Mantenimiento
Fase: MejorarQue lo que funciona hoy siga funcionando cuando el mundo cambie por debajo.
El mantenimiento mantiene vivos los agentes en producción cuando cambia lo que hay debajo: modelos que se actualizan o se retiran, sistemas que cambian su API, procesos de negocio que evolucionan. La IA no es un proyecto que se entrega y se olvida; es un sistema que se opera.
Qué incluye
- Vigilar cambios de modelo del proveedor (versiones, deprecaciones) y su efecto.
- Actualizar integraciones cuando los sistemas conectados cambian.
- Detectar deriva: cuando la calidad baja porque cambió el mundo, no el código.
- Gestionar versiones y poder volver atrás si un cambio empeora las cosas.
Cuándo la necesitas
- Un agente que iba bien empezó a fallar sin que nadie tocara nada.
- El proveedor va a retirar el modelo que usas y no hay plan.
- Cada cambio en un sistema conectado rompe la integración en silencio.
Cómo se mide
- Tiempo de actividad de los agentes en producción.
- Incidencias por deriva o cambio externo vs. total.
- Tiempo desde que aparece un cambio externo hasta que se absorbe.
Errores comunes
- Tratar el despliegue como el final del proyecto y no asignar dueño de mantenimiento.
- No vigilar las deprecaciones del proveedor hasta que el agente deja de funcionar.
- Cambiar de modelo sin volver a pasar los evals y confiar en que "irá igual".
Preguntas frecuentes
- ¿Por qué un agente que funcionaba empieza a fallar solo?
- Porque el mundo cambia por debajo: el proveedor actualiza el modelo, un sistema conectado cambia su API, o los datos de entrada evolucionan. A eso se le llama deriva, y detectarla a tiempo es parte del mantenimiento.
- ¿Cuánto mantenimiento necesita la IA en producción?
- Más del que la gente espera. Un agente en producción es software vivo con dependencias externas que cambian. Sin mantenimiento, la fiabilidad se degrada sola con el tiempo.
Capacidades relacionadas
Señales recientes
Tendencias, prácticas, herramientas, casos y datos de mercado para esta capacidad, con fuente. Se amplía cada semana.
Prácticas
Los plazos mínimos de aviso de retirada están publicados: seis meses para modelos generales, tres para variantes y dos semanas para preview
OpenAI documenta sus periodos mínimos de aviso antes de retirar un modelo: al menos seis meses para modelos de disponibilidad general, al menos tres meses para variantes especializadas (chat, codex, deep research) y tan poco como dos semanas para modelos preview, con la recomendación explícita de no usar estos últimos en cargas críticas salvo que puedas migrar con ese margen. El aviso llega por correo a quien usa el modelo y queda en la página de deprecaciones. Práctica: tratar esa página como calendario del equipo, abstraer el modelo detrás de una interfaz desde el primer día y presupuestar la migración como coste de operar el agente, no como incidencia.
OpenAI — API deprecations · 2026-10-01 · E2Datos
El 23 de octubre de 2026 OpenAI apaga gpt-4, gpt-3.5-turbo, gpt-4-turbo, o1, o1-pro, o3-mini y o4-mini
OpenAI anunció el 22 de abril de 2026 la retirada de un bloque de modelos antiguos con fecha de apagado el 23 de octubre de 2026: gpt-3.5-turbo y gpt-3.5-turbo-0125, gpt-4 y gpt-4-0613, gpt-4-1106-preview, gpt-4-turbo, gpt-4.1-nano, gpt-4o-2024-05-13, gpt-image-1, o1 y o1-pro, o3-mini, o4-mini y sus versiones afinadas. Cada uno tiene sustituto recomendado publicado. Para mantenimiento esto es una fecha de calendario, no una noticia: cualquier agente en producción que siga apuntando a esos nombres deja de funcionar ese día, y el que migre al sucesor tiene que volver a pasar sus evaluaciones porque el comportamiento cambia aunque la llamada siga respondiendo.
OpenAI — API deprecations · 2026-04-22 · E2¿Te falta cubrir alguna de estas?
Empieza por un assessment: qué capacidades tienes, cuáles te faltan y por dónde da más retorno empezar.
Hablar con nosotros →