De portales fragmentados a respuestas al instante: la experiencia de HEMA con MCP y Amazon Bedrock

Introducción

Encontrar respuestas dentro de una organización tecnológica puede ser más difícil que construir la solución misma. HEMA, el minorista holandés centenario con más de 750 tiendas, enfrentó ese reto cuando su equipo de ingeniería empezó a depender de múltiples wikis, catálogos de servicio y portales desconectados. La información existía, pero era difícil de alcanzar: preguntas procedimentales como “¿cómo solicito acceso a una API?” o “¿cómo se crea un nuevo grupo?” no tenían un único lugar de referencia.

Para resolverlo, HEMA desarrolló HAL, su asistente interno de IA, apoyado en dos pilares tecnológicos: Model Context Protocol (MCP) para exponer herramientas y conocimientos como interfaces reutilizables, y Amazon Bedrock AgentCore para orquestar agentes, manejar identidad, memoria y reglas de seguridad.

El problema: datos estructurados, procedimientos dispersos

HEMA ya contaba con una base valiosa: un catálogo de servicios que mapeaba personas a equipos, equipos a servicios y servicios a APIs, además de datos importados desde sistemas como el PIM y las tablas de data-mesh. Eso resolvía la pregunta “qué existe y quién lo posee”. Lo que faltaba era la capa procedimental: instrucciones, pasos y reglas que explicaran “cómo hacer”.

En etapas tempranas, la solución era simplemente preguntar al colega de al lado. Pero al escalar la organización, ese flujo informal dejó de funcionar. Nuevas incorporaciones tardaban más en ponerse productivas, las respuestas variaban según a quién se pidiera y el tiempo invertido en buscar información sacaba a la gente de su trabajo real. Antes implicaba visitar tres o cuatro portales y pasar horas; con HAL, las respuestas llegan en segundos desde el IDE o una ventana de chat.

Dos objetivos, dos tecnologías

HEMA estructuró su solución alrededor de dos metas complementarias:

• Consolidar el conocimiento fragmentado en una única fuente gobernada (eso fue responsabilidad de HAL).
• Entregar ese conocimiento directamente donde la gente trabaja, sin forzar el uso de un portal adicional (eso lo resolvió MCP).

Por qué MCP

Model Context Protocol ofrece una interfaz estándar entre clientes de IA y capacidades de backend. En lugar de crear integraciones a medida para cada fuente y cada cliente, HEMA expuso cada fuente una sola vez como una “herramienta” MCP. Clientes compatibles —la propia interfaz de chat de HAL, agentes como Kiro o Claude, e integraciones dentro del IDE— consumen las mismas herramientas sin trabajo personalizado por cliente. Esto convierte el acceso desde la herramienta diaria en algo práctico y escalable.

Por qué Amazon Bedrock AgentCore

AgentCore permitió a HEMA construir agentes sin desplegar infraestructura MCP personalizada. Proporcionó capacidades clave listas para usar:

• Gateway: convierte especificaciones OpenAPI y funciones AWS Lambda en herramientas MCP sin código servidor adicional.
• Identity: ofrece autenticación gestionada con JSON Web Tokens de entrada y OAuth2 de salida mediante un “token vault” hacia APIs internas.
• Runtime: hospeda el agente interno (construido con el framework Strands) como contenedor.
• Memory y Bedrock Guardrails: gestionan memoria de conversación y filtrado de contenido, con soporte para regiones de inferencia en la UE y para el idioma neerlandés.

Estas piezas entregaron un andamiaje empresarial adecuado: autenticación mediante Microsoft Entra ID, acceso en modo lectura por ahora y control de acceso basado en los grupos de Active Directory existentes.

Cómo se construyó HAL, paso a paso

El desarrollo fue incremental y pragmático. HAL no nació completo; creció en dos fases:

1. HAL como asistente independiente

La primera versión fue un asistente autónomo con UI de chat (desarrollada en Next.js) y un agente empaquetado como contenedor Linux/ARM64 ejecutado en AgentCore runtime. En esta etapa no había MCP ni clientes externos; la interfaz web era la única forma de interactuar con HAL y permitía validar la idea: ¿puede el agente responder preguntas internas de forma consistente y segura?

2. Abrir HAL a los flujos de trabajo existentes mediante MCP

Con la base probada, el siguiente paso fue convertir las fuentes de conocimiento en herramientas MCP y permitir que clientes compatibles (IDE, otros agentes, la misma web chat) consumieran esas herramientas. Gracias a MCP y al Gateway de AgentCore, cada fuente se expone una vez y queda disponible para múltiples clientes, evitando el costo de integrar cada fuente con cada aplicación.

Seguridad y gobernanza

La solución priorizó controles empresariales:

• Identidad y autorización se anclaron en Microsoft Entra ID, evitando la presencia de credenciales AWS en el cliente.
• Hoy el acceso es de solo lectura; las reglas de control se basan en los grupos existentes de Active Directory.
• Bedrock Guardrails ayudan a filtrar contenido inadecuado y a mantener memoria conversacional con límites y políticas.

Este enfoque permitió exponer conocimiento real y sensible con un nivel de confianza apropiado para la organización.

Impacto y siguiente fase

Los resultados ya son tangibles: buscar una respuesta que antes llevaba medio día ahora toma segundos desde el IDE o una conversación de chat. Lo que comenzó como una herramienta para desarrolladores está evolucionando hacia un asistente que sirve a múltiples roles dentro de la compañía.

El siguiente paso planteado por el equipo de HEMA es convertir HAL de una capa de conocimiento de solo lectura a una capa de acción, donde el asistente no solo responda preguntas sino que ejecute tareas autorizadas en nombre del usuario.

Lecciones para organizaciones en América Latina

Aunque HEMA es un caso europeo, el patrón tiene relevancia para empresas latinoamericanas que enfrentan crecimiento organizacional y silos de conocimiento:

• Un catálogo de servicios bien mantenido es una base poderosa; el reto suele ser convertir datos estructurados en procedimientos accesibles.
• Estándares como MCP reducen el costo de integración y permiten ofrecer capacidades a múltiples herramientas sin replicar trabajo.
• Plataformas que integran identidad, orquestación de agentes y guardrails aceleran adopción con controles de seguridad propios de empresas regulatorias.
• Empezar con un piloto sencillo (un chat interno) y luego abrir integraciones evita inversiones tempranas innecesarias.

En mercados donde la rotación de talento y la necesidad de acelerar la productividad son factores clave, centralizar conocimiento y entregarlo en el flujo de trabajo puede reducir tiempos de onboarding y fricciones operativas.

Conclusión

HEMA convirtió una ventaja silenciosa —un catálogo de servicios bien estructurado— en una herramienta efectiva al combinarla con MCP y Amazon Bedrock AgentCore. HAL ejemplifica cómo un asistente de IA interno puede transformar la manera en que los equipos acceden a la información: menos “portal-hopping”, más respuestas instantáneas y, pronto, acciones automatizadas con controles empresariales. Para las organizaciones en América Latina que buscan modernizar su soporte interno y flujos de trabajo de desarrollo, este patrón ofrece una hoja de ruta pragmática y reproducible.