Toyota: Deep Agents y LangSmith, de 6 Meses a 4 Días por Agente
Serie: Arquitectura de Software Avanzada — Parte 19. Un equipo de ~35 personas define el norte de IA para toda una empresa de manufactura. El cuello de botella no era el modelo: era el tiempo y la gente. Toyota lo resolvió con skills reutilizables, un gateway de fallback y observabilidad a nivel de fábrica.
El problema: 6 meses y 6 ingenieros por agente
El equipo de IA empresarial de Toyota Motor North America funciona como una startup interna: ingenieros, arquitectos, product managers y evangelistas. Son la organización que define el norte de IA para toda la empresa, arquitectura los estándares que toda aplicación debe seguir, y construye los productos de IA de mayor prioridad.
Con un mandato de superar un umbral de ROI de seis a siete cifras anuales por proyecto, el team no podía construir tooling desde cero para cada aplicación. Antes de su plataforma actual, lanzar un agente nuevo tomaba 6 meses y 6 ingenieros. Hoy toma 4 días y 1 ingeniero.
La pieza central es ToyotaGPT: una plataforma interna con una librería creciente de agentes custom, específicos por dominio. Los empleados la usan para obtener respuestas fundamentadas en datos internos —de documentación de manufactura a reportes de R&D a registros de cadena de suministro. El acceso está gated por permiso: si un empleado no tiene acceso SharePoint a un dataset, el agente no lo expone.
Skills: el conocimiento no vive en el agente
La decisión arquitectónica clave: en lugar de codificar el dominio dentro de agentes individuales, el equipo construyó una librería de skills reutilizables cubriendo manufactura, cadena de suministro, R&D, branding y más. Esos skills se inyectan en los Deep Agents en runtime, alimentando conocimiento institucional directo al modelo en una forma portátil entre casos de uso.
# El skill se inyecta en runtime; el agente no lo incorpora en su código.
# Mismo skill de "manufactura" sirve a GearPal, R&D GPT y ToyotaGPT por igual.
from langchain.agents import create_deep_agent
class SkillInjector:
"""Carga skills específicos del dominio y los inyecta como contexto del agente."""
def __init__(self, skill_catalog):
self.catalog = skill_catalog # {dominio: [skills]}
def inject(self, domain: str):
return self.catalog.load(domain) # institutional knowledge portable
agent = create_deep_agent(skills=SkillInjector(catalog).inject("manufacturing"))
El resultado es doble: el conocimiento de dominio se versiona y reutiliza, y cuando un técnico veterano se jubila, su expertise no desaparece con él — queda codificado en un skill.
El caso que lo demuestra: GearPal
GearPal da a cualquier técnico una interfaz en lenguaje natural para diagnosticar problemas con cualquier robot o activo en la línea. Un técnico camina, pregunta por qué una máquina está rota y cómo arreglarla, y GearPal extrae diagnósticos, historial de servicio y guía de reparación.
Lo que antes tomaba 5 a 6 horas de diagnóstico se resuelve en 2 a 3 minutos.
Para que GearPal fuera confiable en una línea de producción viva, el equipo agregó un LLM gateway para manejar fallbacks en caso de caída de un proveedor. Y resolvieron un reto técnico de precisión de recuperación: dominios superpuestos (pintura vs. corrosión, asientos vs. cueros) hacían que consultas de "paint" a veces extrajeran de la base de "corrosion". La solución fue un sistema de parallel tool-calling con LangGraph: cuando el agente no encuentra documentos en la herramienta primaria, consulta herramientas secundarias en paralelo y fusiona resultados antes de responder.
# Parallel tool-calling: si la fuente primaria no tiene el documento,
# consulta secundarias en paralelo y fusiona antes de responder.
from langgraph.graph import StateGraph, END
def parallel_fetch(state):
primary = query_primary(state["query"])
if primary["found"]:
return {"results": primary}
# Fallback paralelo sobre fuentes secundarias
secondaries = gather([query_paint, query_corrosion], state["query"])
return {"results": {"merged": merge(secondaries)}}
En R&D, el impacto es igual de contundente: R&D GPT permite a los investigadores consultar todo el material interno de R&D, comprimiendo líneas de tiempo de investigación de ~3 años a 1 año.
Observabilidad como tablero Andon
El tablero Andon es un principio fundacional de manufactura de Toyota: da a todos en el piso una vista en tiempo real de qué está corriendo, qué está fallando y dónde van los recursos. LangSmith es, en palabras del equipo, "el tablero Andon para las aplicaciones de IA de Toyota".
Observabilidad = monitorear agentes + entender fallos de tool call
+ detectar qué PR rompió el pipeline + adopción de features
Esa observabilidad es crítica no solo para construir mejores productos, sino para convencer a los stakeholders de que cada tool es segura. El equipo traza interacciones de agentes individuales, identifica fallos de recuperación y cuantifica patrones de comportamiento entre poblaciones de usuarios: el puente entre la confianza del ingeniero y el sign-off ejecutivo.
Qué cambió en la fábrica
Cada caso de uso de manufactura va camino a entregar al menos seis cifras en ahorros anuales por línea, por tienda y por planta. Extrapolado a la huella de manufactura norteamericana, el equipo proyecta ahorros de varios millones por instalación a medida que el portafolio madura.
Las tres decisiones que separan este caso de un demo:
- Skills sobre encodificación en el agente. El conocimiento vive en una librería portable, inyectada en runtime, en lugar de enterrado en prompts de agentes individuales.
- Gateway de fallback de modelo. La resiliencia ante caídas de proveedor no es un nice-to-have cuando el sistema corre en una línea de producción viva.
- Observabilidad como infraestructura, no como dashboard. El tablero Andon es lo que permite el ciclo de mejora: trazar → identificar fallo → medir adopción → priorizar el siguiente agente.
Para equipos que operan en Go, Python o Kubernetes, la traducción es la misma que vimos en IBM y State Farm: el modelo es la parte fácil; lo que determina si la plataforma entrega valor a escala son los skills reutilizables, la recuperación precisa con fallback paralelo, y una capa de observabilidad que convierta fallos invisibles en tickets accionables. El equipo ya apunta a "AI en el balance general", y por una razón simple: saben medir el delta.