Cómo hacer un MCP para su industria

Su IA casi nunca falla solo por el modelo

Los modelos se equivocan, y más cuando no tienen el contexto real de su empresa. Más del 90 % de quienes usan datos en los bancos dice que no tiene a tiempo la información que necesita, y el 81 % señala la calidad del dato como su principal reto (Deloitte, 2025). En seguros de vida, el 52 % dice que su tecnología heredada es el obstáculo principal (Capgemini, 2025). La IA hereda los problemas de su arquitectura: si su equipo no obtiene datos fiables a tiempo, el modelo tampoco.

MCP (Model Context Protocol) es un estándar abierto para conectar la IA con herramientas y datos de su empresa. Se ha vuelto una interfaz ampliamente adoptada, y su gobierno pasó a una fundación abierta. Pero el protocolo, por sí solo, no trae permisos, bitácora ni protección de datos: eso se diseña e implementa alrededor de la conexión, y es ahí donde se decide si un MCP pasa una auditoría o no.

Cómo se hace, sin jerga

Un servidor MCP es una capa entre la IA y sus sistemas. Se diseña con cuatro preguntas:

1. Qué sistema se abre, y solo esa parte.
2. Qué acciones se permiten: consultar primero; las que escriben, con aprobación humana.
3. Con qué identidad: cuando aplica, la de la persona a nombre de quien actúa la IA; cuando se usa una identidad de servicio, con el mínimo privilegio, ligada a la solicitud que la originó y auditada.
4. Qué rastro queda: quién pidió qué, con qué datos y qué respondió el sistema.

Este fragmento ilustra la forma de una herramienta MCP; no muestra los controles de producción:

# Ilustrativo, basado en la documentación oficial de MCP: una herramienta de solo lectura.
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("estatus-de-poliza")

@mcp.tool()
def estatus_poliza(numero: str) -> str:
    """Devuelve el estatus de una póliza. Solo lectura."""
    return consultar_core(numero)

En un entorno regulado, esa misma llamada se ejecuta con identidad delegada, validación de alcance, los datos mínimos y registro auditable. Lo que no se ve en el ejemplo es lo que decide si pasa una auditoría.

Lo que exige un sector regulado

Los riesgos ya están documentados: instrucciones escondidas en los datos que la IA lee, herramientas que prometen una cosa y hacen otra, permisos que crecen sin que nadie lo note. Por eso, desde el primer día:

• Solo lectura primero, y escritura con aprobación humana.
• Actuar a nombre de alguien: que la bitácora diga «la IA consultó esto a nombre de esta persona», no «alguien entró a las 3 a. m.».
• Datos mínimos y protegidos según su clasificación: antes de exponer información a un modelo se definen finalidad, campos permitidos, retención y el tratamiento por terceros.
• Límites de uso y bitácora consultable para el auditor.

¿Su IA hoy puede demostrar a nombre de quién actuó? DevSecOps

Capacidades distintas para cada audiencia

El error caro es dar a la IA un acceso único para todos. Se diseñan capacidades y políticas por audiencia; puede haber uno o varios servidores MCP, según el aislamiento, el riesgo y la regulación.

En canales como WhatsApp, las consultas sensibles requieren vincular la identidad de forma adecuada al riesgo, el consentimiento cuando corresponda, límites a la información que se muestra y una ruta segura para las operaciones de mayor impacto.

Cómo se ve en su industria

Seguros: el agente pregunta «¿ya se pagó el recibo de esta póliza?» y la respuesta sale del sistema de pólizas, sin llamar a cobranza. Hasta el 65 % de las horas de suscripción se pueden automatizar o apoyar con IA (Accenture).

Banca y fintech: el cliente consulta el estatus de su crédito tras validar su identidad; cumplimiento revisa sus alertas con una bitácora reforzada. En bancos que ya lo aplican, la revisión de identidad de clientes nuevos costó 20 % menos y las alertas falsas de lavado bajaron 30 % (BCG, 2025).

Empresas con ERP: «¿por qué no cuadra esta factura?», respondido desde el ERP. Algunos ERP ya exponen sus funciones por MCP respetando los permisos de cada rol; en los demás, construimos el servidor MCP sobre sus APIs actuales.

Retail: existencias por canal, estatus del pedido y devoluciones con confirmación humana; y un catálogo abierto para los agentes de compra. Los clientes que usan el asistente de IA de un gran minorista compran alrededor de 35 % más por pedido (Modern Retail, 2026).

Estas cifras describen estudios o casos de organizaciones específicas; no son una promesa de resultado. Para estimar el impacto en su operación partimos de su volumen, el tiempo por trámite, la tasa de error y el costo actual.

¿Cuál de sus sistemas sería el primero? Integración y APIs

Así lo armamos para usted

• Sobre lo que ya tiene: construimos el servidor MCP para que consuma las interfaces actuales de su core, su ERP o su plataforma de venta, con los mínimos cambios en sus sistemas.
• Y, si ya opera con Retícula, la plataforma se conecta por el mismo MCP: cotización, emisión, cobro y conciliación al alcance de la IA, con sus reglas.
• Nova, la IA de Hábil, atiende por WhatsApp usando las mismas capacidades que su equipo interno.