Experimento y reflexión técnica a partir de una intervención en Onda Cero Albacete
Durante mucho tiempo, la mayoría hemos usado la inteligencia artificial como una pantalla donde escribes algo y recibes una respuesta.
Un prompt.
Una respuesta.
Y a otra cosa.
Eso sigue siendo útil. Pero empieza a quedarse corto.
La parte interesante ahora está en otro sitio: herramientas que ya no solo conversan, sino que pueden ejecutar acciones concretas sobre un contexto definido.
Ahí es donde entran los agentes.
El salto importante no es que la IA escriba mejor. El salto importante es que ya empieza a hacer tareas, encadenar acciones y trabajar sobre entornos concretos. Y ahí el valor sube, pero también sube el riesgo.
Qué está cambiando de verdad
Antes teníamos chatbots.
Ahora empezamos a tener sistemas que funcionan más como ayudantes operativos:
- reciben una instrucción
- acceden a un contexto
- ejecutan una acción
- y pueden concatenar varios pasos seguidos
No hace falta exagerarlo.
No están resolviendo cualquier cosa por arte de magia.
Y tampoco conviene venderlo como si mañana fueran a dirigir la empresa solos.
Pero el cambio existe.
Porque una cosa es pedir una idea.
Y otra muy distinta pedir una tarea.
La diferencia entre hablar y ejecutar
Pongo un ejemplo simple.
Una cosa es decirle a una IA:
“ordéname estas ideas”.
Y otra muy distinta decirle:
“entra en esta carpeta, revisa estos documentos, aplica esta lógica y déjame una salida preparada con este formato”.
En el segundo caso ya no estamos ante una herramienta que solo responde.
Estamos ante una herramienta que toca:
- flujo
- contexto
- ejecución
- y, por tanto, responsabilidad
Ahí es donde empieza a tener sentido hablar de agentes.
Qué son las skills y por qué importan
Una de las ideas que más me interesan de este nuevo escenario es la lógica de las skills.
Puedes llamarlas recetas.
Pequeños procedimientos.
Secuencias de pasos.
El nombre da un poco igual.
Lo importante es que permiten convertir una instrucción suelta en algo más repetible:
- primero haces esto
- luego haces esto otro
- después generas esta salida
- y finalmente la dejas donde toca
Cuando varias de esas acciones se encadenan, la IA deja de ser una ayuda puntual y empieza a comportarse como una capa operativa encima de un proceso.
Y eso ya sí puede ahorrar tiempo de verdad.
El experimento real que probé con Antigravity
Para no quedarme en teoría, quise probar algo bastante cercano a mi día a día.
Tenía sentido porque trabajo con bastantes transcripciones, materiales de sesiones e intervenciones de radio. Y una parte del trabajo siempre se repite:
- ordenar archivos
- identificar el material útil
- sacar ideas clave
- convertirlo en base de contenido
Así que el experimento fue este:
Usar Antigravity sobre una carpeta concreta de transcripciones para que aplicara una lógica editorial básica y me devolviera una salida más ordenada.
No para publicar sin revisar.
No para dejarle hacer lo que quiera.
Sí para comprobar si podía ayudarme en una parte repetitiva del proceso.
Cómo planteé la prueba
La clave no fue “darle acceso al ordenador”.
La clave fue limitarle el acceso.
Definí un entorno acotado: una carpeta concreta de trabajo, con material no especialmente sensible y una tarea muy definida.
La lógica era esta:
- Acceder solo a una carpeta concreta
- Revisar el contenido disponible
- Aplicar una secuencia editorial básica
- Devolver una salida estructurada
- Dejar el resultado en un formato útil para revisión humana
Eso es importante: el experimento no buscaba autonomía total. Buscaba comprobar si una capa operativa bien acotada podía ahorrar trabajo repetitivo.
Qué funcionó bien
La primera conclusión fue bastante clara:
Cuando el entorno está bien delimitado y la secuencia es sencilla, la lógica de trabajo resulta bastante más útil de lo que parece al principio.
Lo que mejor funcionó fue esto:
- Trabajar sobre una carpeta concreta
- Aplicar una instrucción clara
- Repetir una estructura
- Obtener una salida más ordenada que el material bruto original
También vi que, cuando el proceso está bien pensado, la herramienta tiende a comportarse de forma bastante predecible.
Y eso, en automatización, vale oro.
Qué no funcionó tan bien o exige cuidado
Aquí está la parte importante. Esto no va de pulsar un botón y salir corriendo a vender que ya tienes un empleado digital.
Lo que exige cuidado es:
- la calidad de la instrucción inicial
- el tipo de documentos sobre los que trabaja
- el alcance real de los permisos
- la revisión posterior
Cuanto más ambiguo es el encargo, peor tiende a comportarse el resultado. Y cuanto más sensible es el material, más peligro tiene usarlo sin haber pensado antes el marco.
Es decir: el problema no suele ser que la herramienta sea “mala”. El problema suele ser que el proceso está mal definido o que el acceso está abierto de más.
Dónde sí puede servir esto a una pyme
No hace falta buscar casos espectaculares.
De hecho, empezaría por lo más aburrido.
Que suele ser donde más retorno hay.
Por ejemplo:
- ordenar materiales internos
- clasificar información repetitiva
- resumir reuniones
- generar un primer borrador de propuesta
- preparar salidas estructuradas a partir de documentación previa
- automatizar pequeñas secuencias donde la persona siga validando al final
Eso no elimina el criterio humano.
Lo que hace es evitar que la persona empiece de cero una y otra vez.
El marco de seguridad que fijaría antes de empezar
Si una empresa quiere probar agentes o herramientas con capacidad de ejecución, yo pondría estas reglas desde el minuto uno.
1. Acceso mínimo necesario
Nada de abrir todo el ordenador “para probar”.
Empieza por una carpeta concreta, un entorno acotado y una tarea muy definida.
2. Nada sensible en la primera prueba
No usaría de inicio:
- datos de clientes
- contratos delicados
- información financiera sensible
- materiales que puedan comprometer privacidad o negocio
3. Revisión humana obligatoria
La IA puede preparar, ordenar, proponer o avanzar.
La validación final sigue siendo humana.
4. Un proceso antes que diez herramientas
No pruebes veinte cosas a la vez.
Elige una tarea.
Define qué sería una mejora.
Haz una prueba pequeña.
Y mide si de verdad ahorra tiempo o reduce fricción.
5. Límites claros por escrito
Aunque sea en un documento interno simple:
- qué puede hacer
- qué no puede hacer
- con qué datos puede trabajar
- quién revisa el resultado
Esto evita más sustos de los que parece.
El error habitual
Aquí veo un error muy repetido.
La gente se emociona con la herramienta antes de haber definido el proceso.
Y entonces pasa lo de siempre:
- permisos amplios
- tarea mal planteada
- datos mezclados
- expectativas absurdas
- y decepción rápida
La herramienta ayuda.
Pero la lógica del proceso la tienes que poner tú.
Si no hay claridad, el agente no arregla nada.
Solo mete velocidad al caos.
La reflexión de negocio
Lo realmente interesante de los agentes no es que “hagan cosas solos”.
Lo interesante es que pueden empezar a quitar trabajo repetitivo en zonas donde ya hay una secuencia clara, poco riesgo y una validación posterior razonable.
Ahí sí veo valor.
No para presumir de tecnología.
No para montar una feria.
Sí para diseñar pequeñas capas de ejecución que descargan tiempo y ordenan mejor ciertas tareas.
Y eso encaja mucho más con una pyme que intentar automatizarlo todo de golpe.
Qué haría yo esta semana si quisiera probarlo
Muy simple:
- elegiría una tarea pequeña y repetitiva
- acotaría una carpeta o entorno concreto
- escribiría la secuencia paso a paso antes de tocar la herramienta
- probaría solo con material no sensible
- mediría si ahorra tiempo o solo añade complejidad
Si la lógica funciona, entonces tiene sentido seguir.
Si no, se corta y ya está.
Sin dramas.
Sin postureo.
Mi conclusión
La IA empieza a ser realmente útil cuando deja de limitarse a responder y empieza a participar en tareas concretas.
Ahí hay valor.
Pero también ahí empieza la responsabilidad.
No basta con saber qué herramienta está de moda.
Hay que decidir:
- qué proceso merece esa herramienta
- con qué límites
- con qué datos
- y para qué resultado
Si no, acabas metiendo una tecnología nueva encima de un caos viejo.
Y eso no acelera nada.
Lo empeora.
Si quieres entender por qué este tema salió en antena, tienes el contexto completo en la sección de Radio.
👉 Leer la pieza de Radio sobre robots, vigilancia e IA
Y si quieres ordenar primero qué procesos merece la pena tocar y cuáles no, ahí entra la Radiografía de Negocio.
👉 Ver la Radiografía de Negocio
¿Te ves reflejado en esto?
No necesitas más teoría. Necesitas claridad sobre tu negocio.
Haz tu Radiografía de Negocio →
Consultor de IA y procesos para pymes en Albacete. Ayudo a empresarios a ordenar su negocio antes de automatizarlo.
Sobre Enrique →