Claude Skills + MCP: Una Arquitectura para Asistentes AI Internos en Empresas

AI en Práctica Claude Skills MCP Asistente AI Interno Arquitectura AI

Claude Skills + MCP es una arquitectura operativa para asistentes AI internos. Empaqueta flujos de trabajo con Skills y conecta datos a través de MCP para resolver problemas de mantenimiento de prompts y permisos.

Hemos ayudado a decenas de empresas medianas y pequeñas a implementar asistentes AI. Un fracaso común no es que el modelo no sea lo suficientemente fuerte, sino tratar a la AI como solo un cuadro de chat.

Probamos un flujo de trabajo de servicio al cliente: sin Skills, a menudo consume entre 8,000 y 14,000 tokens; al cambiar a enrutamiento de Skills, el uso de tokens disminuye entre un 30% y un 60%. Para el control de costos, consulte Cómo el Enrutamiento Multi-LLM Reduce los Costos de API.

Por qué las Empresas Medianas y Pequeñas Deben Hablar de Claude Skills + MCP Ahora

Muchos propietarios de negocios preguntan: “¿Esperar a que la AI madure un poco más?” En 2024, eso era razonable; en 2026, el riesgo ha aumentado.

El cuello de botella para la AI empresarial ha cambiado de “¿Puede el modelo responder?” a “¿Puede el conocimiento, los permisos y los flujos de trabajo ser llamados de manera estable?”

Antes: Cada departamento escribe sus propios prompts, con versiones dispersas en documentos, historial de chat y notas personales.

Después: Encapsular SOP, plantillas, lógica de consulta y reglas de revisión en Skills, luego leer datos autorizados a través de MCP.

La documentación de Anthropic indica que las Agent Skills pueden empaquetar instrucciones, código y recursos en capacidades que Claude puede llamar (ver https://docs.claude.com/en/docs/agents-and-tools/agent-skills/overview). La especificación de MCP estandariza cómo la AI se conecta a datos y herramientas externas (ver https://modelcontextprotocol.io/specification/latest).

Juntos, llenan el vacío para los asistentes AI internos: herramientas de conocimiento y conectividad de datos.

¿Qué son Claude Skills?: Empaquetando SOP / Conocimiento / Flujos de Trabajo en Capacidades

Claude Skills no son solo plantillas de prompts largas. Son más como “paquetes de trabajo” que pueden incluir tiempo de uso, pasos, ejemplos, pautas de marca, descripciones de campos y guiones.

Las plantillas de prompts estándar se descontrolan fácilmente. Los empleados las modifican, omiten restricciones o utilizan versiones desactualizadas.

Las Skills se gestionan de manera centralizada. Claude lee primero el nombre y la descripción de la Skill, cargando el contenido completo solo cuando la tarea es relevante. Anthropic también menciona que la “divulgación progresiva” reduce la carga de contexto (ver https://support.claude.com/en/articles/12512176-what-are-skills).

Normalmente dividimos las Skills en cuatro categorías: Documentos, Análisis, Proceso y Marca. Comience con cotizaciones, actas de reuniones, respuestas de soporte e informes mensuales.

Sin Skills: La AI no conoce los formatos de la empresa ni la lógica de precios.

Con Skills: Claude carga la Skill de propuesta, el tono de la marca y las restricciones de precios.

No exceda 8 Skills en el primer lote. Elija flujos de trabajo que se repitan más de 20 veces a la semana.

¿Qué es MCP?: Conectando de Manera Segura a Claude con Datos Internos de la Empresa

MCP (Model Context Protocol) resuelve el problema de conectividad de datos: cómo la AI se conecta a los datos y herramientas de la empresa sin necesidad de un conector personalizado para cada sistema.

Sin MCP, las empresas a menudo exportan CSV o escriben conectores privados para cada herramienta. Si bien esto funciona para una demostración, es difícil de mantener a largo plazo.

MCP utiliza una arquitectura cliente-anfitrión-servidor. El asistente AI llama al servidor a través del cliente MCP, que luego interactúa con Drive, CRM, ERP, bases de datos o API internas.

Su valor radica en controlar lo que la AI puede ver, lo que puede hacer y qué registros deja atrás.

Tratamos el servidor MCP como el límite de datos de la empresa. Cada servidor debe tener una responsabilidad clara; no lo convierta en un servidor “universal”.

Antes de evaluar, puede revisar Protocolo MCP y Estándares de Agentes AI.

Arquitectura Real para Asistentes AI Internos en Empresas

Un asistente AI interno operativo es típicamente una arquitectura de cinco capas.

Capa de Entrada: Claude, Slack, Teams, portales internos o botones en un panel de soporte. Responsable de la identificación de identidad y clasificación de tareas.

Capa de Skills: Incluye informes semanales, anomalías publicitarias, riesgos de contratos y preguntas frecuentes para nuevos empleados. Cada Skill debe tener un propietario, una versión y casos de prueba.

Capa de Servidor MCP: Incluye bibliotecas de documentos, CRM, tickets, BI, consultas de bases de datos y restricciones de herramientas.

Capa de Permisos: Combina SSO, roles de grupo, clasificación de datos, enmascaramiento de campos y listas de permitidos.

Capa de Observabilidad: Registra tareas, Skills, herramientas MCP, tokens, tasas de error, tasas de revisión humana y reglas sensibles.

Los flujos de trabajo deben alinearse con los resultados comerciales (KPI/ROI): el soporte monitorea la adopción del primer borrador, las ventas observan los recuentos de revisiones y las finanzas rastrean las tasas de error. Para la gobernanza, lea el Marco de Gobernanza para la Implementación de AI en Empresas.

Hoja de Ruta de Implementación de 90 Días (D0-D30 / D31-D60 / D61-D90)

90 días no son para construir una plataforma completa, sino para crear un asistente de versión 1 que los departamentos puedan usar y medir.

D0 a D30: Auditar flujos de trabajo y datos. Seleccione 2 departamentos y de 6 a 8 flujos de trabajo de alta frecuencia. Cuantifique el volumen, el tiempo gastado y las tasas de error.

Durante esta fase, organice los permisos: ¿qué es accesible para todos? ¿Qué es solo para el departamento? ¿Qué debe ser solo un resumen?

D31 a D60: Construir Skills y el primer lote de servidores MCP. Cada Skill debe tener tiempo de uso, formatos de salida, ejemplos negativos y preguntas de prueba.

Los servidores MCP deben comenzar como de solo lectura, permitiendo consultas solo para la base de conocimiento, CRM, pedidos y preguntas frecuentes.

D61 a D90: Lanzar, observar y expandir. Revisiones semanales del uso, tasas de éxito, tasas de revisión humana, costos de tokens y bloqueos de permisos.

Si la adopción del primer borrador es inferior al 40%, generalmente se debe a que la Skill es demasiado abstracta o la calidad de la fuente de datos es deficiente. Agregar más ejemplos y ejemplos negativos suele ser más efectivo.

Para combinaciones de herramientas, consulte Combinación de Herramientas Claude, Codex, Gemini, Playwright en Acción.

Errores Comunes en la Implementación y Soluciones

Error 1: Llenar todo el conocimiento en una Skill gigante. Dividir por tarea, no por departamento.

Error 2: Servidores MCP con permisos excesivos. Cambiar a herramientas granulares e implementar enmascaramiento de campos antes de salir al aire.

Error 3: Sin gobernanza de versiones. Gestionar versiones y retrocesos una vez que las Skills entren en operaciones diarias.

Error 4: Buscar precisión en lugar de auditabilidad. Registrar fuentes de datos, Skills y reglas de permisos.

Error 5: Ignorar el enrutamiento de costos. Utilizar modelos de bajo costo para clasificación y resúmenes; utilizar modelos de alta gama para riesgos de contratos. Este es el núcleo de Reducir Costos de API a través del Enrutamiento Multi-LLM.

Preguntas Frecuentes

¿Cuál es la diferencia entre Claude Skills y una plantilla de prompt estándar?

Una plantilla de prompt es texto copiables. Claude Skills son paquetes de capacidades que Claude carga según la tarea, que pueden incluir documentos, ejemplos, guiones y recursos.

¿Las pequeñas empresas sin departamento de IT también pueden usar MCP?

Sí, pero no comience construyendo su propia plataforma. Utilice herramientas administradas, conectores existentes o servidores MCP de solo lectura.

¿Cuál es el costo aproximado?

Los costos dependen del volumen de uso, modelos y frecuencia de consultas. El enrutamiento de Skills a menudo reduce el uso de tokens entre un 30% y un 60%.

¿Cómo se asegura la seguridad de los datos?

No confíe en los prompts para la seguridad. La empresa debe implementar SSO, permisos basados en roles, enmascaramiento de campos, listas de permitidos y registro en las capas de servidor y datos.

Lectura Adicional

El enfoque de Claude Skills + MCP no es solo un chatbot, sino conectar el conocimiento empresarial, herramientas, permisos y observabilidad en una arquitectura AI mantenible. Si está auditando su primer lote de flujos de trabajo, puede buscar una evaluación de AICycle en https://aicycle.cc/es/services.