AI-Employee
Plataforma multi-agente auto-alojada para equipos empresariales en la región DACH. Ofrece aislamiento estricto por contenedor Docker, cumplimiento DSGVO nativo, memoria semántica local y gestión de gobernanza con niveles de autonomía controlados (L1-L4).
Ficha actualizada 22 sept 2026, 18:03 · upstream 22 sept 2026, 17:26 · release v1.326.0
Qué es AI-Employee
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
AI-Employee es una plataforma multi-agente auto-alojada diseñada específicamente para equipos empresariales y sectores regulados en la región DACH. Prioriza la soberanía de datos mediante un aislamiento estricto por contenedor Docker para cada agente, evitando el uso compartido de sistemas de archivos y garantizando que los datos permanezcan bajo control local.
La gobernanza es central en su arquitectura, incluyendo controles nativos de cumplimiento DSGVO, niveles de autonomía configurables (L1-L4) que requieren aprobaciones humanas para acciones sensibles, y un registro de auditoría detallado "Decision-Trace" que permite reconstruir la lógica detrás de cada decisión del agente. Esto asegura transparencia total sobre por qué se tomaron ciertas acciones.
Funcionalmente, soporta construcción visual de flujos de trabajo estilo n8n, integración con Microsoft 365 vía 47 herramientas MS-Graph, y capacidades de voz en tiempo real. Permite a los agentes desplegar aplicaciones Docker propias y colaborar mediante "habitaciones de reunión" multi-agente. Técnicamente, utiliza Next.js para el frontend, FastAPI/Python para la lógica, PostgreSQL y Redis para persistencia, con soporte agnóstico para modelos LLM (Claude, OpenAI, Gemini, local).
Está orientada a PYMES y profesionales independientes que necesitan una infraestructura robusta, escalable y segura, alejándose de las soluciones de chatbot genéricas para ofrecer un ecosistema de agentes especializados capaces de trabajar autónomamente dentro de límites definidos.
- Asistente legal o fiscal que redacta borradores bajo supervisión humana estricta.
- Desarrollador fullstack autónomo para tareas de mantenimiento de código en repositorios privados.
- Gestor de marketing que planifica campañas y aprueba presupuestos antes de ejecutar acciones.
- Sistema de soporte técnico que diagnostica problemas y ejecuta scripts de reparación con límites estrictos.
- Analista financiero que procesa datos de mercado y genera informes con validación de PII.
- Asistente de voz para gestión de calendario y tareas en entornos corporativos seguros.
- Aislamiento estricto: Cada agente ejecuta en su propio contenedor Docker con límites de recursos definidos.
- Cumplimiento normativo: Arquitectura lista para DSGVO por defecto, sin necesidad de configuración adicional compleja.
- Gobernanza granular: Matriz de autonomía (Erlaubt/Freigabe/Verboten) que bloquea automáticamente acciones no autorizadas.
- Flujos visuales: Editor de workflows arrastrar y soltar con lógica condicional integrada y ejecución en vivo.
- Auditoría completa: Registro detallado de "Decision-Trace" que muestra el pensamiento, llamadas a herramientas y resultados paso a paso.
- Integración nativa: 47 herramientas MS-Graph para conectividad profunda con Microsoft 365 sin intermediarios inseguros.
- Complejidad alta: Requiere conocimientos de Docker y gestión de contenedores para el despliegue inicial.
- Dependencia de LLM externo: Aunque soporta modelos locales, la configuración óptima suele requerir suscripciones a APIs como Claude o OpenAI.
- Recursos significativos: Necesita mínimo 8 GB de RAM y 4 núcleos CPU para un despliegue funcional estable.
- Licencia comercial: El uso empresarial requiere una licencia comercial, no es completamente gratuito para empresas.
- Configuración manual: No incluye soporte "one-click" automático; requiere ejecución de scripts de setup específicos.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Asegurar Docker Desktop 4.x+ con Compose v2. Asignar mínimo 8 GB RAM y 30 GB disco. Ejecutar `./scripts/setup.sh` para generar secretos y construir imágenes. Actualizar repositorio antes de cada despliegue para aplicar migraciones de base de datos automáticas. Configurar variables de entorno para la API del LLM deseado (Claude, OpenAI o local).
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.