Through a Gateway","Architecture guidance for centralized model access, routing, throttling, failover and client\u002Fplatform responsibilities.",{"id":1170,"data":2001,"type":1026},{"link":1172,"meta":2002},{"image":2003,"title":2004,"description":2005},{"url":1023},"AWS Well-Architected — Generative AI Lens","Current production architecture guidance for generative AI workloads across security, reliability, operations, performance and cost.",{"id":1178,"data":2007,"type":1026},{"link":1180,"meta":2008},{"image":2009,"title":2010,"description":2011},{"url":1023},"AWS — Multi-tenant Generative AI Platform Scenario","Current example separating central platform controls and auditability from consuming-application data quality and workload-specific responsibilities.",{"id":1186,"data":2013,"type":1026},{"link":1188,"meta":2014},{"image":2015,"title":2016,"description":2017},{"url":1023},"AWS Well-Architected — Agentic AI Design Principles","Current guidance on bounded agent authority, traceability, versioned behavior, explicit contracts and human oversight.",{"id":1194,"data":2019,"type":1026},{"link":1196,"meta":2020},{"image":2021,"title":2022,"description":2023},{"url":1023},"AWS CloudWatch — Generative AI Observability","Current observability capabilities and production metrics for models, agents, knowledge bases, tools and cost\u002Flatency\u002Ferror analysis.","2.31.0","An AI Platform Architect designs reusable AI foundations across models, providers, retrieval, agents, identity, security, evaluation, observability and operations.",{"lang":7,"title":208,"content":210,"contentJson":2027,"excerpt":1202},{"time":212,"blocks":2028,"version":1201},[2029,2031,2033,2035,2037,2039,2041,2043,2045,2061,2063,2065,2067,2069,2078,2080,2082,2084,2086,2096,2098,2100,2102,2104,2106,2108,2110,2112,2114,2116,2118,2120,2122,2124,2126,2128,2130,2132,2134,2136,2138,2140,2142,2144,2146,2148,2150,2152,2154,2156,2158,2160,2162,2164,2166,2168,2170,2177,2179,2181,2194,2196,2214,2216,2226,2228,2230,2232,2234,2236,2238,2240,2249,2251,2253,2255,2257,2259,2261,2263,2265,2267,2269,2271,2273,2275,2277,2279,2281,2293,2295,2308,2310,2323,2325,2327,2329,2331,2333,2335,2337,2339,2341,2343,2359,2361,2363,2365,2367,2369,2371,2373,2377,2379,2381,2390,2392,2403,2405,2407,2411,2415,2419,2423,2427,2431,2435,2439,2443,2447],{"id":215,"data":2030,"type":218},{"text":217},{"id":220,"data":2032,"type":225},{"body":222,"title":223,"variant":224},{"id":227,"data":2034,"type":225},{"body":229,"title":230,"variant":231},{"id":233,"data":2036,"type":225},{"body":235,"title":236,"variant":231},{"id":238,"data":2038,"type":243},{"title":240,"maxLevel":241,"minLevel":242},{"id":245,"data":2040,"type":42},{"text":247,"level":242},{"id":249,"data":2042,"type":218},{"text":251},{"id":253,"data":2044,"type":218},{"text":255},{"id":257,"data":2046,"type":299},{"rows":2047,"title":290,"layout":291,"columns":2058},[2048,2050,2052,2054,2056],{"id":261,"label":262,"values":2049},{"platform":264,"solution":265},{"id":267,"label":268,"values":2051},{"platform":270,"solution":271},{"id":273,"label":274,"values":2053},{"platform":276,"solution":277},{"id":279,"label":280,"values":2055},{"platform":282,"solution":283},{"id":285,"label":286,"values":2057},{"platform":288,"solution":289},[2059,2060],{"id":294,"label":295},{"id":297,"label":298},{"id":301,"data":2062,"type":42},{"text":303,"level":242},{"id":305,"data":2064,"type":218},{"text":307},{"id":309,"data":2066,"type":218},{"text":311},{"id":313,"data":2068,"type":218},{"text":315},{"id":317,"data":2070,"type":340},{"steps":2071,"title":338,"orientation":339},[2072,2073,2074,2075,2076,2077],{"label":321,"description":322},{"label":324,"description":325},{"label":327,"description":328},{"label":330,"description":331},{"label":333,"description":334},{"label":336,"description":337},{"id":342,"data":2079,"type":42},{"text":344,"level":242},{"id":346,"data":2081,"type":218},{"text":348},{"id":350,"data":2083,"type":218},{"text":352},{"id":354,"data":2085,"type":42},{"text":356,"level":242},{"id":358,"data":2087,"type":291},{"content":2088,"stretched":43,"withHeadings":14},[2089,2090,2091,2092,2093,2094,2095],[362,363,364],[366,367,368],[370,371,372],[374,375,376],[378,379,380],[280,382,383],[385,386,387],{"id":389,"data":2097,"type":225},{"body":391,"title":392,"variant":393},{"id":395,"data":2099,"type":42},{"text":397,"level":242},{"id":399,"data":2101,"type":42},{"text":401,"level":241},{"id":403,"data":2103,"type":218},{"text":405},{"id":407,"data":2105,"type":218},{"text":409},{"id":411,"data":2107,"type":225},{"body":413,"title":414,"variant":415},{"id":417,"data":2109,"type":42},{"text":419,"level":241},{"id":421,"data":2111,"type":218},{"text":423},{"id":425,"data":2113,"type":218},{"text":427},{"id":429,"data":2115,"type":218},{"text":431},{"id":433,"data":2117,"type":42},{"text":435,"level":241},{"id":437,"data":2119,"type":218},{"text":439},{"id":441,"data":2121,"type":218},{"text":443},{"id":445,"data":2123,"type":218},{"text":447},{"id":449,"data":2125,"type":42},{"text":451,"level":241},{"id":453,"data":2127,"type":218},{"text":455},{"id":457,"data":2129,"type":218},{"text":459},{"id":461,"data":2131,"type":218},{"text":463},{"id":465,"data":2133,"type":42},{"text":467,"level":241},{"id":469,"data":2135,"type":218},{"text":471},{"id":473,"data":2137,"type":218},{"text":475},{"id":477,"data":2139,"type":218},{"text":479},{"id":481,"data":2141,"type":42},{"text":483,"level":241},{"id":485,"data":2143,"type":218},{"text":487},{"id":489,"data":2145,"type":218},{"text":491},{"id":493,"data":2147,"type":42},{"text":495,"level":241},{"id":497,"data":2149,"type":218},{"text":499},{"id":501,"data":2151,"type":218},{"text":503},{"id":505,"data":2153,"type":218},{"text":507},{"id":509,"data":2155,"type":42},{"text":511,"level":241},{"id":513,"data":2157,"type":218},{"text":515},{"id":517,"data":2159,"type":218},{"text":519},{"id":521,"data":2161,"type":42},{"text":523,"level":241},{"id":525,"data":2163,"type":218},{"text":527},{"id":529,"data":2165,"type":218},{"text":531},{"id":533,"data":2167,"type":42},{"text":535,"level":242},{"id":537,"data":2169,"type":225},{"body":539,"title":540,"variant":231},{"id":542,"data":2171,"type":291},{"content":2172,"stretched":43,"withHeadings":14},[2173,2174,2175,2176],[546,547,548],[550,551,552],[554,555,556],[558,559,560],{"id":562,"data":2178,"type":218},{"text":564},{"id":566,"data":2180,"type":42},{"text":568,"level":242},{"id":570,"data":2182,"type":291},{"content":2183,"stretched":43,"withHeadings":14},[2184,2185,2186,2187,2188,2189,2190,2191,2192,2193],[574,575],[577,578],[580,581],[583,584],[586,587],[589,590],[592,593],[595,596],[598,599],[601,602],{"id":604,"data":2195,"type":42},{"text":606,"level":242},{"id":608,"data":2197,"type":299},{"rows":2198,"title":647,"layout":291,"columns":2211},[2199,2201,2203,2205,2207,2209],{"id":612,"label":613,"values":2200},{"pressureA":615,"pressureB":616},{"id":618,"label":619,"values":2202},{"pressureA":621,"pressureB":622},{"id":624,"label":625,"values":2204},{"pressureA":627,"pressureB":628},{"id":630,"label":631,"values":2206},{"pressureA":633,"pressureB":634},{"id":636,"label":637,"values":2208},{"pressureA":639,"pressureB":640},{"id":642,"label":643,"values":2210},{"pressureA":645,"pressureB":646},[2212,2213],{"id":650,"label":651},{"id":653,"label":654},{"id":656,"data":2215,"type":42},{"text":658,"level":242},{"id":660,"data":2217,"type":291},{"content":2218,"stretched":43,"withHeadings":14},[2219,2220,2221,2222,2223,2224,2225],[664,665],[295,667],[298,669],[671,672],[674,675],[677,678],[680,681],{"id":683,"data":2227,"type":218},{"text":685},{"id":687,"data":2229,"type":42},{"text":689,"level":242},{"id":691,"data":2231,"type":225},{"body":693,"title":694,"variant":231},{"id":696,"data":2233,"type":42},{"text":698,"level":241},{"id":700,"data":2235,"type":218},{"text":702},{"id":704,"data":2237,"type":218},{"text":706},{"id":708,"data":2239,"type":218},{"text":710},{"id":712,"data":2241,"type":291},{"content":2242,"stretched":43,"withHeadings":14},[2243,2244,2245,2246,2247,2248],[716,717],[719,720],[722,723],[725,726],[728,729],[731,732],{"id":734,"data":2250,"type":42},{"text":736,"level":241},{"id":738,"data":2252,"type":218},{"text":740},{"id":742,"data":2254,"type":218},{"text":744},{"id":746,"data":2256,"type":218},{"text":748},{"id":750,"data":2258,"type":42},{"text":752,"level":241},{"id":754,"data":2260,"type":218},{"text":756},{"id":758,"data":2262,"type":218},{"text":760},{"id":762,"data":2264,"type":218},{"text":764},{"id":766,"data":2266,"type":225},{"body":768,"title":769,"variant":393},{"id":771,"data":2268,"type":42},{"text":773,"level":242},{"id":775,"data":2270,"type":218},{"text":777},{"id":779,"data":2272,"type":218},{"text":781},{"id":783,"data":2274,"type":218},{"text":785},{"id":787,"data":2276,"type":218},{"text":789},{"id":791,"data":2278,"type":218},{"text":793},{"id":795,"data":2280,"type":42},{"text":797,"level":242},{"id":799,"data":2282,"type":291},{"content":2283,"stretched":43,"withHeadings":14},[2284,2285,2286,2287,2288,2289,2290,2291,2292],[803,804],[806,807],[809,810],[812,813],[815,816],[818,819],[821,822],[824,825],[827,828],{"id":830,"data":2294,"type":42},{"text":832,"level":242},{"id":834,"data":2296,"type":291},{"content":2297,"stretched":43,"withHeadings":14},[2298,2299,2300,2301,2302,2303,2304,2305,2306,2307],[838,839],[841,842],[844,845],[847,848],[850,851],[853,854],[856,857],[859,860],[862,863],[865,866],{"id":868,"data":2309,"type":42},{"text":870,"level":242},{"id":872,"data":2311,"type":340},{"steps":2312,"title":905,"orientation":339},[2313,2314,2315,2316,2317,2318,2319,2320,2321,2322],{"label":876,"description":877},{"label":879,"description":880},{"label":882,"description":883},{"label":885,"description":886},{"label":888,"description":889},{"label":891,"description":892},{"label":894,"description":895},{"label":897,"description":898},{"label":900,"description":901},{"label":903,"description":904},{"id":907,"data":2324,"type":42},{"text":909,"level":242},{"id":911,"data":2326,"type":218},{"text":913},{"id":915,"data":2328,"type":218},{"text":917},{"id":919,"data":2330,"type":218},{"text":921},{"id":923,"data":2332,"type":218},{"text":925},{"id":927,"data":2334,"type":218},{"text":929},{"id":931,"data":2336,"type":42},{"text":933,"level":242},{"id":935,"data":2338,"type":218},{"text":937},{"id":939,"data":2340,"type":218},{"text":941},{"id":943,"data":2342,"type":42},{"text":945,"level":242},{"id":947,"data":2344,"type":291},{"content":2345,"stretched":43,"withHeadings":14},[2346,2347,2348,2349,2350,2351,2352,2353,2354,2355,2356,2357,2358],[951,952],[954,955],[957,958],[960,961],[963,964],[966,967],[969,970],[972,973],[975,976],[978,979],[981,982],[984,985],[987,988],{"id":990,"data":2360,"type":42},{"text":992,"level":242},{"id":994,"data":2362,"type":218},{"text":996},{"id":998,"data":2364,"type":218},{"text":1000},{"id":1002,"data":2366,"type":218},{"text":1004},{"id":1006,"data":2368,"type":42},{"text":1008,"level":242},{"id":1010,"data":2370,"type":218},{"text":1012},{"id":1014,"data":2372,"type":218},{"text":1016},{"id":1018,"data":2374,"type":1026},{"link":1020,"meta":2375},{"image":2376,"title":1024,"description":1025},{"url":1023},{"id":1028,"data":2378,"type":218},{"text":1030},{"id":1032,"data":2380,"type":42},{"text":1034,"level":242},{"id":1036,"data":2382,"type":1036},{"items":2383,"title":1063},[2384,2385,2386,2387,2388,2389],{"id":1040,"answer":1041,"question":1042},{"id":1044,"answer":1045,"question":1046},{"id":1048,"answer":1049,"question":1050},{"id":1052,"answer":1053,"question":1054},{"id":1056,"answer":1057,"question":1058},{"id":1060,"answer":1061,"question":1062},{"id":1065,"data":2391,"type":42},{"text":1067,"level":242},{"id":1069,"data":2393,"type":1069},{"title":1071,"entries":2394},[2395,2396,2397,2398,2399,2400,2401,2402],{"term":1074,"anchor":1075,"definition":1076},{"term":1078,"anchor":1079,"definition":1080},{"term":1082,"anchor":1083,"definition":1084},{"term":1086,"anchor":1087,"definition":1088},{"term":1090,"anchor":1091,"definition":1092},{"term":1094,"anchor":1095,"definition":1096},{"term":1098,"anchor":1099,"definition":1100},{"term":1102,"anchor":1103,"definition":1104},{"id":1106,"data":2404,"type":42},{"text":1108,"level":242},{"id":1110,"data":2406,"type":218},{"text":1112},{"id":1114,"data":2408,"type":1026},{"link":1116,"meta":2409},{"image":2410,"title":1119,"description":1120},{"url":1023},{"id":1122,"data":2412,"type":1026},{"link":1124,"meta":2413},{"image":2414,"title":1127,"description":1128},{"url":1023},{"id":1130,"data":2416,"type":1026},{"link":1132,"meta":2417},{"image":2418,"title":1135,"description":1136},{"url":1023},{"id":1138,"data":2420,"type":1026},{"link":1140,"meta":2421},{"image":2422,"title":1143,"description":1144},{"url":1023},{"id":1146,"data":2424,"type":1026},{"link":1148,"meta":2425},{"image":2426,"title":1151,"description":1152},{"url":1023},{"id":1154,"data":2428,"type":1026},{"link":1156,"meta":2429},{"image":2430,"title":1159,"description":1160},{"url":1023},{"id":1162,"data":2432,"type":1026},{"link":1164,"meta":2433},{"image":2434,"title":1167,"description":1168},{"url":1023},{"id":1170,"data":2436,"type":1026},{"link":1172,"meta":2437},{"image":2438,"title":1175,"description":1176},{"url":1023},{"id":1178,"data":2440,"type":1026},{"link":1180,"meta":2441},{"image":2442,"title":1183,"description":1184},{"url":1023},{"id":1186,"data":2444,"type":1026},{"link":1188,"meta":2445},{"image":2446,"title":1191,"description":1192},{"url":1023},{"id":1194,"data":2448,"type":1026},{"link":1196,"meta":2449},{"image":2450,"title":1199,"description":1200},{"url":1023},"Post erfolgreich abgerufen",{"items":2453,"source":2538,"manualIds":2539,"manualMatchedIds":2540},[2454,2461,2468,2475,2482,2489,2496,2503,2510,2517,2524,2531],{"id":2455,"slug":2456,"title":2457,"excerpt":2458,"featuredImage":2459,"publishedAt":2460},"467","the-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","El límite de validez de la respuesta: la capa faltante entre la relevancia y las respuestas fiables de la IA","Una fuente puede ser relevante, autorizada y aun así ser incorrecta para la pregunta que se plantea. La capa que falta es la aplicabilidad: las condiciones bajo las cuales una respuesta es válida y los cambios que obligan a reconsiderarla. Este artículo presenta el Límite de Validez de la Respuesta como un patrón de diseño de fuentes para personas, sistemas de búsqueda con IA y sistemas RAG.","\u002Fuploads\u002F2026\u002F09\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers-1790272901306-1g5jly.webp","2026-09-24T11:59:00.000Z",{"id":2462,"slug":2463,"title":2464,"excerpt":2465,"featuredImage":2466,"publishedAt":2467},"489","agentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act","IA agéntica explicada: cuando un sistema de IA puede planificar, usar herramientas y actuar","La IA agéntica utiliza modelos dentro de bucles de ejecución de varios pasos, donde pueden elegir herramientas, observar resultados, actualizar el estado y adaptar su siguiente acción dentro de límites explícitos de tiempo de ejecución y permisos.","\u002Fuploads\u002F2026\u002F10\u002Fagentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act-1791481499084-wnji2a.webp","2026-10-08T11:43:00.000Z",{"id":2469,"slug":2470,"title":2471,"excerpt":2472,"featuredImage":2473,"publishedAt":2474},"470","what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","¿Qué debería recordar, olvidar, recalcular o volver a recuperar un agente de IA?","Los agentes de larga duración no deberían recordarlo todo. Este artículo proporciona un modelo práctico de ciclo de vida para decidir qué pertenece a la memoria duradera, qué se debería recuperar de nuevo, qué es más seguro recalcular y qué debería expirar o ser sustituido.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again-1790351131087-iehz28.webp","2026-09-25T09:43:00.000Z",{"id":2476,"slug":2477,"title":2478,"excerpt":2479,"featuredImage":2480,"publishedAt":2481},"485","enterprise-ai-architecture-what-changes-when-ai-enters-a-company","Arquitectura de IA empresarial: qué cambia cuando la IA entra en una empresa","La arquitectura de IA empresarial explica cómo la IA cambia los sistemas de la empresa en materia de autoridad sobre los datos, identidad, permisos, proveedores, riesgo, gobernanza, evaluación, cumplimiento y operaciones.","\u002Fuploads\u002F2026\u002F10\u002Fenterprise-ai-architecture-what-changes-when-ai-enters-a-company-1791478161363-czrwaq.webp","2026-10-08T10:48:00.000Z",{"id":2483,"slug":2484,"title":2485,"excerpt":2486,"featuredImage":2487,"publishedAt":2488},"471","how-to-know-whether-an-ai-agent-actually-used-the-right-evidence","Cómo saber si un agente de IA realmente utilizó la evidencia correcta","Un agente de IA puede citar fuentes y aun así usar la evidencia incorrecta. Este artículo presenta un método práctico para verificar el respaldo de las afirmaciones, la autoridad de la fuente, la aplicabilidad, la procedencia y si la evidencia realmente influyó en la respuesta.","\u002Fuploads\u002F2026\u002F09\u002Fhow-to-know-whether-an-ai-agent-actually-used-the-right-evidence-1790351317188-o5z9ve.webp","2026-09-25T11:47:00.000Z",{"id":2490,"slug":2491,"title":2492,"excerpt":2493,"featuredImage":2494,"publishedAt":2495},"480","when-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger","¿Cuándo debería una IA dejar de confiar en su propio conocimiento? — El desencadenante de la recuperación","Un modelo de IA no necesita recuperación para cada pregunta. El problema importante es saber cuándo su conocimiento interno ya no es suficiente. El Disparador de Recuperación es un límite de decisión práctico que determina cuándo un sistema de IA debe dejar de depender únicamente del conocimiento del modelo y obtener evidencia externa antes de responder.","\u002Fuploads\u002F2026\u002F09\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger-1790574991244-f4rpyg.webp","2026-09-28T01:49:00.000Z",{"id":2497,"slug":2498,"title":2499,"excerpt":2500,"featuredImage":2501,"publishedAt":2502},"476","mcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained","MCP vs A2A vs UCP vs AP2 vs A2UI: La pila de protocolos de agentes explicada","MCP, A2A, UCP, AP2 y A2UI a menudo se presentan como estándares de agentes competidores. En su mayoría, resuelven diferentes problemas de interoperabilidad. Esta guía mapea cada protocolo con el límite que realmente estandariza—y muestra cómo pueden funcionar juntos en un sistema de producción.","\u002Fuploads\u002F2026\u002F09\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained-1790352625869-2ezle0.webp","2026-09-25T12:09:00.000Z",{"id":2504,"slug":2505,"title":2506,"excerpt":2507,"featuredImage":2508,"publishedAt":2509},"481","generative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing","IA generativa explicada: modelos, recuperación, herramientas y aplicaciones no son lo mismo","La IA generativa es más que un modelo. Aprende cómo los modelos, la recuperación, las herramientas, el contexto, los entornos de ejecución y las aplicaciones encajan en los sistemas de IA en producción.","\u002Fuploads\u002F2026\u002F10\u002Fgenerative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing-1791475411822-pp0dvz.webp","2026-10-08T12:00:00.000Z",{"id":2511,"slug":2512,"title":2513,"excerpt":2514,"featuredImage":2515,"publishedAt":2516},"487","vector-databases-embeddings-and-reranking-three-different-parts-of-retrieval","Bases de datos vectoriales, embeddings y reranking: tres partes diferentes de la recuperación","Las incrustaciones representan el significado, las bases de datos vectoriales recuperan candidatos y los rerankers refinan los resultados. Aprende en qué se diferencian y cómo trabajan juntas estas tres capas de recuperación en RAG.","\u002Fuploads\u002F2026\u002F10\u002Fvector-databases-embeddings-and-reranking-three-different-parts-of-retrieval-1791480129884-9dtasz.webp","2026-10-08T11:21:00.000Z",{"id":2518,"slug":2519,"title":2520,"excerpt":2521,"featuredImage":2522,"publishedAt":2523},"483","what-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs","¿Qué es un arquitecto de soluciones de IA? Límites del sistema, responsabilidades y compensaciones","Un Arquitecto de Soluciones de IA convierte los requisitos empresariales en un sistema de IA listo para producción que abarca datos, modelos, herramientas, seguridad, tiempo de ejecución, evaluación y operaciones.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs-1791476643267-1st5xz.webp","2026-10-08T12:23:00.000Z",{"id":2525,"slug":2526,"title":2527,"excerpt":2528,"featuredImage":2529,"publishedAt":2530},"486","source-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from","Fuente de verdad en los sistemas de IA: de dónde proviene realmente el conocimiento fiable","Una fuente de verdad define qué fuente es autoritativa para un hecho o estado específico. Aprende en qué se diferencia de RAG, la procedencia, la memoria, el contexto, las bases de datos vectoriales y los sistemas de registro.","\u002Fuploads\u002F2026\u002F10\u002Fsource-of-truth-in-ai-systems-where-reliable-knowledge-actually-comes-from-1791479103235-6bq9em.webp","2026-10-08T13:02:00.000Z",{"id":2532,"slug":2533,"title":2534,"excerpt":2535,"featuredImage":2536,"publishedAt":2537},"492","mcp-explained-what-it-connects-what-it-does-not-do-and-where-it-fits","MCP explicado: qué conecta, qué no hace y dónde encaja","El Protocolo de Contexto de Modelo conecta aplicaciones de IA con herramientas, recursos y prompts externos a través de un límite estándar cliente-servidor. Aprende qué hace MCP, qué no hace y dónde encaja en la arquitectura de agentes.","\u002Fuploads\u002F2026\u002F10\u002Fmcp-explained-what-it-connects-what-it-does-not-do-and-where-it-fits-1791486640275-7ub1cq.webp","2026-10-08T15:09:00.000Z","fallback",[],[]]