Modo
Agendar llamada

Las 8 capas de una IA propia: la arquitectura completa

GPT con tu logo no es tu propia IA. Las 8 capas que la hacen van del system prompt y la RAG hasta el caché con router y los evals.

Mateo frente a ocho fichas apiladas, cada una con el nombre de una capa de una IA propia
En esta guía

#Un GPT con tu logo no es tu propia IA

Mateo lo explica con un muñeco en su cuenta @ai._kid. Armar un GPT, subirle tu logo y escribirle una descripción no te da una IA propia. Por abajo sigue siendo el mismo modelo que usa cualquier otra empresa. Responde con el promedio de internet, no con tu negocio real. Lo que separa un modelo genérico de una IA propia de verdad es la guía con las ocho capas de una IA propia. Esas capas son: el modelo, system prompt, RAG, herramientas por MCP, permisos por rol, guardrails, caché con router y observabilidad con evals. Cada capa se agrega arriba de la anterior. Recién con las ocho puestas una empresa puede decir que tiene algo propio.

Esta misma lógica de capas es parte de lo que desarrolla la guía central de Claude e IA para marketing. Ahí el eje no es un sistema comercial de agentes, sino el resto de las notas sobre cómo usar Claude en el día a día de una marca.

inbenta.com propone arrancar por identificar los procesos repetitivos de atención al cliente antes de automatizarlos. Esa es la pregunta de negocio. Esta guía responde la pregunta técnica que viene después: con qué piezas se construye la IA que termina resolviendo eso.

No hay que confundir esto con el sistema de 8 piezas de agentes de IA para marketing. Esa nota describe piezas comerciales: agentes que hacen tareas de marketing. Esta guía describe las capas técnicas con las que cualquiera de esos agentes se construye por adentro.

Ver cómo aplicar esta guía a mi marca

#Las ocho capas en orden

La arquitectura de una IA propia es, justamente, el orden en que se van agregando estas ocho capas sobre el modelo base.

  1. 01 El modelo
    La base que entiende lenguaje y genera texto. Es la parte que compran todos: OpenAI, Anthropic o Google. Entrega: texto genérico, no todavía algo tuyo.
  2. 02 System prompt
    Las instrucciones fijas que le dicen a la IA quién es, qué tono usa y qué no debe hacer en cada conversación nueva. Entrega: un rol definido, no una personalidad al azar.
  3. 03 RAG
    Una base de datos con tu información real (precios, stock, políticas) que la IA consulta antes de responder, en vez de inventar. Entrega: respuestas con tus datos, no con los de internet.
  4. 04 Herramientas por MCP
    Conexiones estándar, por Model Context Protocol, para que la IA pueda consultar o actualizar sistemas reales: un calendario, un CRM, un inventario. Entrega: una acción ejecutada, no solo una respuesta en texto.
  5. 05 Permisos por rol
    Reglas sobre qué puede ver y hacer cada tipo de usuario: un cliente no accede a lo que ve un vendedor interno. Entrega: acceso acotado, no el mismo poder para todos.
  6. 06 Guardrails
    Límites explícitos sobre lo que la IA nunca contesta ni promete, aunque se lo pidan de forma insistente. Entrega: un freno antes del error, no una corrección después.
  7. 07 Caché con router
    Un sistema que reconoce preguntas repetidas y responde desde una copia guardada en vez de volver a consultar el modelo completo cada vez. Entrega: respuestas más baratas y rápidas, no el mismo costo en cada mensaje.
  8. 08 Observabilidad con evals
    Registro de cada conversación y pruebas escritas de antemano que miden si las respuestas siguen siendo correctas después de un cambio. Entrega: un número para saber si mejoró, no una sensación.

El modelo de abajo es el mismo para todos. Lo que se agrega arriba es lo que hace que la IA responda como tu negocio y no como el promedio de internet.

Las primeras tres capas (el modelo, el system prompt y la RAG) son las que más cambian lo que la IA sabe. Las siguientes dos (herramientas por MCP y permisos por rol) son las que le dan permiso para actuar sobre sistemas reales, no solo para hablar. Las últimas tres (guardrails, caché con router y observabilidad con evals) hacen que el sistema se sostenga en producción sin sorpresas de costo ni de contenido.

#GPT con logo contra IA propia, capa por capa

La tabla compara cada capa en dos versiones. Una es un GPT personalizado al que solo le cambiaron el logo. La otra es una IA con las ocho capas armadas.

CapaGPT con tu logoIA propia con las 8 capas
El modeloEl mismo modelo base, sin cambiosEl mismo modelo base, como punto de partida
System promptUna descripción corta, casi decorativaInstrucciones de rol, tono y límites, escritas a propósito
RAGNo consulta tus datos realesResponde con tus precios, stock o historial
Herramientas por MCPSolo conversaPuede consultar o actualizar un sistema real
Permisos por rolMismo acceso para cualquieraAcceso distinto según quién pregunta
GuardrailsDepende de lo que traiga el modelo por defectoLímites explícitos escritos para tu negocio
Caché con routerCada mensaje cuesta lo mismoLas preguntas repetidas salen más baratas
Observabilidad con evalsSin registro de qué respondió ni cuándoPruebas y registros para medir si mejora

La columna de la izquierda es, literalmente, lo que describe el reel: un modelo con un logo encima. La columna de la derecha es a lo que se refiere Mateo cuando habla de una IA propia.

Lo que se cree sobre tener una IA propia
Se diceLo que pasa
Con subir mi logo a un GPT ya tengo mi propia IA.

Cambia la cara, no lo que sabe ni lo que puede hacer. Sin RAG ni herramientas por MCP sigue respondiendo con información genérica.

El system prompt alcanza para que se comporte siempre igual.

El system prompt fija el rol, pero sin guardrails un usuario insistente puede llevarlo fuera de ese rol en una conversación larga.

Si funciona en las pruebas, ya está listo para producción.

Sin observabilidad con evals corridos de forma periódica, no hay forma de notar si un cambio posterior en el modelo o en los datos empeoró las respuestas.

#Quién construye esto en la práctica

Mateo es la cara de AI KID, pero las ocho capas no las arma solo frente a la cámara: las arma con su equipo en Claura, su agencia. Según lo que Mateo declaró el 7 de octubre de 2026, Claura construye agentes de IA que investigan, producen y publican contenido. Esos agentes también prospectan, atienden y califican consultas, y cargan esos datos al CRM. También construye el sitio completo, con su propio design system y landings a medida. Trabaja el SEO y el AEO para traer tráfico desde Google y desde las respuestas de las IA. Y genera landings hiperpersonalizadas según los datos de cada persona que llega. Al mismo 7 de octubre, el equipo de Claura era de 8 personas, con más de 50 clientes recurrentes y cientos de agentes creados e implementados. Es lo que Mateo cuenta de su propio trabajo, no una auditoría de cuántas de esas ocho capas tiene cada cliente puntual.

Si tu equipo prefiere armar las ocho capas con gente propia, antes de pedir ayuda externa conviene practicar con algo más chico. Ordenar qué anuncios cortar, mantener o escalar con Claude es un buen punto de partida. Lo mismo pasa con elegir qué skills de Claude usar para anuncios. Esas tareas chicas sirven para entender cómo se comporta un system prompt y un router de caché, antes de meterlos en algo más grande.

#Lo que esta guía no resuelve

Esta guía no te dice cuánto te va a costar armar las ocho capas. Tampoco cuánto vas a vender gracias a tenerlas: eso depende de tu negocio, de cuántas herramientas por MCP necesitás y de qué tan grande es la base de RAG. Tampoco promete que tu IA propia, una vez armada, aparezca mejor posicionada en Google ni en las respuestas de otra IA. Eso se trabaja aparte, con SEO y AEO, y no es automático por tener las capas técnicas resueltas.

Si lo que buscás es una referencia completa sobre un GPT propio con tus datos, eesel.ai explica el mismo concepto. Lo hace desde el lado de que la IA conozca tu operación en detalle, aunque sin bajarlo a las ocho capas puntuales de esta guía. Y si tu punto de partida todavía es qué proceso automatizar primero, inbenta.com tiene esa guía previa.

Pídeselo a tu agenteClaude o ChatGPT
Quiero aplicar a mi caso la guía "Las 8 capas de una IA propia: la arquitectura completa" de Claura.
Guía: https://claura-ai.com/resources/8-capas-de-una-ia-propia

Mi caso: [a qué me dedico, qué herramientas uso y qué quiero lograr]

La guía cubre:
- Un GPT con tu logo no es tu propia IA
- Las ocho capas en orden
- GPT con logo contra IA propia, capa por capa
- Quién construye esto en la práctica
- Lo que esta guía no resuelve

Lee la guía (si no puedes abrir el link, trabaja con los temas de arriba). Si te falta información sobre mi caso, hazme hasta 3 preguntas antes de empezar. Después arma un plan para aplicar la guía paso a paso a mi caso y dime qué puedo hacer hoy en menos de una hora.

Cópialo y pégalo en tu agente: te pregunta lo que le falta de tu caso y arma el plan con los pasos de esta guía. ¿Prefieres que lo armemos nosotros? Agenda una llamada.

?Preguntas frecuentes sobre las 8 capas de una IA propia

¿Un GPT personalizado con mi logo ya es mi propia IA?

No, porque cambiarle el logo y escribirle una descripción no toca el modelo ni le agrega memoria de tu negocio. Sigue respondiendo con lo que sabe de internet en general, no con tus precios, tu stock o tu historial de clientes. eesel.ai lo plantea así: necesitás una IA que entienda los detalles específicos de tu operación, no una que repita el promedio de las respuestas.

¿Por dónde conviene empezar a armar estas ocho capas?

Por el system prompt y la RAG, porque son las dos capas que más rápido cambian lo que la IA sabe y cómo se comporta sin tocar el modelo. Las herramientas por MCP y los permisos por rol van después, cuando la IA ya tiene que actuar sobre sistemas reales y no solo responder texto. Los guardrails, el caché con router y la observabilidad con evals cierran el sistema antes de dejarlo en producción.

¿Cómo se mide si una IA propia está funcionando bien?

Con observabilidad y evals: registros de cada conversación, qué herramienta usó, cuánto costó y si la respuesta pasó pruebas escritas de antemano con casos reales de tu negocio. Sin ese registro no hay forma de saber si un cambio en el system prompt mejoró o empeoró las respuestas, solo la sensación de quien lo probó una vez.

Más notas de Claude para marketing

Fuentes e inspiración

  • CAPAS
  • capas
  • 8 capas
  • ocho capas
El próximo recurso, directo a tu correo

Un envío al mes con guías de Claude, prompts y automatización. Cero spam.

Para suscribirte, activa JavaScript o escríbenos por correo.

Elegí qué cookies usamos