JONI se vende como capa de orquestación y ejecución por encima de los modelos

JONI no entrena modelos. Se coloca por encima de ellos. Es una capa de orquestación y ejecución que enruta cada petición al modelo que considera más adecuado y, según la empresa, completa la tarea en lugar de quedarse en el texto generado. Se vende por asiento: 65 dólares al mes, más créditos de uso en una bolsa compartida de cuenta.

Conviene decirlo pronto: esto es una pieza pagada por el proveedor. No hay demo pública ni mediciones de un tercero, así que lo que sigue son las cifras y la arquitectura que da la propia compañía.

Runtime persistente y enrutado opaco

Cada usuario recibe un runtime en la nube con memoria, archivos, integraciones y tareas programadas. Sigue ejecutando trabajo en segundo plano entre sesiones y se hiberna tras unos catorce días sin actividad. El trabajo intensivo se aprovisiona como instancias efímeras que se liberan al terminar, y todo el procesamiento pesado corre en sandboxes aislados, con cada entorno de usuario separado del resto. Es una decisión de coste: mantener infraestructura por usuario es más caro que un producto de inferencia sin estado, y la hibernación es lo que hace viable el siempre encendido a ese precio.

El acceso a modelos pasa por una pasarela, no por integración directa con cada proveedor. Eso permite cambiar de proveedor sin tocar la aplicación, algo que la empresa presenta a la vez como seguro de disponibilidad y comercial, porque precios y condiciones de los proveedores son su mayor variable de coste externa. El enrutado lo decide la plataforma y no se expone al usuario: clasifica la petición y la manda al modelo conectado que juzgue más adecuado. El argumento es que una plataforma sin modelo propio no tiene incentivo para empujar hacia ningún proveedor, mientras que cada laboratorio sí lo tiene hacia el suyo. Si el enrutado automático bate a la selección manual informada es una pregunta abierta, y la compañía dice que publicará datos comparativos de forma recurrente.

Qué ejecuta y con qué frenos

La lista de acciones incluye registro de dominios, aprovisionamiento de hosting y despliegue de sitios con servicios de backend y base de datos; campañas publicitarias a través de APIs de marketing; publicación en redes mediante APIs oficiales con conexiones OAuth con credenciales; generación de vídeo multi-escena con verificación de consistencia de identidad; y telefonía y correo desde direcciones y números propios.

Las acciones se clasifican por consecuencia. Lo rutinario se ejecuta directo; lo que implica compras o comunicación saliente a terceros exige aprobación explícita. Todo queda en un registro de auditoría para los administradores de la cuenta, con ventanas de reversión y un control de terminación. Para trabajos largos sin supervisión hay detección de bloqueos con reinicio automático, recuperación por latido de trabajos huérfanos tras reiniciar el host y checkpointing para reanudar a mitad de pipeline. Son esos detalles aburridos los que deciden si una ejecución autónoma de varias horas es usable o no.

Hay marketplace de terceros con reparto de ingresos a favor del publicador y control de la organización sobre qué agentes se instalan, con la típica apuesta por efecto de red de dos lados. El contexto que enmarca todo esto tampoco ayuda: Gartner proyecta que más del 40% de los proyectos de IA agéntica se cancelarán en 2027, y una cadena de siete pasos con un 90% de acierto en cada uno completa menos de la mitad de las veces.

El objetivo declarado son organizaciones de cinco a doscientas personas; las más grandes y técnicamente sofisticadas quedan para más adelante. En el sitio del fabricante están las condiciones, y la parte que decidirá si esto sirve no es el enrutado, sino si el checkpointing y la recuperación de trabajos aguantan ejecuciones de horas sin nadie mirando.