Cada acción de tus agentes AI — gobernada, auditada y trazable. Trust Score en tiempo real, audit trails inmutables, datos que nunca salen de tu control. CortexGovernor™ es el sistema operativo que hace que la AI enterprise sea confiable por diseño.
Interceptamos la entrada, al agente, al modelo y a cada tool. Validamos la salida afirmación por afirmación antes de liberarla al usuario.
En bancario, salud y seguros, una respuesta incorrecta no es un inconveniente — es una pérdida de confianza, reputación y clientes.
Tasas incorrectas, plazos inexistentes, condiciones que no están en tu contrato. El LLM genera con confianza aunque esté equivocado.
Las soluciones que usan un LLM externo como juez envían tus datos de clientes a servidores en la nube. CortexGovernor valida on-premise, sin salida de datos.
Un LLM juez externo añade una llamada de red completa por cada respuesta. En tiempo real con clientes, eso es inaceptable.
El chatbot se lanza sin saber si el contrato tiene contradicciones internas: tasa 12% + comisión 2% mensual = CAT 36% real declarado como 12%.
Un usuario malicioso puede instruir al LLM para que ignore su contexto, revele información interna o genere respuestas fuera de política.
Cuando los auditores revisen, necesitas demostrar qué respuesta se bloqueó, en qué momento, y por qué. Los logs de texto no son suficientes.
La capa de guardrails y permisos filtra la entrada, exige identidad y permiso antes de cada llamada a una tool, y valida cada afirmación de la respuesta antes de que llegue al usuario. Los datos nunca salen del servidor.
Las capas 0 a 2 actúan antes de gastar tokens. En el paso 3 genera el LLM, y de la capa 4 a la 9 se valida lo generado. Cualquier capa puede detener la respuesta, y nada sale sin pasar la compuerta final.
Detecta y mitiga inyección directa e indirecta, jailbreak, ofuscación, inundación por sesión y corpus alterado. Bloquea antes de que el query llegue al LLM, sin consumir tokens.
Detección de PII (RFC, CURP, tarjeta, email) y políticas deterministas sobre la entrada. Enmascaramiento antes de que el dato llegue al LLM.
¿La consulta está en dominio? ¿Hay evidencia suficiente? Si no la hay, se abstiene antes de llamar al modelo.
Generación en streaming con buffer por afirmación. El Janitor corta la generación si la respuesta empieza a alucinar.
Descompone la respuesta en afirmaciones atómicas y mide cuántas tienen respaldo. La unidad de validación es la afirmación: una oración puede traer unas ciertas y otras falsas.
Clasifica cada afirmación contra el corpus: soportada, contradicha o evidencia insuficiente (NLI local, sin egress). El Canal Verbatim verifica que cada cita textual aparezca palabra por palabra en la fuente — distingue literal, alterada y fabricada. El canal numérico exige que toda cifra exista en la fuente o se derive de ella.
Combina el resultado de los canales: los vetos duros detienen la respuesta y el resto se pondera como riesgo. Un filtro robusto de Kalman por correntropía estabiliza la trayectoria del SI frente a ruido no gaussiano.
Emite, reescribe, reemplaza, se abstiene o escala. Lo corregido vuelve a validarse antes de salir.
Tu contrato convertido a reglas O(1). Motor 1: falsification_triggers (keyword-set). Motor 2: bounds numéricos (tasas, plazos, comisiones). Motor 3: anchor_tokens en Jaccard. Además revisa PII, secretos, esquema y canary en la salida.
Combina los veredictos de todas las capas y libera solo lo aprobado, con su evidencia.
No puntuamos la respuesta y ya. La descomponemos, validamos afirmación por afirmación, corregimos y revalidamos antes de liberar nada.
Una oración puede tener varias afirmaciones — unas ciertas y una falsa. Clasificamos cada una contra el corpus: soportada, contradicha o sin evidencia suficiente. La mentira escondida entre tres verdades no pasa.
No usamos un LLM para juzgar a otro LLM. Combinamos reglas deterministas (cita exacta, límites numéricos, secretos, schema) con clasificadores discriminativos locales versionados. Todo en el servidor del cliente, sin egress.
Cuando una afirmación se contradice, la enviamos a corrección — reemplazo por la cláusula canónica o regeneración — y la corrección vuelve a validarse por completo antes de liberarse. Nada corregido se emite sin revalidar.
No basta validar bien las afirmaciones detectadas. Medimos cuántas afirmaciones reales no detectamos: cobertura de extracción, contenido no analizado, dependencias implícitas, tablas y código.
Separamos tres cosas que casi todos mezclan: el grado de soporte, la confianza del sistema en esa estimación, y la cobertura de evidencia. Un soporte aparente con baja confianza no se emite como verificado.
Una respuesta correcta puede aún disparar una acción peligrosa. Validamos cada llamada a herramienta — allowlist, autorización por tenant, límites, confirmación humana, protección contra replay — antes de ejecutarla.
No toda interacción se valida con la misma profundidad. Un saludo no necesita RAG ni verificación factual. Un router gobernado por políticas —no el agente— decide cuánta validación aplicar, y los controles mínimos de seguridad corren siempre.
| Nivel | Ejemplo | Ruta | Profundidad de validación |
|---|---|---|---|
| Social | "Hola, buenos días" | Fast Path | Respuesta ligera — sin RAG ni validación factual |
| Información | "¿Cuál es el horario?" | Governed ligero | RAG + validación de fuente |
| Sensible | "¿Cuál es la tasa de interés?" | Governed | Hilo Dorado + validación afirmación por afirmación |
| Transaccional | "Transfiere 5000 a la cuenta…" | Governed + acción | + autenticación, gateway de herramientas y verificación posterior |
Nunca es un bypass libre. Aunque sea un saludo, siempre corren: protección contra prompt injection, detección de PII, control de sesión, telemetría y validación de formato. Lo que se omite es la validación profunda de conocimiento, no la seguridad. Si se detecta injection o datos sensibles, la interacción se fuerza al Governed Path.
Ningún competidor tiene esto. CortexGovernor usa tu documento soberano — on-premise, auditable por reguladores, actualizable sin reentrenar.
Tu contrato convertido a YAML. Reglas exactas, sin probabilidad, sin LLM. 0ms de overhead en runtime porque se pre-computa al cargar.
ChromaDB + embeddings. Para cada query, recupera el chunk más relevante del contrato y valida semánticamente.
Los competidores usan otro LLM para juzgar al primero. Nosotros usamos tu contrato.
| 🛡️ CortexGovernor | LLM Externo como juez | Guards Tradicionales | Modelos Entrenados | Métricas Post-hoc | |
|---|---|---|---|---|---|
| Juez de validación | Tu contrato (determinístico) | LLM externo | Validators/regex | Modelo entrenado | Métricas post-hoc |
| Latencia añadida | 0.2ms | 3–10s | ~500ms | ~800ms | Post-hoc (no en tiempo real) |
| Datos salen del servidor | Nunca | Sí — API cloud | Depende | Sí — cloud | Sí — cloud externo |
| Costo por consulta | Cero marginal | Paga por call al LLM juez | Licencia + compute | Paga por request | Por ingesta + alertas |
| Evidencia del bloqueo | Texto exacto interceptado + cláusula | Score + label | Log de texto | Log de texto | Métrica numérica |
| Compliance Regulatorio | Sí — evidencia auditable | No específico MX | No | No | No |
| Prompt injection (8 capas) | Sí | No | Básico | Sí | No |
| Auditoría pre-deploy del contrato | Sí — contradiction engine | No | No | No | No |
| Integración LangGraph nativa | Sí — pocas líneas | Script externo | Módulo separado | No | No |
Una alucinación en un chatbot empresarial genera costos operativos, pérdida de confianza y exposición a riesgos. El sistema se paga solo desde la primera intercepción.
Lo que toma 1–2 días es que alguien de tu equipo — alguien que conozca tus contratos — nos ayude a identificar los errores más críticos. Después, el sistema está calibrado para tu producto, no para un caso genérico.
Si ya usas LangChain o LangGraph, CortexGovernor es un nodo nativo. No cambias tu arquitectura. Solo agregas el filtro.
174 traces reales del demo bancario · on-premise · sin datos a servidores externos
Cada interacción LLM genera una fila en la tabla de trazas. Filtrable por contrato, veredicto y dominio. Exportable como JSON, CSV o Reporte de auditoría.
La fila 182 muestra "ignore previous instructions..." — bloqueada antes de llegar al LLM. Costo: 0 tokens. El Input Entropy Gate actúa en Capa 0.
Cada trace bloqueada con contrato genera evidencia lista para auditoría — timestamp inmutable, veredicto y capa de detección. Export directo desde la tabla.
AI Governance as Code es la práctica de definir, versionar y ejecutar automáticamente las políticas de gobernanza de IA como código — de la misma forma en que Infrastructure as Code transformó la manera en que las empresas gestionan su infraestructura.
Con CortexGovernor™, cada política de seguridad, compliance y control autónomo es un artefacto de software: versionado en git, revisado en pull requests, testeado antes de ir a producción y ejecutado en tiempo real sobre cada acción de cada agente.
Cada política de compliance es código ejecutable, no un documento que nadie lee.
Audit trail inmutable por cada acción de cada agente. Evidencia legal, no promesas.
Las reglas corren en tiempo real. Sin excepciones. Sin intervención manual.
"Your AI policies, running as code — on every action, in real time, with full audit trail."
Cada decisión es trazable, auditable y exportable — no una caja negra
8 dimensiones de confianza, trazables, auditables y exportables para equipos enterprise
Qué documentos, reglas, agentes y razonamiento produjeron la respuesta
Score de coherencia semántica contra el contrato
Qué archivos fuente respaldaron la decisión
Fragmento exacto del documento que respalda la respuesta
Score global: confidence + provenance + compliance + policy validation
Detección frase por frase antes de que llegue al cliente
Scoring de confiabilidad por documento fuente (vigencia, versión, auditoría)
Escalación automática cuando Trust Score < 0.50 — revisión humana obligatoria
CortexGovernor™ no es un validator. Es infraestructura crítica AI on-premise para industrias reguladas.
Explainability · Confidence · Provenance · Citations · Trust Score · Hallucination Detection
✅ ✓ DisponibleIF confidence < 0.7 AND source_reliability < 0.6 THEN require_human_review — YAML rule engine
✓ DisponibleScore de vigencia por documento. Contratos vencidos = riesgo. Compliance regulatorio automático.
✓ DisponibleSHA-256 de prompt + response + policy. No repudiación. Evidencia legal para auditorías.
✓ DisponibleInvestigar decisiones IA, workflows, prompts, agentes, reasoning paths. SIEM para AI.
✓ Disponibledoc → embedding → retrieval → prompt → reasoning → response → action. AI Forensics.
✓ DisponibleAI Asset Registry: modelos, agentes, prompts, tools con versioning, compliance status, deployment history.
✓ DisponibleBloquear intención semántica: data exfiltration, social engineering, hidden intent — AI-native security.
✓ DisponibleGobernar acciones autónomas: transferencias, cambios ERP, tickets, deployments, compras.
✓ DisponibleProtocolo universal tool/agent connectivity. CortexGovernor como MCP server verificado.
✓ DisponibleClaude + GPT + Gemma → Trust Consensus para decisiones críticas en banca y compliance.
✓ DisponibleCapa universal: identity + trust + policies + auditability entre agentes, modelos, herramientas, humanos.
VisiónResultados obtenidos en pruebas controladas con datos reales del cliente.
| Métrica | Resultado | Dataset |
|---|---|---|
| Salud general | 100% | Pruebas internas |
| Alucinaciones detectadas | 30 / 30 | Pruebas internas |
| Falsas alarmas | 0 / 30 | Pruebas internas |
| Latencia añadida | ~0.2ms | Governor frase×frase |
| Validación externa | 100% acuerdo | DeepEval / Ragas + Gemma 4 |
| Injection detection | 100% | 37 tests PromptInjectionGuard |
| Tests unitarios | 327 / 327 | gobierno de agentes y RAG · 2 nov 2026 |
El umbral óptimo se recalcula automáticamente sobre el corpus activo. "Un sistema anti-alucinación que se calibra manualmente ya es una alucinación."
Mide en tiempo real qué tan rápido se desvía el LLM del documento soberano. Combina similitud léxica, semántica y numérica con memoria térmica inter-segmentos.
Cualquier organización que tenga un LLM interactuando con clientes en dominios regulados.
Chatbots de crédito, tarjetas, tasas. Evidencia auditable para reguladores. Mapeo automático a políticas y artículos regulatorios.
Asistentes médicos que no pueden inventar dosis ni contraindicaciones. INSUFFICIENT CONTEXT obliga al sistema a escalar al médico.
Chatbots de pólizas que no pueden inventar coberturas ni exclusiones. Cada respuesta validada contra el contrato real del cliente.
Asistentes legales con prohibición absoluta de especular. El Prisma Estático hace las veces de jurado — la ley es el contrato.
Desde el diseño hasta el dashboard de gobernanza — todo construido para que el AI sea auditable, seguro y confiable en producción.
CortexGovernor™ AI Trust Runtime & Governance Platform · Governed Autonomous AI Infrastructure for the Enterprise
Cada par real/alucinado del corpus BANC-30 — tasas inventadas, titulares incorrectos, jurisdicciones equivocadas — con el score de intercepción exacto que produjo el sistema.
Ver benchmark BANC-30 completoAgenda una demo técnica. En 30 minutos ejecutamos el benchmark en vivo con tus datos y ves exactamente qué habría bloqueado CortexGovernor en tu sistema.
Aprende a implementar, gobernar y auditar sistemas de IA en entornos regulados.
Gestión ágil de proyectos de inteligencia artificial. Roles, sprints y entrega de valor con agentes autónomos.
Tres niveles de certificación para arquitectos, ingenieros y líderes de AI en industrias reguladas.
