El incidente inicial fue causado por un agente de IA monolítico sobrecargado con un contexto excesivo. Al intentar centralizar todo el conocimiento de dominio (esquemas, reglas de generación de código, lógica de enrutamiento, validaciones) en un solo agente, se superó un umbral de contexto más allá del cual el rendimiento se degradó. Esto llevó a 'alucinaciones', donde el agente aplicaba incorrectamente convenciones de un subsistema a otro o usaba patrones de código de una fuente de datos para otra.
Las salvaguardas iniciales, si las hubo, no fueron suficientes para mitigar el problema de la sobrecarga de contexto. El enfoque de 'prompt engineering' manual, aunque mejoraba la precisión, no era escalable ni sostenible, indicando una falla arquitectónica subyacente en lugar de un problema de ajuste de prompts. La causa raíz fue la violación del principio de separación de preocupaciones, donde un componente intentaba ser experto en demasiados dominios dispares, llevando a interferencia de contexto y errores.
La solución fue la implementación de un 'orquestador delgado' que actúa como un router determinista, delegando el razonamiento de dominio a subagentes especializados y aislados. Este orquestador se encarga de la clasificación de intenciones, la recolección de campos, las comprobaciones de fiabilidad y la delegación, sin realizar ningún trabajo de dominio. Cada subagente, por su parte, es un experto completo en un dominio específico con un contexto aislado. Esta arquitectura evita la contaminación cruzada de conceptos y minimiza el riesgo de alucinaciones al confinar el razonamiento LLM a contextos más pequeños y específicos.