Cómo conectamos un asistente de IA a nuestra base de datos (y lo que casi rompemos en el camino)
19 de octubre de 2026
Si sientes que la IA te está abrumando, no eres el único
Si llegaste hasta acá es porque sientes que las opciones de IA te están abrumando un poco. A mí me pasaba lo mismo: a pesar de ser un usuario muy activo de agentes conversacionales (ChatGPT, Claude, Gemini), sentía que quería hacer una pausa para implementar algo un poco más avanzado — no otra conversación más, sino algo conectado de verdad a un negocio real.
El problema no era el desorden — era evolucionar cómo ya trabajábamos
Si ya me conoces, sabes que no me gusta inflar un problema para justificar una solución: OfeliaCakes —un negocio de e-commerce que conozco bien, es de mi esposa— no tenía un problema de desorden. Tiene un CRM que construí yo mismo hace tiempo, y ahí es fácil encontrar cualquier pedido. Además ya teníamos un dashboard en Power BI para ver ventas y pedidos de un vistazo. Tampoco era un problema de falta de capacidad técnica: yo sé SQL, puedo entrar y consultar lo que haga falta cuando lo necesito.
El tema era otro. Ofelia, que es quien de verdad lleva el día a día del negocio, ya tenía un hábito de trabajo distinto: es una gerente muy orientada a datos, y ya usaba ChatGPT y Claude para generar insights. Pero su proceso era compartir pantallazos del CRM o bajar un Excel y pegarlo en el chat. Funcionaba, pero le tomaba tiempo armar la información resumida, y el análisis que salía de ahí no era tan completo como podría ser.
Entonces la pregunta no fue “¿cómo le pongo IA a esto?” — esa pregunta sola casi siempre termina en una solución que se ve bien en una demo y no sirve para nada en la operación real. La pregunta fue: ¿cómo evoluciono lo que ya funcionaba, para que ella pudiera preguntarle directamente a los datos, en vez de exportar y pegar cada vez?
Por qué elegimos MCP (y no otra cosa)
¿Y por qué específicamente MCP? Principalmente porque Ofelia ya tenía una buena adopción conversando con ChatGPT y Claude — el salto no era convencerla de usar IA, era quitarle el paso manual de exportar datos y resumirlos a mano antes de poder preguntar algo. MCP (Model Context Protocol), un estándar que sacó Anthropic —la empresa detrás de Claude— a finales de 2024, le permite a un asistente de IA consultar sistemas reales de forma controlada, en vez de depender de que alguien le pegue un pantallazo o un Excel. No es magia ni es un modelo de IA distinto — es la capa que define qué puede hacer el asistente y qué no.
Cómo lo construimos: pensado para escalar, no para una demo
Lo que de verdad importó acá no fue crear un usuario de solo lectura en la base de datos —eso lo hace cualquiera en cinco minutos—. Lo que importó fue pensar la infraestructura completa como algo que tenía que aguantar crecer, no como un experimento de fin de semana: separamos el servidor MCP de la capa de autenticación, montamos todo sobre una base de datos administrada en AWS, y dejamos la autenticación por token como la única puerta de entrada antes de darlo por terminado. El usuario de solo lectura es apenas un detalle dentro de esa base — importante, pero no el punto.
El agente conectado por MCP y el dashboard en Power BI no se reemplazan, se complementan: uno es para preguntar algo puntual en el momento, el otro para revisar de un vistazo cómo va el negocio. Puedes ver el detalle completo de la arquitectura en el caso de OfeliaCakes →
Lo que casi se nos sale de las manos
Acá es donde más se nota si esto lo construyó alguien de verdad o si es puro marketing: las primeras versiones eran frágiles en términos de seguridad. Lográbamos resultados —el asistente respondía bien— pero todavía nos quedaba la duda de si, tal como estaba montado, cualquier persona en cualquier lugar del mundo hubiera podido acceder a esa misma información. Esa inquietud fue la que nos llevó a cerrar el acceso con la autenticación por token de la que te hablaba arriba.
Ninguna integración de IA es “automáticamente segura”
Lo que sí te puedo decir con seguridad: nunca prometemos que una integración de este tipo es “automáticamente segura”. No existe eso. La seguridad se diseña caso por caso, según qué sistema estás conectando y qué tan sensible es la información. Si alguien te vende una integración de IA con acceso a datos y no te habla de permisos, de auditoría o de qué pasa si algo falla, yo preguntaría dos veces.
¿Cuándo tiene sentido un agente de IA conectado a tu base de datos?
No depende de qué tan grande sea tu equipo —en OfeliaCakes lo usa una sola persona, Ofelia, y nadie más—. Y es suficiente, porque ella es una gerente data-oriented: alguien que de verdad se apoya en los datos para decidir, no alguien que lo iba a probar una vez y olvidarlo. Si en tu negocio hay una persona así —que ya confía en la IA para pensar mejor, pero hoy pierde tiempo preparando la información antes de poder preguntarle algo útil— ahí es donde esto tiene sentido.
Lo que de verdad rompimos
Al final, lo que de verdad rompimos no fue nada técnico. Rompimos una barrera mental de adopción —la nuestra, sobre qué tan preparados había que estar antes de confiarle a un agente de IA el acceso a datos reales de un negocio— y rompimos también nuestro propio límite de no querer democratizar el acceso a los datos por miedo a perder control. Resulta que se puede abrir esa puerta sin perderlo, si la infraestructura está bien pensada desde el principio.
Hablemos de tu proyecto
Si esto te hizo pensar en algo parecido en tu empresa, hablemos — no para venderte un proyecto de IA porque sí, sino para ver si de verdad tiene sentido para lo que necesitas hoy.