Keertan Zala dirige la gestión de productos en Motadata. Aquí, habla sobre MIRA, la IA con capacidad de gestión de agentes que la empresa está incorporando a ServiceOps y ObserveOps, y sobre dos aspectos que los líderes de TI querrán saber: de dónde provienen sus respuestas y quién la controla.
Ahmedabad, 21 de octubre de 2026. Motadata, empresa global de software para operaciones de TI, se prepara para integrar la IA agente en sus dos plataformas: ServiceOps para la gestión de servicios de TI y ObserveOps para la observabilidad. Su nombre es MIRA, acrónimo de Motadata Intelligent Reasoning Agent, y su lanzamiento está previsto para los próximos meses.
Ya sea para analizar un ticket o un servidor, MIRA trabaja a partir del contexto que tiene delante. Luego, ayuda al personal de TI a decidir qué hacer. Los clientes lo verán en dos lugares:
- En ServiceOps: a través de MIRA, los agentes pueden localizar y actualizar solicitudes, marcar duplicados, investigar una solución y redactar una respuesta para que el técnico la envíe.
- En ObserveOps: MIRA proporciona información sobre el estado de la infraestructura monitorizada, como el uso de la CPU y la memoria, dentro de la plataforma.
Keertan Zala dirige la gestión de productos en Motadata. Explica que el desarrollo de MIRA comenzó con una pregunta: ¿dónde pierden tiempo los equipos de TI?
Adónde va el tiempo
«Cuando analizamos detenidamente el funcionamiento de los servicios de asistencia técnica, la parte más lenta rara vez era la solución en sí», afirma Keertan. «Eran todos los pasos previos. Un técnico abre una solicitud larga y tiene que averiguar a dónde va, qué equipo es responsable y si ya se ha registrado».
«Luego buscan en la base de conocimientos y redactan una respuesta. Cada uno de esos pasos es pequeño, pero en conjunto ocupan una gran parte del día de un técnico. Ese es el trabajo que queríamos que MIRA asumiera.»
El mismo razonamiento explica por qué Motadata integró MIRA directamente en ambas plataformas. «Si un técnico tiene que copiar un ticket en otra aplicación para obtener ayuda, gran parte del valor se pierde en el cambio», afirma Keertan. «MIRA debe funcionar dentro de las herramientas que los técnicos ya utilizan y comprender el contexto del registro que tienen delante».
Cómo funciona MIRA dentro del servicio de asistencia técnica
En ServiceOps , los agentes que se ejecutan en MIRA se configuran en AI Studio. Cada agente recibe tres elementos: un rol, un conjunto de fuentes de conocimiento a las que puede acceder y una lista de herramientas que puede usar. Existe un catálogo de agentes predefinidos para empezar, y los equipos también pueden crear los suyos propios.
Los agentes también pueden agruparse. En un grupo, un agente gerente asigna partes de una tarea a agentes especialistas. Keertan explica por qué este modelo es importante para el trabajo que involucra a varios departamentos.
«A un asistente general le cuesta gestionar el trabajo que involucra a varios departamentos», comenta. «Por ejemplo, la incorporación de nuevos empleados. Informática, Recursos Humanos y el departamento de instalaciones participan en el proceso, así que el agente responsable divide la solicitud y envía cada parte al agente que conoce esa área».
Añade que ese mismo patrón ayuda a gestionar las escaladas de conflictos entre especialistas.
Tanto los técnicos como los usuarios finales acceden a MIRA a través de Ask AI, tanto en el portal de técnicos como en el de soporte. Un técnico puede solicitarle que busque una solicitud, actualice un registro, compruebe si hay duplicados o revise cómo se resolvió un problema similar anteriormente. Cualquier asunto que requiera la opinión de una persona se remite a un técnico.
El enrutamiento funciona de manera diferente. Smart Suggestions entrena un clasificador con las solicitudes anteriores de la propia organización. El resultado es un enrutamiento que se ajusta a la forma en que ese servicio de asistencia específica distribuye el trabajo.
«Cada organización categoriza de manera diferente», señala Keertan. «Un modelo entrenado con su propia historia aprende sus categorías, sus equipos y sus patrones».
Fundamentar las respuestas de MIRA en el conocimiento propio de la organización
Una preocupación común con la IA en el soporte de TI son las respuestas que parecen correctas pero que no tienen fundamento en los sistemas reales de la organización. MIRA aborda esto a través de las Colecciones de Conocimiento, que definen exactamente a qué puede recurrir un agente. Una colección puede combinar tres tipos de fuentes:
- Artículos de la base de conocimientos, que se sincronizan automáticamente;
- documentos cargados en formato PDF, DOCX o TXT;
- MIRA rastrea los sitios web, que pueden sincronizarse periódicamente para mantener el contenido actualizado.
La recuperación utiliza una base de datos vectorial basada en PostgreSQL. Cada artículo, documento o página se convierte en una representación vectorial. Una representación vectorial es una lista de números que representa el significado del texto.
La pregunta del usuario se procesa mediante la misma conversión, y MIRA mide su similitud con el contenido almacenado utilizando la similitud del coseno. El umbral predeterminado para una coincidencia es de 0,70. MIRA devuelve las cinco mejores coincidencias, y este número puede llegar hasta diez.
«Hicimos que la recuperación fuera visible a propósito», dice Keertan. «Los equipos pueden probar una colección antes de adjuntarla a un agente, formulando las preguntas que esperan y viendo qué resultados obtienen. Si la recuperación falla, la respuesta también será incorrecta, por lo que esta verificación es más importante que cualquier ajuste del modelo».
La misma capa de conocimiento sirve de base para las tareas cotidianas del servicio de asistencia técnica:
- Resúmenes con un solo clic de largas conversaciones en foros de discusión;
- Análisis de sentimiento de las solicitudes entrantes;
- respuestas redactadas;
- detección de registros similares o duplicados en solicitudes, problemas, cambios, versiones y la base de conocimientos;
- Un asistente de soluciones que sugiere soluciones a partir de artículos de conocimiento, casos resueltos y fuentes web.
Control antes que capacidad
Keertan afirma que la gobernanza fue un factor determinante en MIRA desde sus inicios. «Los equipos de TI manejan información confidencial de toda la empresa, desde registros de empleados hasta solicitudes de acceso y detalles del sistema», explica. «Los responsables de TI solo activarán una función de IA que puedan controlar».
Los controles funcionan de cinco maneras:
- MIRA se inicia desactivada, y cada portal debe activarse por separado.
- La detección de información de identificación personal (PII) puede enmascarar o bloquear datos personales al entrar en MIRA, al salir de ella, o en ambos casos.
- Los administradores deciden qué temas están prohibidos y qué palabras se bloquean.
- Se realiza un seguimiento de los cambios de configuración.
- Los análisis de gobernanza muestran el consumo de créditos de IA por agente y por equipo.
«Cada organización decide qué puede ver MIRA, qué puede decir y dónde está disponible», afirma Keertan. «Esas decisiones corresponden al cliente».
Las organizaciones chilenas se están preparando para las obligaciones operativas de la Ley 21.719 sobre protección de datos personales. Para ellas, los controles de este tipo se están convirtiendo en parte integral de cualquier evaluación de la IA en sus sistemas internos.
Cómo funciona MIRA en ObserveOps
En el ámbito de ObserveOps , MIRA ofrece a los equipos información detallada sobre el estado de la infraestructura monitorizada, como el uso de CPU y memoria, directamente en la plataforma. Esta plataforma ya integra métricas, registros, flujos, trazas y topología en un solo lugar. Debajo de ella, un marco de aprendizaje profundo diseñado para operaciones de TI detecta anomalías, correlaciona alertas y encuentra las causas raíz, sin necesidad de un periodo de preentrenamiento o calibración inicial.
Keertan considera que MIRA es una IA con capacidad de gestión que opera en ambos lados de las operaciones de TI. «ObserveOps y ServiceOps comparten la misma base de IA, lo que permite que una alerta detectada en ObserveOps se convierta en un ticket en ServiceOps», explica. «MIRA aporta IA con capacidad de gestión a ambos lados de esa transición».
«En ObserveOps, ayuda a los equipos a comprender qué sucede en la infraestructura. En ServiceOps, ayuda al servicio de asistencia a actuar con mayor rapidez. El objetivo es acortar el tiempo que transcurre entre la detección de un problema y su resolución.»
¿Qué sigue?
Motadata prevé lanzar MIRA en los próximos meses, y se compartirán más detalles en el momento del lanzamiento.
«Los equipos de TI se encargan de las decisiones», concluye Keertan. «MIRA asume el trabajo repetitivo entre una solicitud y su resolución, según las normas que cada organización establece».
Acerca de Motadata
Motadata es la marca de Mindarray Systems Pvt. Ltd., una empresa con sede en Ahmedabad, India, que desarrolla dos plataformas de operaciones de TI basadas en IA. Motadata ObserveOps es su plataforma de observabilidad unificada. Motadata ServiceOps es su plataforma de gestión de servicios de TI, alineada con ITIL 4.
Síguenos en redes sociales
Encuéntranos en Google
Equipo Prensa
Portal Innova
