Microsoft Foundry es la plataforma de Microsoft para construir, desplegar y gobernar aplicaciones y agentes de inteligencia artificial dentro de Azure. Reúne en un mismo entorno el catálogo de modelos (OpenAI, Anthropic, Meta, Mistral, xAI), el servicio para crear agentes, las herramientas de evaluación y las piezas de seguridad y gobierno que cualquier proyecto de IA empresarial acaba necesitando cuando deja de ser una prueba de concepto. En este artículo veremos qué hace exactamente, cómo se trabaja con ella, cuándo merece la pena adoptarla y qué la diferencia de otras opciones del mercado.
Qué es Microsoft Foundry
Foundry nació en Ignite 2024 como evolución de Azure AI Studio. Un año después, en Ignite 2025, Microsoft volvió a renombrarlo: el producto se llama oficialmente Microsoft Foundry, aunque la mayoría de equipos seguimos refiriéndonos a él como Azure AI Foundry porque es el nombre con el que hemos trabajado durante el último año. La marca puede generar confusión, pero detrás hay una idea clara: convertir todo el desarrollo de IA en un servicio gestionado de Azure con un único proveedor de recursos, un único portal y un único modelo de gobierno.
Antes de Foundry, construir una solución de IA generativa en Azure implicaba combinar varios servicios de forma independiente, lo que añadía complejidad tanto en el desarrollo como en la gestión. Azure OpenAI por un lado, AI Search por otro, Machine Learning para el fine-tuning, Cognitive Services para la parte multimodal. El planteamiento funcionaba, pero la experiencia de desarrollo era poco fluida y la gestión de permisos y gobierno se volvía costosa. Foundry resuelve ese problema unificando todas las piezas bajo una misma plataforma.
La plataforma se organiza en cinco grandes piezas que conviene tener identificadas desde el principio:
- Foundry Models. El catálogo. Reúne modelos de OpenAI (GPT-5.5, GPT-5.4, modelos de imagen y de audio), Anthropic (Claude Opus y Sonnet 4.6 con un millón de tokens de contexto), Meta, Mistral, xAI, DeepSeek, Cohere y otros. Microsoft habla de más de 11.000 modelos sumando los de Hugging Face.
- Foundry Agent Service. El runtime gestionado donde viven los agentes. Pasó a disponibilidad general en marzo de 2026 y permite definir agentes de forma declarativa, conectarlos a herramientas externas y orquestar flujos multi-agente sin construir un orquestador propio.
- Foundry IQ. La capa de conocimiento. Funciona como motor RAG con permisos a nivel de usuario, de modo que cada persona solo accede a la información que tiene autorizada en SharePoint, OneLake, Snowflake o donde resida el dato.
- Foundry Tools. El catálogo de integraciones, con más de 1.400 conectores listos para usar (SAP, Salesforce, Dynamics 365, Logic Apps, entre otros) y soporte nativo para Model Context Protocol y APIs OpenAPI.
- Foundry Control Plane. La capa de observabilidad y gobierno: trazas, evaluaciones, métricas de coste, identidades de agentes en Microsoft Entra y la integración con Defender for Cloud y Purview.
Una nota práctica para quienes vienen de Azure OpenAI: el recurso existente puede actualizarse a recurso de Foundry conservando endpoint y claves. No es necesario migrar manualmente.
¿Para qué sirve Foundry?
¿Qué cosas concretas se hacen con esta plataforma? Estas son las cuatro grandes familias de uso:
1. Crear aplicaciones de IA generativa
Chatbots, asistentes internos, copilotos sectoriales o motores de búsqueda con capacidades conversacionales. El playground del portal permite probar prompts y comparar modelos en paralelo antes de bajar a código. Cuando ya hay claridad sobre qué modelo y qué configuración funcionan, se trabaja con los SDK de Python, JavaScript, Java o .NET. Los cuatro alcanzaron versión estable 2.0 entre marzo y abril de 2026.
2. Desplegar modelos de distintos proveedores desde un mismo entorno
Este es uno de los argumentos más fuertes de Foundry frente a la competencia. En el mismo proyecto se pueden tener desplegados, por ejemplo, GPT-5.5 para tareas de razonamiento crítico, Claude Sonnet 4.6 para revisión de documentos largos, Mistral Small para casos donde el coste manda y un modelo Phi corriendo en el edge a través de Foundry Local. Todo con la misma autenticación, la misma facturación y las mismas políticas.
Esta flexibilidad es importante porque evita diseñar soluciones demasiado acopladas a un modelo concreto. En proyectos reales no siempre gana el modelo más potente: gana el que ofrece el mejor equilibrio entre precisión, coste, disponibilidad regional y facilidad de gobierno. Foundry incorpora además un Model Router que selecciona automáticamente el modelo más adecuado por consulta y que, según las cifras de Microsoft, puede recortar costes hasta la mitad cuando hay variedad de cargas.
3. Desarrollar y gestionar agentes de IA
Es el área en la que Microsoft está concentrando sus mayores inversiones. Un agente no se limita a contestar una pregunta: interpreta la intención, consulta conocimiento, invoca herramientas, llama a una API, pide información que falta o se coordina con otros agentes para completar la tarea. El Foundry Agent Service permite levantar uno con un par de comandos: se define en YAML o se construye con Microsoft Agent Framework, se le asignan herramientas del catálogo y se publica con su propia identidad de Entra.
La parte interesante es que ese agente puede invocar a otros agentes, mantener memoria entre conversaciones (en preview desde marzo de 2026) y exponer un endpoint productivo con escalado automático. Los patrones multi-agente (secuencial, group chat, handoff) vienen integrados.
4. Evaluar, supervisar y gobernar aplicaciones de IA en producción
Es el apartado que más se infravalora cuando se empieza un piloto y más se agradece cuando llega la fase de producción. Una aplicación de IA no se puede tratar como un endpoint cualquiera: hay que medir calidad, controlar costes, revisar trazas, proteger datos sensibles y detectar comportamientos anómalos.
Foundry incluye un catálogo de evaluadores, generación automática de datasets de prueba (incluidos casos adversariales), simulación de ataques de prompt injection y trazas conectadas con los resultados de evaluación. Defender for Cloud aporta detección de amenazas específicas para IA, Purview se ocupa de la gobernanza del dato y Content Safety se encarga del filtrado multimodal. Para entornos sujetos a normativa, este conjunto reduce de forma considerable el trabajo de cumplimiento.
¿Cómo se utiliza Foundry?
El uso de Foundry es relativamente sencillo si ya se cuenta con una suscripción activa de Azure. A partir de ahí, el proceso habitual consiste en los siguientes pasos:
Paso 1. Acceder al portal y crear un proyecto
Se entra desde ai.azure.com y se crea una cuenta Foundry. Dentro, se levanta un proyecto, que funciona como unidad de trabajo donde se agrupan modelos, agentes, conexiones y herramientas. Microsoft simplificó este paso a finales de 2025: ya no es obligatorio crear primero un Hub con storage, key vault y los recursos asociados. La plataforma provisiona lo necesario por debajo y deja la opción de conectar recursos dedicados cuando hace falta más control. En organizaciones con varios equipos, conviene definir desde el inicio una estructura clara de proyectos, entornos y permisos. Para escenarios con requisitos de aislamiento, conviene activar desde el día cero la VNet gestionada y los private endpoints.
Paso 2. Elegir modelos, herramientas y recursos
Desde el catálogo se eligen los modelos a desplegar. Hay que tomar dos decisiones que conviene pensar bien: qué tipo de despliegue (Standard de pago por uso o Provisioned con capacidad reservada) y en qué región. La disponibilidad por región varía por modelo y a veces obliga a partir cargas. En la sección Tools se conectan integraciones, en Knowledge se carga la base documental y en Connections se enganchan recursos como Azure AI Search o Microsoft Fabric.
Paso 3. Probar prompts, flujos y agentes
El playground permite iterar prompts, ajustar el system message, ver tokens consumidos y comparar respuestas entre modelos. Para flujos complejos, el Workflow Builder del portal muestra visualmente cómo se mueve la información entre agentes. Esta fase suele dar más sorpresas de las esperadas: un mismo prompt puede comportarse de forma muy distinta entre GPT-5.5 y Claude Sonnet, así que conviene dedicar tiempo a comparar. En agentes más avanzados también es importante probar cómo se comportan ante errores, preguntas incompletas o intentos de uso indebido.
Paso 4. Implementar la solución en producción
La salida a producción admite varios formatos: endpoint REST, publicación en Microsoft 365 (Teams, BizChat), despliegue en Azure Container Apps o AKS, agentes hosted en el propio Foundry. Lo recomendable es automatizar todo con Bicep o Terraform desde el día cero, especialmente si hay varios entornos. La pestaña Operate del nuevo Control Plane centraliza toda la infraestructura desde un único ARM API.
Paso 5. Monitorizar rendimiento, costes y calidad
Un agente que ayer respondía bien puede degradarse mañana sin que nadie haya tocado nada: cambian los datos de entrada, evolucionan las preguntas de los usuarios, Microsoft actualiza una versión del modelo. Por eso esta fase no es opcional. Foundry Control Plane reúne métricas de uso, latencia, coste por token y calidad. Las alertas de Defender avisan de comportamientos sospechosos y los evaluadores se pueden programar de forma continua. Cuando algo se desvía, las trazas permiten ver exactamente qué pasó.
Foundry funciona mejor entendido como ciclo continuo, no como despliegue puntual. La plataforma evoluciona rápido y los modelos también: la diferencia entre un proyecto sostenible y uno que se queda atascado suele estar en haber montado la observabilidad desde el principio.
Cuándo utilizar Microsoft Foundry
Foundry es una buena opción cuando el proyecto pasa de ser una prueba aislada a algo que necesita escalar, gobernarse y vivir en producción. Estos son los escenarios donde aporta más valor.
- Atención al cliente automatizada. Agentes que consultan el CRM, abren tickets, devuelven respuestas con cita y escalan a un humano cuando detectan urgencia o frustración.
- Asistentes internos. Copilotos sectoriales para RR. HH., Legal, Finanzas o IT que consultan documentación interna y ayudan a redactar, revisar o ejecutar procesos.
- Procesamiento documental. Extracción y análisis de contratos, facturas, pólizas, expedientes médicos o documentación regulatoria, combinando Document Intelligence, OCR y modelos de razonamiento.
- Análisis en lenguaje natural. Conexión con Microsoft Fabric para que un usuario de negocio pregunte por sus métricas sin tener que abrir un dashboard.
- Búsqueda empresarial. RAG sobre repositorios corporativos respetando los permisos de cada usuario, una de las capacidades que mejor resuelve Foundry IQ.
- Detección de fraude y compliance. Monitorización de transacciones, revisión de patrones y supervisión humana antes de bloquear operaciones.
- Generación de contenido a escala. Copy de marketing, fichas de producto, traducciones y resúmenes con control de marca y filtros de Content Safety.
Cuándo no es la herramienta adecuada. Si el caso se resuelve con un asistente sencillo dentro de Microsoft 365 o con un flujo de bajo código en Copilot Studio, Foundry resulta sobredimensionado. Su valor aparece cuando se busca control fino: modelos personalizados, agentes con identidad propia, integración con sistemas que no son Microsoft, requisitos serios de aislamiento de red o varios agentes colaborando.
Qué ventajas tiene Foundry frente a otras plataformas de IA
Las grandes alternativas en la nube son Amazon Bedrock, Google Vertex AI y Databricks Mosaic AI. Foundry compite bien por integración con el resto del ecosistema Microsoft y por la profundidad de su capa de gobierno, sobre todo cuando la organización ya está en Azure. Esta tabla resume los puntos más relevantes.
| Punto fuerte | Qué aporta en la práctica |
| Catálogo único | Modelos de OpenAI y Anthropic disponibles desde el mismo entorno. Azure es el único hiperescalar que ofrece ambas familias de forma simultánea, ya que los modelos de OpenAI no están disponibles en AWS Bedrock ni en Vertex AI. A esto se suman Meta, Mistral, xAI, DeepSeek, Cohere y modelos abiertos de Hugging Face. |
| Foundry Agent Service | Runtime gestionado para agentes con identidad propia, memoria, escalado automático y orquestación multi-agente nativa. |
| Seguridad de extremo a extremo | Defender for Cloud, Content Safety, Purview y Entra Agent ID protegen prompts, datos y respuestas. La protección frente a prompt injection viene integrada en el portal, no como un complemento aparte. |
| Gobernanza unificada | RBAC, políticas, trazas, auditoría y gestión de costes bajo un único provider de Azure y un ARM API consolidado. |
| Aislamiento de red | VNet gestionada, private endpoints y soporte sin credenciales para storage. Las extensiones de marzo de 2026 lo ampliaron a MCP, AI Search y Fabric data agents. |
| Estándares abiertos | MCP, A2A y OpenAPI nativos. Compatibilidad con LangChain, LangGraph, Claude Agent SDK y OpenAI Agents SDK. |
| Integración con Microsoft 365 | Publicar un agente en Teams, BizChat u Office es cuestión de pocos clics, no requiere un proyecto de integración aparte. |
Hay otro factor que no suele aparecer en los anuncios oficiales: el ritmo de cambios es alto. Solo en los últimos doce meses, la plataforma ha pasado de Azure AI Studio a Azure AI Foundry y de ahí a Microsoft Foundry, con un par de migraciones de SDK por el camino. Cualquier proyecto va a convivir con cambios de versión, deprecaciones y novedades casi mensuales. Es manejable, pero conviene tenerlo presente al estimar mantenimiento.
Qué tipos de empresas pueden beneficiarse de Foundry
Microsoft afirma que Foundry lo utilizan más de 80.000 empresas, incluido el 80 % de las Fortune 500. Más allá de la cifra, estos son los perfiles donde el encaje suele ser más natural.
- Banca y seguros. Análisis de riesgo, suscripción asistida, detección de fraude y atención al cliente. La parte de compliance y trazabilidad pesa especialmente en este sector.
- Retail y ecommerce. Copilotos de comercio, recomendadores conversacionales y automatización de soporte postventa.
- Sanidad y farma. Lectura de historiales, asistentes para profesionales y gestión documental regulada.
- Sector público. Atención ciudadana, búsqueda en boletines y normativas, tramitación asistida.
- Industria y energía. Mantenimiento predictivo, asistentes técnicos para planta y análisis de informes operativos.
La empresa mediana también encaja, sobre todo si ya está en el ecosistema Microsoft. Empezar con un modelo pequeño como GPT-5.2 Mini, Phi o Mistral Small permite probar valor real con costes contenidos antes de escalar a algo más ambicioso.
Cómo enfocar un proyecto con Microsoft Foundry
Adoptar Foundry no es solo un trabajo de arquitectura. Implica decidir qué casos de uso priorizar, qué datos pueden utilizarse, qué modelos elegir según coste y latencia, cómo evaluar la calidad de las respuestas, cómo gobernar los datos sensibles y cómo encajar los agentes en procesos que ya están en marcha. Cada una de esas decisiones tiene impacto en factura, en seguridad y en tiempo a producción.
Foundry funciona mejor cuando se entiende como capa transversal: no sustituye lo que ya existe, conecta modelos, datos, herramientas y gobierno para que las soluciones de IA se sostengan en el tiempo. Y eso requiere algo más que tecnología; requiere criterio.
En hiberus contamos con un equipo de expertos en Azure y arquitectura de soluciones de IA generativa que acompaña a las organizaciones desde la identificación del primer caso de uso hasta el despliegue, la operación y la evolución de las soluciones en Microsoft Foundry. Si estás evaluando cómo aplicar esta plataforma en tu negocio, podemos ayudarte a definir el enfoque más adecuado.
