> ## Documentation Index
> Fetch the complete documentation index at: https://docs.befailproof.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# ¿Qué es FailproofAI Observability?

> Documentación de FailproofAI Observability: ¿Qué es FailproofAI Observability?

FailproofAI Observability es una plataforma autoalojada para observar, evaluar y mejorar tus agentes de IA en producción. Registra todo lo que hacen tus agentes (cada llamada a herramientas, solicitud al modelo, hook y error), puntúa la calidad de cada ejecución y pone en evidencia los fallos que no sabías que debías buscar — todo en un panel de control que ejecutas dentro de tu propia infraestructura.

Si despliegas agentes de IA y estás cansado de adivinar por qué falló una ejecución, esta es la página por donde empezar. Explica qué te ofrece FailproofAI Observability y cómo encajan las piezas, antes de instalar nada.

> **FailproofAI Observability es un producto empresarial de FailproofAI.** ¿Quieres verlo en acción? Solicita una demo: escribe a [nikita@befailproof.ai](mailto:nikita@befailproof.ai).

<img src="https://mintcdn.com/exosphere/kH8rXaL6tCSRWEFy/agenteye/images/session-detail.png?fit=max&auto=format&n=kH8rXaL6tCSRWEFy&q=85&s=32faaadcccf4e46964a8d1cfd84889e4" alt="Una sesión de FailproofAI Observability representada como un grafo de ejecución estilo git junto a su línea de tiempo de eventos, con un desglose por ejecución de herramientas, modelos y hooks en el panel derecho" width="3200" height="2000" data-path="agenteye/images/session-detail.png" />

*Cada ejecución del agente se representa como un grafo de ejecución estilo git (izquierda) junto a su línea de tiempo de eventos. Los subagentes paralelos tienen su propio carril; el panel derecho desglosa las herramientas, modelos, hooks y gasto en tokens de la ejecución.*

***

## Vélo en acción

Dos vídeos cortos muestran las dos cosas que los equipos buscan primero: rastrear una ejecución y detectar fallos automáticamente.

<div style={{ position: "relative", width: "100%", paddingBottom: "56.25%", height: 0, overflow: "hidden", borderRadius: "12px", margin: "1.5rem 0" }}>
  <iframe src="https://www.youtube.com/embed/VWxukZc5k7s?autoplay=1&mute=1&loop=1&playlist=VWxukZc5k7s&rel=0&playsinline=1" title="Watch: Agent Tracing by FailproofAI (2 min)" allow="autoplay; encrypted-media; picture-in-picture; fullscreen" allowFullScreen style={{ position: "absolute", top: 0, left: 0, width: "100%", height: "100%", border: 0 }} />
</div>

*Rastreo de agentes: sigue una sola ejecución paso a paso, desde el objetivo hasta las herramientas y la respuesta final.*

<div style={{ position: "relative", width: "100%", paddingBottom: "56.25%", height: 0, overflow: "hidden", borderRadius: "12px", margin: "1.5rem 0" }}>
  <iframe src="https://www.youtube.com/embed/C5nHKGQIqZQ?autoplay=1&mute=1&loop=1&playlist=C5nHKGQIqZQ&rel=0&playsinline=1" title="Watch: Automatically find where your agent is failing (2 min)" allow="autoplay; encrypted-media; picture-in-picture; fullscreen" allowFullScreen style={{ position: "absolute", top: 0, left: 0, width: "100%", height: "100%", border: 0 }} />
</div>

*Failproof Audit: deja que FailproofAI Observability analice tus registros entre sesiones y te diga qué debes corregir.*

***

## Por qué los equipos lo usan

* **Ve lo que tu agente realmente hizo.** Cada ejecución se convierte en un grafo de ejecución legible estilo git: qué herramientas se ejecutaron en paralelo, qué subagentes se ramificaron, dónde se atascó y cuánto consumió.
* **Detecta regresiones de calidad automáticamente.** Conecta un pequeño servicio de puntuación y FailproofAI Observability puntúa cada ejecución terminada, de modo que una caída en la utilidad o un aumento en las alucinaciones aparece por sí solo.
* **Encuentra fallos para los que no escribiste una regla.** Las auditorías recurrentes analizan tus registros entre sesiones en busca de clústeres de errores, valores atípicos de latencia, puntuaciones bajas y ejecuciones bloqueadas, y luego te entregan hallazgos clasificados y respaldados por evidencias.
* **Recibe alertas cuando importa.** Las reglas de umbral se activan ante tasas de error, latencia, coste o puntuaciones del evaluador, y abren incidentes que puedes reconocer, asignar y resolver.
* **Haz preguntas en lenguaje natural.** Un asistente de IA integrado en el panel responde preguntas como "¿cómo está evolucionando la calidad en producción esta semana?" sobre tus propios datos. Cualquier cambio que realice requiere aprobación.
* **Conserva tus datos.** FailproofAI Observability es autoalojado: los eventos, prompts y análisis permanecen en la infraestructura que tú controlas.

***

## Qué obtienes

FailproofAI Observability se organiza en torno a tres conceptos (**observar**, **analizar** y **administrar**), reflejados en la barra lateral izquierda del panel de control.

**Observar** (la verdad en bruto de lo que ocurrió):

* **[Flujo de eventos](/es/agenteye/event-stream)**: el rastro en vivo, paso a paso, de cada ejecución (llamadas a herramientas, llamadas al modelo, hooks, errores).
* **[Sesiones](/es/agenteye/sessions)**: esos eventos agrupados en una fila por ejecución, cada una lista para ser puntuada, con un grafo de ejecución estilo git.
* **[Métricas de rendimiento](/es/agenteye/telemetry)**: mapas de calor de latencia por superficie y valores vitales p50/p95/p99 para modelos, herramientas y hooks, de modo que un pico en la cola destaque frente a la mediana.
* **[Seguimiento de errores](/es/agenteye/error-tracking)**: una única superficie de triaje para todo lo que salió mal, a un clic de una alerta activa.

<img src="https://mintcdn.com/exosphere/kH8rXaL6tCSRWEFy/agenteye/images/tools.png?fit=max&auto=format&n=kH8rXaL6tCSRWEFy&q=85&s=3f91782420c31a7f32a3572aa4fda266" alt="La página de observación de herramientas: un mapa de calor de latencia, una banda de percentiles y una barra de distribución de herramientas en 24 intervalos de tiempo" width="3200" height="2000" data-path="agenteye/images/tools.png" />

*Cada superficie de observación combina un minigráfico y valores vitales p50/p95/p99 con un mapa de calor de latencia y una banda de percentiles. Mostrado aquí: herramientas.*

**Analizar** (convertir la actividad en respuestas):

* **[Consultas](/es/agenteye/queries)** y **[paneles](/es/agenteye/dashboards)**: SQL guardado sobre tus eventos y evaluaciones, representado en paneles compartidos con alcance de organización.
* **[Evaluaciones](/es/agenteye/evaluations)**: puntuaciones de calidad producidas por tu propio servicio evaluador, con el razonamiento detrás de cada puntuación.
* **[Auditorías](/es/agenteye/audits)**: investigaciones recurrentes que sacan a la luz patrones de fallos entre sesiones.
* **[Alertas](/es/agenteye/alerts)** e **[incidentes](/es/agenteye/incidents)**: reglas de umbral que te avisan, más un flujo de trabajo de incidentes para gestionarlos.

**Interfaces** (accede a tus datos como prefieras):

* **[CLI](/es/agenteye/cli-and-agents)**: gestiona todo tu despliegue desde el terminal o un script, y deja que un agente de codificación lo haga por ti en lenguaje natural.
* **[Asistente de IA](/es/agenteye/assistant)**: haz preguntas sobre tus agentes en lenguaje natural, directamente dentro del panel de control.

**Admin** (ejecútalo para tu equipo):

* **[Claves de API](/es/agenteye/api-keys)**: tokens con ámbito para el recolector, el panel y el asistente.
* **Usuarios**: inicio de sesión sin contraseña, basado en correo electrónico, con una lista de permitidos.
* **Configuración**: ajustes por organización, incluidas las anulaciones de la ventana de contexto del modelo.

***

## Cómo encajan las piezas

Los datos fluyen en una sola dirección, desde el código de tu agente hasta el panel de control: tu agente (a través del SDK de Python) emite eventos al agenteye-collector, que los envía al servidor, que sirve el panel de control. Dos servicios opcionales completan el conjunto: un servicio de puntuación (evaluaciones) y un servicio de asistente de IA (el chat integrado en el panel).

* **SDK de Python**: añades unas pocas llamadas `agenteye.event.*` a tu agente; los eventos se almacenan en búfer localmente.
* **agenteye-collector**: un daemon ligero en cada máquina del agente que agrupa los eventos y los envía al servidor.
* **Servidor**: ingiere tus eventos y mantiene el estado operativo en tus propias bases de datos.
* **Panel de control**: donde exploras todo.
* **Servicios opcionales**: un servicio de puntuación (evaluaciones) y un servicio de asistente de IA (el chat integrado en el panel).

Para conocer el vocabulario utilizado en toda la documentación (*event, session, evaluation, audit, finding, incident*), consulta [Conceptos](/es/agenteye/concepts).

***

## Cómo obtener FailproofAI Observability

FailproofAI Observability es un producto empresarial de FailproofAI, y funciona junto a FailproofAI Enforcement — el producto de políticas y salvaguardas — bajo la marca FailproofAI. Se ejecuta íntegramente en tu propio entorno. Si aún no tienes acceso a los paquetes, solicita una demo y te ayudaremos a empezar: escribe a [nikita@befailproof.ai](mailto:nikita@befailproof.ai).

***

## Próximos pasos

* [Conceptos](/es/agenteye/concepts): el vocabulario de FailproofAI Observability en un solo lugar.
* [Observabilidad](/es/agenteye/observability): sigue lo que hacen tus agentes, ejecución a ejecución.
* [Seguridad](/es/agenteye/security): cómo FailproofAI Observability mantiene tus datos aislados y bajo tu control.