# Roadmap (post-MVP)

- **Training real**: conectar los jobs de Azure ML a scripts de fine-tuning
  reales sobre los datasets registrados; regression LLM-as-judge en CI.
- **NeMo Guardrails full**: configuración Colang con KB embedding + dialog
  rails (reintroducir `nemoguardrails` en requirements al integrarlo; hoy el
  engine es un stub por keywords configurable vía
  `GUARDRAILS_NEMO_ALLOWED_KEYWORDS`).
- **Autenticación**: OAuth2/OIDC con MSAL para entornos Azure AD. Hoy los
  endpoints de approve/promote no exigen identidad (el "quién" es declarativo).
- **OpenTelemetry**: spans por nodo del grafo, métricas de violaciones por validador.
- **Multi-tenant**: `tenant_id` aislado por registry, política y datos.
- **Evaluadores LLM-as-judge**: complementar la evaluación por escenarios
  (ya implementada como gate de promoción) con un juez LLM que mida deriva
  de calidad, no solo violaciones de guardrails.
- **UI de aprobación con SLA**: cola Kanban, reasignación entre operadores,
  alertas cuando un HITL rebasa SLA.
- **Persistencia migrable a Postgres + pgvector**: requerido para alta
  disponibilidad multi-instance.
- **Esquema de prompts mejorado**: variables tipadas en system_prompt
  (Jinja-like), valores por entorno.
- **Deployments**: promoción de agentes validados a endpoints gestionados
  (Azure/AWS/GCP/on-prem) conservando políticas y auditoría.

## Hecho (antes en este roadmap)

- ~~Promoción explícita draft → active vía aprobación~~ — implementada:
  `/api/promotions` + página Promotions con gate de evaluación por versión.
- ~~Fallback LLM~~ — implementado (`LLM_FALLBACK_PROVIDER` +
  `FallbackLLMProvider`).