Cómo los administradores empresariales configuran JetBrains AI Enterprise para enrutar solicitudes de chat a modelos locales compatibles con OpenAI

Las organizaciones pertenecientes a sectores altamente regulados, como la banca, la defensa, la sanidad y las infraestructuras críticas, se enfrentan a rigurosas barreras normativas al adoptar herramientas de asistencia de código con inteligencia artificial. Regulaciones como el RGPD, PCI-DSS, HIPAA y las políticas internas de prevención de fuga de datos (DLP) prohíben explícitamente enviar código fuente propietario y secretos comerciales a modelos comerciales multitenant alojados en la nube pública (como las API públicas de OpenAI o Anthropic Claude).

Para resolver esta encrucijada, JetBrains ofrece JetBrains AI Enterprise, un módulo gestionado de forma centralizada mediante JetBrains IDE Services. Al desplegar IDE Services dentro de una red corporativa privada o aislada (air-gapped), los administradores de sistemas pueden configurar de manera centralizada endpoints compatibles con la especificación de OpenAI —servidos por motores locales como vLLM, llama.cpp, LM Studio o gateways corporativos de IA— y enrutar las peticiones de chat de JetBrains AI Assistant exclusivamente a través de su infraestructura privada local.

Esta guía detalla el proceso completo para configurar JetBrains AI Enterprise, aprovisionar perfiles corporativos y garantizar la total contención del código fuente en el perímetro interno de la empresa.

Separación arquitectónica: AI Chat frente a completado de código

Antes de iniciar la configuración, es fundamental comprender la división funcional implementada en la arquitectura de JetBrains AI:

1. AI Chat interactivo y acciones contextuales: La ventana de diálogo, la explicación de fragmentos de código, las sugerencias de refactorización, la generación de pruebas unitarias y la redacción de mensajes de commit se comunican mediante peticiones HTTP estándar compatibles con la API de OpenAI (/v1/chat/completions). Los administradores pueden redirigir estas funciones hacia cualquier clúster interno que ejecute modelos abiertos orientados a programación (como Qwen 2.5 Coder, Llama 3.3 o DeepSeek Coder).
2. Completado de código nativo: El completado automático de línea completa y multilínea exige una latencia mínima de milisegundos. En infraestructuras aisladas, JetBrains AI Enterprise cubre esta necesidad mediante JetBrains Mellum, un motor de completado propietario desplegable on-premises en servidores dedicados equipados con GPU NVIDIA (como NVIDIA L40, H100 o H200).

Al combinar un clúster local compatible con OpenAI para el chat y una instancia on-premises de Mellum para el completado de código, la organización consigue una cobertura completa y 100% aislada sin exponer un solo carácter de código al exterior.

Requisitos previos y preparación del entorno

Antes de configurar los parámetros en la consola de JetBrains IDE Services, asegúrese de contar con los siguientes elementos:

• Servidor JetBrains IDE Services: Desplegado en la red interna (mediante Helm Charts en Kubernetes o Docker) y accesible bajo un certificado TLS corporativo de confianza.
• Licencia de AI Enterprise activada: Habilitada en la cuenta corporativa de JetBrains y activada en la sección License & Activation de su instancia de IDE Services.
• Clúster de inferencia compatible con OpenAI: Un servicio de inferencia en ejecución local que exponga un endpoint con formato OpenAI estándar (por ejemplo, http://vllm-cluster.internal:8000/v1 o a través de un gateway interno https://ai-gateway.corp.internal/v1).
  • Admite motores como vLLM, llama.cpp, LM Studio o proxies empresariales.
  • El endpoint debe admitir la especificación /v1/chat/completions.
  • El modelo debe contar con una plantilla de chat (chat template) debidamente definida en su tokenizer.
• Requisitos de puesto de trabajo: Los desarrolladores deben tener instalado JetBrains Toolbox App (versión 2.5.1 o posterior) y estar vinculados al servidor de IDE Services corporativo.

Paso 1: Desplegar y verificar el servidor local compatible con OpenAI

Asegúrese de que el servidor de inferencia sea accesible desde el nodo en el que se ejecuta JetBrains IDE Services. Por ejemplo, al desplegar un modelo de código con vLLM en Kubernetes:

vllm serve Qwen/Qwen2.5-Coder-32B-Instruct \
  --host 0.0.0.0 \
  --port 8000 \
  --dtype auto \
  --tensor-parallel-size 2 \
  --api-key token-secreto-interno \
  --chat-template /ruta/a/chat_template.jinja

Realice una solicitud de prueba desde la red interna para validar que el servicio responde correctamente:

curl -X POST https://ai-gateway.corp.internal/v1/chat/completions \
  -H "Authorization: Bearer token-secreto-interno" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen/Qwen2.5-Coder-32B-Instruct",
    "messages": [{"role": "user", "content": "Ping"}]
  }'

La recepción de una respuesta JSON válida con la generación del modelo confirma que el endpoint está listo para integrarse.

Paso 2: Añadir el proveedor OpenAI Compatible en IDE Services

La configuración se gestiona íntegramente desde la interfaz web administrativa de JetBrains IDE Services:

1. Inicie sesión en la Web UI de JetBrains IDE Services con credenciales de administrador.
2. En el menú de navegación, acceda a Configuration y abra la pestaña License & Activation.
3. Desplácese hasta la sección AI Enterprise y haga clic en Settings.
4. Seleccione la pestaña AI Providers.
5. Haga clic en Add provider y elija OpenAI Compatible en el menú desplegable.
6. Cumplimente los campos del formulario de configuración:
   • Endpoint: Introduzca la URL base de su router o servidor de inferencia (por ejemplo, https://ai-gateway.corp.internal/v1 o http://vllm.internal:8000/v1). No añada la terminación /chat/completions, ya que el cliente IDE ensambla las rutas automáticamente.
   • Authentication / API Key: Ingrese el Bearer Token o clave de autenticación configurada en el gateway interno. Si su infraestructura utiliza cabeceras personalizadas, configure el nombre y valor del encabezado correspondiente.
   • Model Name: Escriba el identificador exacto del modelo publicado por el motor (por ejemplo, Qwen/Qwen2.5-Coder-32B-Instruct o meta-llama/Llama-3.3-70B-Instruct).
   • Tokens: Configure los límites de Max input tokens (contexto de entrada máximo) y Max output tokens (longitud de salida máxima) acordes con la memoria VRAM de sus GPU locales.
7. Haga clic en Test connection para que el servidor compruebe la conectividad de red y la validez de las credenciales.
8. Una vez validada la conexión, haga clic en Save para registrar el proveedor.

Paso 3: Establecer el proveedor local como predeterminado

Para asegurar que todo el tráfico de desarrollo utilice el modelo interno y no se desvíe a la nube pública:

1. En la lista de AI Providers, localice el proveedor compatible con OpenAI que acaba de añadir.
2. Marque dicho proveedor como Default (predeterminado).
3. Si existen proveedores externos en la lista (como el servicio estándar JetBrains AI o OpenAI Platform en la nube), deshabilítelos o desmárquelos como predeterminados. Cabe destacar que si JetBrains AI está marcado como predeterminado, el sistema exige que sea el único; para establecer proveedores locales como predeterminados, JetBrains AI debe quedar desmarcado.
4. Si la empresa cuenta además con una instancia local de JetBrains Mellum, diríjase a la pestaña Code Completion y asigne Mellum como el motor exclusivo de completado.
5. Haga clic en Save para consolidar los cambios en el sistema.

Paso 4: Configurar los perfiles de usuario (Profiles)

JetBrains IDE Services utiliza el mecanismo de Profiles para desplegar de forma centralizada versiones de IDE, plugins, políticas de seguridad y configuraciones de IA a los desarrolladores:

1. En el menú de IDE Services, acceda a la sección Profiles.
2. Seleccione el perfil del equipo de desarrollo (por ejemplo, Perfil de Ingeniería Principal) o pulse Create profile para crear uno nuevo.
3. Dentro de la configuración del perfil, localice la sección AI Enterprise.
4. Compruebe que AI Enterprise está activado en este perfil.
5. En el menú desplegable de selección de proveedor, asegúrese de que esté seleccionado Default provider (vinculado a su endpoint local).
6. Asigne el perfil a los grupos de usuarios correspondientes o defínalo como perfil predeterminado para toda la organización.
7. Haga clic en Save changes.

Paso 5: Validación en los entornos de desarrollo (IDE)

Una vez aplicadas las políticas en el servidor, los puestos de los desarrolladores sincronizan la configuración de forma transparente:

1. Conexión mediante Toolbox App: El desarrollador abre JetBrains Toolbox App y se conecta al servidor corporativo de IDE Services utilizando el enlace de invitación o autenticación SSO.
2. Aprovisionamiento automatizado: Toolbox App adopta el modo Enterprise, descarga el perfil asignado en los IDE instalados (IntelliJ IDEA, PyCharm, WebStorm, etc.) y asegura que el plugin AI Assistant esté presente y habilitado.
3. Uso de la ventana AI Chat:
   • Al abrir la barra lateral de AI Assistant, el chat se conecta automáticamente al modelo on-premises configurado por el administrador.
   • El desarrollador puede realizar consultas, refactorizar código, generar tests y documentar funciones.
   • Todas las llamadas de red y contextos de código viajan directamente al endpoint privado dentro de la red corporativa.
4. Bloqueo de seguridad en el cliente: En el menú Settings | Tools | AI Assistant | Providers & API keys del IDE, la opción de introducir claves individuales (Bring Your Own Key - BYOK) o conectar APIs externas queda bloqueada por la directiva empresarial, previniendo configuraciones no autorizadas.

Buenas prácticas operativas y de seguridad corporativa

Para garantizar un funcionamiento fiable y escalable en entornos productivos, se recomienda considerar las siguientes pautas:

Gestión de autoridades de certificación privadas (Internal CA)

En redes aisladas es habitual que los endpoints utilicen certificados emitidos por una entidad certificadora interna. Asegúrese de que el certificado raíz de la CA corporativa esté instalado y sea de confianza tanto en el contenedor de IDE Services como en los sistemas operativos de los desarrolladores. De lo contrario, las conexiones TLS fallarán y bloquearán el streaming de respuestas.

Dimensionamiento de GPU y gestión de concurrencia

Las peticiones generadas desde los IDE suelen incorporar fragmentos de código contextuales y árboles de sintaxis que aumentan el tamaño del prompt.

• En motores como vLLM, active PagedAttention, Continuous Batching y Chunked Prefill para reducir la latencia del primer token (TTFT) en picos de demanda.
• Ajuste el límite de tokens de entrada en la configuración de IDE Services para evitar que solicitudes masivas saturen la memoria VRAM de las tarjetas gráficas.

Auditoría y pasarela de API centralizada

Interponga un gateway de API interno (como Envoy, Kong o Nginx) entre IDE Services y el clúster de inferencia. Esto permite registrar la identidad del usuario, marcas de tiempo y el volumen de tokens consumidos, proporcionando un registro de auditoría exhaustivo que satisfaga los requisitos de cumplimiento más exigentes.

Integrar JetBrains AI Enterprise con modelos locales compatibles con OpenAI a través de JetBrains IDE Services permite a las organizaciones aprovechar todo el potencial de la asistencia de código por IA sin renunciar a la seguridad, la soberanía del dato y el estricto aislamiento de sus activos digitales.

Referencias

• AI Enterprise in isolated infrastructure | IDE Services Documentation
• Manage AI Enterprise | IDE Services Documentation
• JetBrains Mellum | IDE Services Documentation
• Profiles | IDE Services Documentation
• User Guide: Connect to IDE Services Server | IDE Services Documentation