Transformación Operativa del Equipo de Comisiones mediante Inteligencia Artifi cial Generativa y Sistemas Agénticos.

Abstract

Este Trabajo de Fin de Máster aborda el diseño, implementación y despliegue de Fo-agent, un agente de Inteligencia Arti cial especializado en el análisis y auditoría de comisiones comerciales en Ebury. El sistema se integra como subagente dentro de Synapse, una plataforma multi-agente construida con el ADK de Google y desplegada sobre GCP. El proyecto nace como solución a la dependencia operativa del equipo de Incentivos Comerciales, siendo la única entidad capaz de interpretar y justificar los cálculos de comisiones al equipo de ventas. Esto genera cuellos de botella y limita la escalabilidad del soporte interno. Fo-agent implementa una arquitectura hibrida que combina: generación controlada de consultas SQL contra BigQuery a través de un middleware seguro (MCP Toolbox); y un sistema de Generación Aumentada por Recuperación (RAG) que utiliza Vertex AI RAG Engine como mecanismo principal de búsqueda vectorial sobre la documentación normativa en Markdown, con un fallback local basado en FAISS para el entorno de desarrollo. El agente opera bajo restricciones estrictas de ingeniería de prompts que minimizan el riesgo de alucinaciones en un entorno financiero regulado. El sistema persigue un doble objetivo: permitir al equipo de ventas resolver de forma autónoma consultas sobre sus comisiones que previamente requerían la intervención directa del equipo de Incentivos Comerciales, y proporcionar a este último una herramienta de apoyo que acelere la investigación y resolución de las incidencias que sí requieren análisis experto.

This Master's Thesis addresses the design, implementation, and deployment of Fo-agent, an artificial intelligence agent specialized in the analysis and auditing of sales commissions at Ebury. The system is integrated as a sub-agent within Synapse, a multi-agent platform built using Google's ADK and deployed on GCP. The project was conceived as a solution to the operational dependency on the Commercial Incentives team, which is the only entity capable of interpreting and justifying commission calculations to the sales team. This creates bottlenecks and limits the scalability of internal support. Fo-agent implements a hybrid architecture that combines: controlled generation of SQL queries against BigQuery via secure middleware (MCP Toolbox); and a Retrieval-Augmented Generation (RAG) system that uses the Vertex AI RAG Engine as the primary vector search mechanism for regulatory documentation in Markdown, with a local FAISS-based fallback for the development environment. The agent operates under strict prompt engineering constraints that minimize the risk of hallucinations in a regulated financial environment. The system has two objectives: to enable the sales team to independently resolve inquiries about their commissions, which previously required direct intervention from the Sales Incentives team, and to provide the latter with a support tool that speeds up the investigation and resolution of issues that do require expert analysis.