Entonces cambiamos el enfoque. En lugar de forzar la IA generativa en flujos de trabajo fragmentados, nos propusimos diseñar una plataforma que se sintiera nativa de nuestro entorno existente. Eso llevó a LMOS, el sistema operativo del modelo de idioma, un PAAS soberano para construir y escalar agentes de IA en Deutsche Telekom. LMOS ofrece una experiencia similar a Heroku para los agentes, abstraiendo la gestión del ciclo de vida, los modelos de implementación, los clasificadores, la observabilidad y la escala al tiempo que admite versiones, multitenancia y confiabilidad de grado empresarial. En el núcleo de LMOS es ARC, un marco basado en Kotlin para definir el comportamiento del agente a través de un lenguaje conciso específico de dominio (DSL). Los ingenieros podrían construir agentes que usen las API y las bibliotecas que ya conocían. No hay necesidad de introducir pilas completamente nuevas o renunciar a flujos de trabajo de desarrollo. Al mismo tiempo, ARC se construyó para integrarse limpiamente con las herramientas de ciencia de datos existentes, lo que facilita el enchufar los componentes personalizados para la evaluación, el ajuste o la experimentación donde sea necesario. ARC también introdujo ADL (lenguaje de definición de agente), que permite a los equipos comerciales definir directamente la lógica de los agentes y los flujos de trabajo, reduciendo la necesidad de participación de ingeniería en cada iteración y permitiendo una colaboración más rápida entre los roles. Juntos, LMOS ARC y ADL ayudaron a cerrar la brecha entre los negocios y la ingeniería, al tiempo que se integran limpiamente con estándares abiertos y herramientas de ciencia de datos, acelerando cómo se construyeron, iteraron y se implementaron los agentes en toda la organización.