Esta mañana, antes de sentarme a escribir esto, han pasado tres cosas en mi sistema sin que yo hiciera nada. Un agente ha monitorizado los servicios de infraestructura de mi servidor doméstico y ha detectado que un disco USB se había desconectado. Otro ha clasificado y sincronizado archivos entre tres bibliotecas digitales distintas. Y un tercero ha revisado treinta y seis canales de Telegram buscando contenido nuevo que encajara con unos criterios que definí hace meses.
Yo estaba desayunando con mis hijos. Ni me enteré hasta que abrí el resumen.
Cuando escribí por primera vez sobre mis ochenta agentes, mucha gente me preguntó lo mismo: pero eso cómo funciona, tú le dices cosas a un chatbot y ya? Y la respuesta corta es: no. No le digo nada a ningún chatbot. La respuesta larga es este post.
Ochenta agentes no es ochenta chatbots
Lo primero que hay que aclarar es qué es un agente de IA y qué no lo es. Porque la palabra "agente" se ha convertido en el nuevo "blockchain": la usa todo el mundo y nadie la define igual.
Para mí, un agente es un programa que toma decisiones de forma autónoma dentro de un dominio acotado. No es un chatbot al que le preguntas cosas. Es un proceso que se ejecuta solo, que tiene acceso a datos reales, que evalúa situaciones según criterios definidos y que actúa en consecuencia. Sin intervención humana en el día a día.
La diferencia es brutal. Un chatbot espera a que le hables. Un agente trabaja mientras duermes.
De mis ochenta agentes, exactamente cero funcionan con prompts interactivos. Todos están programados para ejecutarse a horas concretas, reaccionar ante eventos específicos o encadenarse entre ellos. Es fontanería. Tuberías que conectan datos con decisiones.
La fontanería importa más que la magia
Hay una cosa que me llama la atención cuando hablo de esto con gente que no es técnica. Esperan que la explicación sea mística. Que haya algún secreto, algún truco, alguna fórmula mágica. Y la verdad es que la realidad es bastante más prosaica.
Te pongo un ejemplo concreto. Tengo un agente que gestiona mi biblioteca digital de más de ciento cincuenta mil libros. Su trabajo es simple: cuando entra un archivo nuevo, lo clasifica por idioma, formato y temática. Comprueba si ya existe en el catálogo. Si es un duplicado, lo borra. Si es nuevo, lo enriquece con metadatos de varias fuentes, lo normaliza y lo importa a la aplicación correcta.
No hay magia ahí. Hay reglas claras. Hay acceso a una base de datos SQLite. Hay llamadas a APIs de catálogos externos. Hay lógica condicional que decide qué hacer en cada caso. La IA entra en la parte de clasificación —para interpretar títulos ambiguos, para decidir si un PDF es literatura o un manual técnico—, pero el noventa por ciento del trabajo es fontanería pura.
Y así son casi todos. El agente de monitorización no es inteligente. Es disciplinado. Cada cinco minutos revisa el estado de los servicios, comprueba que los discos están montados, busca errores de I/O en los logs. Si encuentra algo, intenta una reparación automática. Si no puede, me avisa. No necesita ser un genio para eso. Necesita ser fiable.
La pirámide: datos, lógica, IA
Ya escribí sobre la diferencia entre usar la IA como chatbot y usarla como sistema. Pero quiero ir un paso más allá y explicar cómo se estructura un sistema real.
Piénsalo como una pirámide de tres capas.
En la base están los datos. Sin datos limpios, estructurados y accesibles, no tienes nada. Da igual lo buena que sea tu IA si no puede leer tu información. Esta es la capa que más tiempo consume y la que menos glamour tiene. En mi caso, hay una base de datos centralizada que es la fuente de verdad. Todo pasa por ahí. Todo se registra ahí. Si un agente necesita saber algo, consulta la base de datos, no le pregunta a otro agente.
En el medio está la lógica de negocio. Las reglas. Los criterios de decisión. Cuándo actuar, cómo actuar, qué hacer cuando algo falla. Esta capa la defines tú. No la IA. Tú decides que los libros en inglés no se importan a la biblioteca de literatura (que es solo en español). Tú decides que un archivo de menos de diez páginas se descarta. Tú decides los umbrales, las prioridades, las excepciones.
Y en la cima, solo en la cima, está la IA. Haciendo las cosas que las reglas simples no pueden resolver. Interpretar un título ambiguo. Clasificar contenido que no encaja limpiamente en ninguna categoría. Detectar patrones en datos que serían invisibles con queries SQL.
La mayoría de la gente empieza por la cima. Quiere IA primero. Y luego se pregunta por qué no funciona. Es como intentar poner el tejado antes que los cimientos.
Cada agente resuelve un problema. Solo uno.
Otra cosa que he aprendido a base de cagarla muchas veces: cada agente debe hacer una cosa. Solo una. Si un agente hace tres cosas, lo que tienes son tres agentes metidos a presión en un traje que les queda pequeño.
Al principio cometí el error de construir agentes demasiado ambiciosos. Uno que descargaba contenido, lo clasificaba, lo importaba y actualizaba el catálogo. Funcionaba. Hasta que dejaba de funcionar. Y cuando algo fallaba, era imposible saber dónde estaba el problema porque todo estaba acoplado.
Ahora cada agente tiene un nombre, un trabajo y una responsabilidad. El que descarga, descarga. El que clasifica, clasifica. El que importa, importa. Se comunican entre ellos a través de la base de datos y de colas simples. Si uno falla, los demás siguen funcionando. Puedo arreglar uno sin tocar el resto.
Esto no es un principio de IA. Es un principio de ingeniería que tiene cincuenta años. La filosofía Unix lo formuló en los setenta: haz una cosa y hazla bien. Resulta que aplica perfectamente a los agentes de IA.
Los agentes que de verdad importan son los aburridos
De los ochenta, los que más valor me aportan no son los más sofisticados. Son los más aburridos. Los que hacen cosas tediosas que yo no quiero hacer pero que tienen que hacerse.
El que sincroniza datos entre sistemas. El que verifica que las copias de seguridad se han completado. El que limpia archivos temporales que se acumulan. El que detecta duplicados en una biblioteca de ciento cincuenta mil libros. El que revisa si un servicio se ha caído y lo reinicia.
Ninguno de estos es sexy. Ninguno genera titulares. Pero juntos me ahorran horas al día. Y más importante: eliminan errores humanos. Porque yo, como cualquier persona, me olvido de cosas. Me salto pasos. Me aburro de tareas repetitivas y empiezo a hacerlas mal. Los agentes no se aburren. No se olvidan. No tienen días malos.
Entender cómo funciona la herramienta implica aceptar esto: la IA no es para las tareas emocionantes. Es para las tareas necesarias que te roban tiempo y energía mental.
La diferencia entre usar IA y tener un sistema de IA
Esta es la distinción clave. Y la que separa a la gente que usa ChatGPT de vez en cuando de la gente que ha transformado su forma de trabajar.
Usar IA es abrir un chat, hacer una pregunta, obtener una respuesta. Es útil. No lo niego. Pero es como usar una calculadora: resuelves un problema puntual y vuelves a empezar.
Tener un sistema de IA es haber construido una infraestructura donde la inteligencia artificial trabaja de forma continua, conectada a tus datos, con reglas definidas, produciendo resultados sin que tú tengas que intervenir en cada paso. Es como pasar de la calculadora a la hoja de cálculo: no solo calculas, sino que automatizas los cálculos.
Los metahumanos de los que hablé hace poco son gente que ha dado este salto. No son más listos que el resto. Han invertido tiempo en construir sistemas en vez de en hacer consultas puntuales. Y el retorno de esa inversión se multiplica cada día que pasa.
No necesitas ochenta
Antes de que nadie se agobie: yo tengo ochenta porque llevo años en esto y porque gestiono una infraestructura personal absurdamente grande. Tú no necesitas ochenta. Necesitas uno. Uno que resuelva un problema real que te consume tiempo cada semana.
Empieza por identificar esa tarea que haces todas las semanas, que te aburre, que requiere criterio pero que sigue un patrón predecible. Esa es tu candidata. Automatízala. No con un prompt mágico, sino con fontanería: datos limpios, reglas claras y la IA solo donde haga falta.
Martin Fowler tiene un artículo excelente sobre cómo construir agentes que vale la pena leer si quieres ir más allá de la teoría. La clave que él destaca, y que yo suscribo completamente, es que los agentes más efectivos son los más simples. Los que tienen un scope reducido y unas reglas claras.
Porque al final, tener ochenta agentes no es tener ochenta cosas complicadas. Es tener ochenta cosas simples que juntas hacen algo que parece complicado. Como un reloj: cada engranaje es tonto. Pero el reloj da la hora.
Fontanería, no magia
Si algo me ha enseñado montar todo esto, es que la diferencia entre la gente que habla de IA y la gente que la usa de verdad está en la disposición para hacer el trabajo aburrido. Para limpiar datos. Para definir reglas. Para probar, fallar, ajustar y volver a probar. Para hacer fontanería.
La magia es un subproducto. Lo que ves desde fuera —ochenta agentes trabajando en paralelo, tomando decisiones, resolviendo problemas mientras yo desayuno— parece mágico. Pero por dentro son tuberías. Tuberías bien conectadas, eso sí. Pero tuberías.
Y como decía Arthur C. Clarke, cualquier tecnología suficientemente avanzada es indistinguible de la magia. Lo que no dijo es que, vista desde dentro, toda magia es fontanería con buenos acabados.
Así que si estás pensando en montar tu propio sistema de agentes, mi consejo es este: olvídate de la IA por un momento. Primero ordena tus datos. Luego define tus reglas. Y solo cuando tengas las tuberías claras, abre el grifo de la inteligencia artificial.
El agua solo fluye si la cañería está bien hecha.
Deja un comentario ¡Tu opinión me interesa!