Introducción

Durante años, hemos soñado con herramientas que entiendan lo que queremos y lo hagan por nosotros. Primero fue el no-code, luego el low-code, y ahora estamos viendo algo mucho más potente:

Código que se escribe, se compila y se ejecuta… automáticamente.

  • Sin que tú programes.
  • Sin que sepas SQL.
  • Sin depender de un equipo técnico para cada paso.

En este experimento práctico con .NET 8, GPT-4o, SQL Server y Roslyn, he demostrado que es posible construir agentes inteligentes capaces de:

  • Interpretar preguntas en lenguaje natural

  • Generar SQL sobre bases reales

  • Escribir y ejecutar código C# al vuelo

  • Exportar resultados en segundos

¿Falta mucho para que esto sea común? No.

¿Está listo para producción masiva? Todavía no.

¿Marca un antes y un después? Definitivamente sí.

Ejemplo 1: Consulta dinámica

Escribes esto:

 “How much was sold of product Product_10 in April 2025?”

Y en segundos obtienes:

  • SQL generado automáticamente
    Consulta ejecutada sobre SQL Server
  • Resultado exportado a CSV
  • Sin abrir SSMS. Sin programar. Sin esperar a BI.

Ejemplo 2: Cálculo fiscal en tiempo real

Preguntas:

“What is the total amount before tax for order with ID 1?”

La IA responde con SQL, lo ejecuta y obtiene el subtotal.

Después pides:

 “Generate a C# function that applies 20% French VAT to a subtotal.”

Y obtienes una función compilada en tiempo real con Roslyn que aplica el IVA.

Resultado final: Total con IVA aplicado, listo para usar.

Ejemplos 1 y 2 en GitHub

Ejemplo 3: Multipaís

💬 “What is the value in euros of Product_10 in April 2025 excluding taxes, and also show it including taxes for Japan, Spain, and USA?”

La IA:

  • Detecta los países.

  • Genera funciones GetVat() y GetRate() para cada uno.

  • Calcula el total con IVA y tipo de cambio.

  • Muestra el resultado por país. Automágico.

Ejemplo 3 en GitHub

¿Y ahora qué? Del experimento a la herramienta

Estos ejemplos demuestran el potencial de la IA generativa. Pero el siguiente paso no es pulir el código, sino darle fuentes reales, contexto y modularidad.

¿Quieres llevar esto al siguiente nivel? Aquí tienes cómo:

Usa fuentes reales (RAG)

Conecta tus agentes a repositorios corporativos, APIs, SharePoint o SAP mediante Retrieval-Augmented Generation.

No dependas solo del prompt: hazlo saber de verdad.

Hazlos colaborativos

Implementa un enfoque colaborativo dividiendo las tareas entre agentes especializados y coordinados, basado en un modelo de protocolo de contexto (Model Context Protocol, MCP). Por ejemplo:

  • Un agente para la gestión de datos: Responsable de recopilar, almacenar y actualizar información contextual relevante.
  • Un agente para la lógica: Encargado de tomar decisiones y realizar cálculos basados en el contexto proporcionado.
  • Un agente para la presentación: Diseñado para adaptar la interfaz y la interacción con el usuario según el contexto actual.

El Model Context Protocol (MCP) permite que cada agente entienda y actúe según el contexto compartido, asegurando que sus acciones estén alineadas con los objetivos del sistema. Este enfoque garantiza que los agentes trabajen de forma coordinada en entornos dinámicos y complejos. En caso de necesitar comunicación directa entre agentes, el protocolo puede complementarse con un enfoque Agent-to-Agent (A2A) para maximizar la colaboración.

Empaquétalo como servicio

Haz que estos agentes no solo respondan, sino que expongan endpoints reales o se integren con Power BI, Excel o flujos de aprobación.

Lo importante no es el código

“¡Pero ese código es lento!”,
“Roslyn compila despacio…”,
“No está optimizado…”,
“Yo haría un microservicio para cada cosa…”

Sí. Tienen razón.

Mi código es guarro, sin patrones, sin clean architecture.

Deja de mirar al dedo mientras señalo la luna.

¿Qué está ocurriendo aquí?

Lo que antes era un desarrollo de días o semanas —un informe fiscal, un cálculo de márgenes por país, una simulación de ventas— hoy se genera, compila y ejecuta al instante con IA.

Un asistente en .NET 8 con acceso a Azure OpenAI (GPT-4o) y SQL Server en Docker es capaz de:

Entender una instrucción como:

“¿Cuál fue el total vendido del producto Product_10 en abril de 2025?”

Generar el SQL necesario, ejecutarlo, y mostrar el resultado.

Aplicar reglas fiscales de países como España, Japón o EE.UU.

Generando y compilando dinámicamente código que calcula IVA y tipos de cambio.

Exportar el resultado a CSV o Excel, listos para informes.

Todo con agentes especializados que colaboran:

  • Uno traduce lenguaje a SQL.

  • Otro genera funciones fiscales en C#.

  • Otro presenta el resultado.

Reflexión final

Sí, hay optimizaciones por hacer.

Sí, el código puede mejorarse.

Sí, la arquitectura podría escalarse mejor.

Pero nada de eso invalida lo más importante:

Hemos cruzado un umbral: la IA ya no solo responde… ahora también consulta, calcula… ¡y se programa sola!

Y si este ejemplo casero ya lo hace, imagina lo que hará tu empresa en seis meses.