Durante 20 años, construí mi carrera en el lado empresarial de las startups: ventas, marketing, éxito del cliente, operaciones, áreas donde nunca necesité aprender a programar ni construir algo por mi cuenta. Eso cambió este año.
Mi rol como CEO creció más allá de mi dominio de experiencia para abarcar todas las operaciones de la empresa, y necesitaba una forma de mantener el ritmo. Después de usar Claude durante casi un año, comencé con Claude Code y me di cuenta de que podía reemplazar las funciones tradicionales de un jefe de gabinete humano con una solución de IA. Construí mi propio agente, convirtiendo la memoria y las sesiones previas en habilidades duraderas que me ayudan a recopilar inteligencia en toda la empresa, conectar puntos que no podía ver y liberarme para tomar las decisiones que solo yo puedo tomar.
En la primera semana, ya manejaba aproximadamente la mitad de la carga de trabajo de un jefe de gabinete de tiempo completo, realizando preparación de reuniones, recopilando actualizaciones de la empresa y redactando memorandos de estrategia. Unos meses después, ahora lo uso a diario, y cuesta no más de $25 en tokens en un día determinado. Eso es menos del 5% de lo que costaría una contratación a tiempo completo.
Ha requerido bastante iteración llegar hasta aquí. Los agentes tienen límites, y lo aprendí de la manera difícil.
Al principio, pedí un resumen de cuenta antes de una llamada con un cliente. Le pedí que usara Slack, tickets de soporte, telemetría de producto, notas del CRM y correo electrónico para tener contexto. Lo que recibí parecía completo y sonaba seguro. Pero no lo era. La fuente de verdad de los ingresos del cliente estaba en una hoja de cálculo no conectada, y en lugar de señalar la brecha, el agente la llenó con una suposición inexacta. Casi entré a esa llamada con una imagen equivocada de la cuenta.
Esto es lo que he aprendido en general:
Lección 1: Los agentes fallan en silencio, y ese es el verdadero riesgo
Un agente de IA rara vez te dirá cuando le falta algo. Si una fuente de datos falla o un permiso expira, el agente seguirá respondiendo de todos modos, y una respuesta incorrecta pero segura es mucho más peligrosa que un error visible.
La solución no es un modelo más inteligente; es construir las habilidades correctas en el agente.
Ahora hago que el agente realice una verificación de salud del Protocolo de Contexto de Modelo (MCP) al inicio de cada sesión, antes de hacer cualquier otra cosa. Señala cualquier fuente de datos faltante antes de decirme lo que sabe.
Para hacer esto, primero configura todas las conexiones MCP relevantes a tus fuentes de verdad, verifica la conexión en Claude Code, y luego construye una habilidad para repetir esa verificación al inicio de las sesiones cada vez que hagas un prompt o ingreses el comando del agente.
Lección 2: Las habilidades más valiosas funcionan entre sistemas, no dentro de uno solo
Hasta que construí este agente, vivía en muchos tableros de SaaS diferentes. Mi barra de marcadores es una gran colección de íconos que apuntan a los diversos sistemas donde viven datos importantes y se agregan en vistas. Pero un agente no necesita tableros visuales. Va directamente a los datos y los agrega entre sistemas, en cualquier visualización que especifiques.
Para la verificación de salud del cliente que mencioné, los datos provienen de nuestro CRM, cola de soporte, telemetría de producto, Slack, documentos internos y notas de reuniones. El resumen que obtengo cuando uso esta habilidad es más completo que cualquier cosa que haya extraído manualmente debido a la capacidad del agente para extraer una narrativa coherente a través de conjuntos de datos y sistemas dispares.
La inteligencia del LLM atraviesa dominios, y puede resumir datos que antes requerían que los ejecutivos recurrieran a sus equipos para obtener información de progreso y a nivel de proyecto. Configurado correctamente, puede reducir días de ida y vuelta para llegar al detalle muy específico que necesitas, y aumenta drásticamente tu comprensión del trabajo específico que se está realizando o los problemas que necesitas resolver en todo el equipo.
Lección 3: Una configuración genérica tiene un techo bajo
El camino más rápido a resultados mediocres es tomar atajos en la iteración específica e intentar usar habilidades genéricas o una configuración lista para usar. Un agente es tan bueno como sus herramientas y contexto, y necesitas invertir en las herramientas específicas que usa tu negocio y el contexto que existe solo en tu comunicación, documentos y el pensamiento que se destila en tus habilidades y prompts.
Esto codifica tus casos límite, tus reglas y el juicio específico de cómo funciona realmente tu empresa.
Dos fundadores hacen la misma pregunta: “¿Cuál es el progreso de nuestra hoja de ruta esta semana?” El fundador que le da un documento de contexto específico sobre objetivos trimestrales y hoja de ruta, un MCP de Jira para extraer el estado más reciente de los tickets, notas de la reunión de pie del equipo la semana pasada y acceso al canal de Slack de Ingeniería obtendrá un resultado mucho mejor que el que apunta a las diapositivas del tablero del trimestre pasado y pide una actualización.
Lección 4: No puedes subcontratarlo
Si estás intentando construir tu propio agente, tendrás acceso a los modelos más recientes y mejores, y tendrás herramientas que te ayudarán a obtener valor inicial rápidamente. Pero tú serás lo que realmente haga que esto funcione.
Cuanto más uses las herramientas, más fuertes se vuelven la memoria y las habilidades. Ese valor no puede ser replicado por otro miembro del equipo ni subcontratado a una solución puntual. Requiere tus interacciones, prompts y correcciones a lo largo del tiempo.
Si te tomas ese tiempo, puedes reemplazar a un empleado de nivel de $200,000 con aproximadamente $5,000 en gasto anual de tokens. La sobrecarga de gestión es diferente: es más intensa y creativa que solo tener reuniones individuales y tomar notas. Pero es aproximadamente el mismo esfuerzo, y los resultados son mucho más consistentes.
El plano, de un CEO a otro
Si tomas algo de mi experiencia, comienza ahora mismo. No esperes a usar estas herramientas o a configurar la estructura perfecta. Tu interacción con Claude o ChatGPT ya está ayudando a construir el contexto y la memoria que te permitirán obtener valor de un agente jefe de gabinete.
Puedes empezar poco a poco. Pide un agente que escriba tu actualización semanal del equipo y dale acceso a los sistemas de los que depende la actualización: tus objetivos, tus métricas, el trabajo real que se está haciendo en los equipos.
Puedes ser específico. Dale una tarea discreta que habrías hecho tú mismo, como escribir una descripción de trabajo para un nuevo empleado o extraer datos de apoyo sobre un problema u oportunidad que surgió recientemente. Obtendrás una doble victoria: iterarás en las habilidades y construirás más contexto mientras completas el nuevo trabajo.
Nuestro trabajo como líderes es tomar las mejores decisiones posibles con la información disponible. Lo que está disponible acaba de mejorar exponencialmente, y es nuestra responsabilidad aprender a usarlo. Los CEOs que triunfen en la era de la inteligencia dominarán esta habilidad, y el momento de empezar es ahora mismo.
Otros artículos relacionados:
- Agentes de IA transforman la gestión empresarial en LATAM
- Cómo implementar MCP en tu flujo de trabajo
- El futuro de la toma de decisiones con IA
