Arquitectura de IA y LLM

PlaidCloud no tiene una única función de IA. Tiene cuatro formas de acceder a un modelo (el asistente integrado en el producto, Microsoft 365 Copilot, los agentes de programación externos y un paso LLM dentro de un flujo de trabajo) y las cuatro funcionan sobre la misma ruta gobernada. El modelo en sí es intercambiable: Claude, GPT, Gemini, Grok, un recurso de Azure OpenAI en su propia suscripción o un modelo que usted mismo aloje.

Esta sección explica esa arquitectura: qué se ejecuta dónde, qué cruza el límite y por qué.

Las cuatro superficies

Superficie	Quién la usa	Cómo llega el modelo a los datos	Dónde empezar
Asistente de IA integrado	Cualquier persona que trabaje en PlaidCloud	Los agentes propios de PlaidCloud llaman a herramientas internas en su nombre	Weave AI Chat
Microsoft 365 Copilot	Equipos completos, en Teams y Outlook	Un agente publicado inicia sesión de la persona y luego llama al servidor MCP	Microsoft 365 Copilot
Agentes de programación con IA	Analistas y desarrolladores	Su cliente se conecta directamente al servidor MCP mediante OAuth	Primeros pasos
Paso LLM del flujo de trabajo	Canalizaciones desatendidas	En Anthropic, un token limitado a los objetos que usted vincula; en otros proveedores, ningún acceso a datos; consulte las reglas del paso	Paso LLM

Se diferencian en quién conduce y en dónde ocurre la conversación. No se diferencian en lo que el modelo tiene permitido tocar.

Una ruta gobernada

Sea cual sea la superficie por la que llegue una pregunta, se cumplen siempre las mismas cinco cosas.

1. El modelo se ejecuta como una persona, no como la plataforma. Cada solicitud lleva una credencial de corta duración, revocada al terminar, que representa al usuario con la sesión iniciada. No hay una cuenta de servicio compartida con derechos elevados detrás de la IA.

2. Las herramientas son la única vía de entrada. El modelo no puede consultar directamente su Lakehouse. Llama a un catálogo curado de herramientas (buscar, describir, leer, ejecutar, upsert) y cada llamada se comprueba de forma independiente.

3. Sus propios permisos siguen delimitándolo. Una solicitud de IA nunca puede ver ni cambiar algo que usted mismo no pudiera ver o cambiar. La capa de IA restringe el acceso; nunca lo amplía.

4. Un administrador fija el límite máximo, y empieza cerrado. El Acceso del agente de una conexión de LLM comienza en solo lectura. Microsoft 365 Copilot comienza sin nada: hasta que un administrador asigna a alguien un nivel de acceso, una persona con la sesión iniciada no obtiene datos. Son dos mecanismos distintos, pero elevar cualquiera de ellos solo limita lo que la IA puede intentar; nunca amplía lo que usted ya podía alcanzar por sí mismo.

5. Algunas cosas están prohibidas de forma permanente. La configuración de credenciales y conexiones, la administración de identidades y grupos, los cambios en el control de acceso, la publicación y el código implementable nunca pueden ser invocados por una credencial de IA, sin importar lo que haya concedido un administrador, en ningún proveedor. Esas acciones siguen siendo exclusivamente humanas.

Nota

Esto se aplica en el servidor, no en la indicación. Un intento de inyección de indicaciones que convenza al modelo de pedir una herramienta prohibida recibe la misma negativa que un modelo bien comportado.

La vida de una pregunta

Tomemos la pregunta “¿Por qué subió el costo de TI asignado a Atlanta el trimestre pasado?”, formulada desde cualquier superficie:

1. Se emite una credencial para la persona que pregunta, con alcance limitado y de corta duración.

2. Se ponen herramientas a disposición del modelo: se restringen a lo que la pregunta plausiblemente necesita en las superficies que hacen esa restricción, y se descubren desde el catálogo en las que no.

3. La indicación llega al modelo: la pregunta, las reglas permanentes y las descripciones de las herramientas. Todavía no hay datos.

4. El modelo pide datos mediante llamadas a herramientas: resolver la ruta de análisis, leer el esquema, ejecutar el rastreo de asignación, leer las filas de inductores. Cada llamada se comprueba al llegar para verificar los permisos.

5. El modelo responde a partir de lo que recibió, cita la página de documentación si consultó alguna y incluye una señal de confianza y salvedades.

6. La credencial se revoca. Un token capturado no puede reutilizarse cuando termina la solicitud.

El detalle importante es el paso 4: el modelo no tiene sus datos. Pide porciones de ellos, y cada petición se evalúa.

Siguientes lecturas

Proveedores y conexiones de LLMClaude, GPT, Gemini, Grok, Azure OpenAI: una conexión, cuatro adaptadores de ejecución y dos formas de intermediar las herramientas.

Arquitectura de Microsoft 365 CopilotPor qué Copilot necesita un paquete de agente publicado y su propio cliente OAuth, y cómo funcionan los niveles de acceso con denegación predeterminada.

Recuperación, fundamentación y rutas de análisisQué hace realmente RAG aquí, y por qué sus datos de negocio se leen en vivo en lugar de indexarse en un almacén de vectores.

Uso de su propio LLM controladoMantenga los datos propietarios, de salud protegida (PHI) o con confinamiento contractual dentro de una infraestructura que usted controla.

Relacionado

• Respuestas en las que puede confiar: cómo se califican las respuestas y se les añaden salvedades
• Rutas de análisis: nombres sencillos para las tablas sobre las que pregunta su equipo
• Arquitectura de la plataforma: dónde encaja la IA en la plataforma en general