Connectors: unir la IA con los datos de la empresa.

Connectors: una vía concreta hacia datos y acciones

Un equipo comercial pide una lista de presupuestos abiertos de su CRM. El conector debe consultar la cuenta correcta, interpretar qué estado corresponde a 'abierto' y devolver los campos relevantes. El modelo puede explicar el resultado. Conocer el vocabulario comercial no sustituye esa conexión ni permite averiguar el estado actual de un presupuesto.

Conector es un término amplio. Algunas integraciones buscan en una copia indexada de documentos; otras consultan una API en tiempo real. Algunas ofrecen acciones y otras se concentran en recuperar información. La documentación de Microsoft describe acciones y desencadenadores en sus conectores, por ejemplo. Es una implementación concreta, no una promesa de que todos los conectores de IA permitan programación, escritura o avisos por eventos.

Una integración puede utilizar MCP para exponer capacidades mediante un protocolo común. También puede recurrir a una API directa u otra interfaz admitida. MCP nombra el protocolo; conector describe la integración en sentido más amplio. Ninguna etiqueta garantiza por sí sola acceso a una carpeta específica o permiso para actualizar determinado campo.

Leer, escribir y consultar datos actuales

Conviene separar lectura y escritura, aunque los permisos reales no siempre coinciden con etiquetas sencillas. La documentación oficial de Gmail muestra scopes que agrupan operaciones: uno relacionado con composición puede incluir gestión de borradores y envío. Si una aplicación promete trabajar solo con borradores, debe imponer esa limitación, no suponer que el permiso técnico la garantiza.

La autenticación establece con qué identidad funciona la integración. OAuth puede conceder acceso delimitado sin que el modelo tenga que manejar una contraseña. Otros sistemas usan mecanismos diferentes. También puede intervenir una autorización administrativa. Ninguno de estos pasos demuestra que un registro concreto exista o sea visible para esa cuenta.

Para analizar facturas puede bastar acceso a una carpeta aprobada y a un destino separado donde guardar la tabla. El proceso lee documentos, extrae campos y prepara un informe trazable. No necesita borrar originales ni escribir a todos los proveedores. Limitar las operaciones expuestas facilita la revisión y reduce cambios accidentales.

La actualidad importa tanto como el acceso. Un índice que se actualiza por la noche puede servir para un manual, pero resultar insuficiente para prometer existencias en tiempo real. El conector puede devolver correctamente un registro de ayer mientras la fuente ya ha cambiado. Comprueba si la respuesta procede de consulta directa, caché o índice, y conserva fecha o versión cuando afecten a la conclusión.

Un resultado vacío también requiere interpretación. Puede no haber coincidencias, faltar permisos, existir un filtro equivocado o quedar páginas sin leer. También puede haber fallado la consulta. Estas situaciones deben distinguirse, en lugar de convertir cualquier ausencia en prueba de que el documento o registro no existe.

RAG puede utilizar resultados de conectores como contexto recuperado para generar una respuesta. El conector da acceso; la recuperación selecciona información pertinente; el modelo redacta. Una buena conexión no compensa elegir otro documento o interpretar mal su contenido. Cada fase necesita una comprobación adecuada.

Permisos, cambios y recorrido de los datos

La privacidad no depende únicamente del nombre del conector. Hay que considerar el recorrido completo: servicio de origen, integración, aplicación de IA, proveedor del modelo e índices o registros conservados. ¿Qué campos se transfieren? ¿Dónde se guardan? ¿Quién podrá recuperarlos después? Seleccionar solo los datos pertinentes suele ser más útil que copiar registros completos porque la API lo permite.

Los permisos deben mantenerse cuando la información se reutiliza. Un índice no debería revelar un documento a quien no pudiera consultar el original. AI Memory puede guardar progreso, pero no debe convertir información de un cliente en contexto compartido para otro. Separa identidades y espacios cuando el uso lo requiera.

Escribir introduce cambios concurrentes. Otra persona puede editar el registro mientras la IA prepara una propuesta. Antes de aplicar la modificación, comprueba la versión o los valores actuales. Cuando corresponde Human-in-the-loop, la aprobación debe referirse al cambio concreto que se ejecutará, no a un resumen anterior de otra situación.

• Identifica cuenta y operaciones disponibles.
• Comprueba permisos y cobertura de los resultados.
• Distingue datos actuales de copias indexadas o almacenadas.
• Separa cambios propuestos y escrituras completadas.
• Registra resultados útiles sin copiar contenido sensible innecesario.

Desconectar una cuenta limita el acceso futuro según el diseño de la integración; no necesariamente borra copias, índices o logs ya creados. Conservación y eliminación necesitan controles propios. Los AI Agents y Tool Use resultan más útiles cuando estas fronteras están claras y se puede explicar qué se consultó, qué se cambió y qué quedó pendiente.

Al evaluar un conector, prueba una operación representativa del trabajo real: un documento con restricciones, un registro que haya cambiado y una consulta con varios resultados. No basta con comprobar que aparece como conectado. Lo que interesa es si devuelve la información correcta con el alcance esperado y comunica sus limitaciones de forma comprensible.