Hasta hace poco, trabajar con inteligencia artificial significaba abrir un chat, lanzar una pregunta y esperar una sugerencia. Hoy empieza a significar otra cosa: pedir una tarea y verla resuelta dentro del flujo real de trabajo de la empresa. Para explicar cómo dar este salto, analizamos el nuevo paradigma de los agentes y los skills.
El punto de partida: la era del copiloto
Durante los últimos dos años nos hemos acostumbrado a convivir con copilotos y asistentes de IA. ChatGPT abierto en una pestaña del navegador, GitHub Copilot dentro del editor de código, Microsoft 365 Copilot en Word o Excel, y asistentes integrados en CRMs y plataformas de marketing. La fórmula era siempre parecida: una IA al lado del trabajador que sugiere, autocompleta y responde dudas puntuales. Útil, pero con un techo claro. El flujo real seguía siendo manual: abrir el chat, escribir el prompt, copiar el resultado, pegarlo en Word, retocarlo, volver al chat y explicar otra vez el contexto de la empresa. El peso del proceso seguía recayendo en la persona, que tenía que decidir cada paso y reconstruir el contexto a mano en cada conversación.
El cambio: la llegada de los agentes
En el último año hemos cruzado un umbral. Los agentes de IA han dejado de ser una promesa de laboratorio para convertirse en colaboradores que ejecutan tareas completas de principio a fin. Ya no se limitan a sugerir: leen documentos en una carpeta, consultan un CRM o una base de datos, redactan un informe, lo guardan en el sitio correcto y avisan al equipo por Slack o correo electrónico. El cambio de fondo es importante. Pasamos de pedir «ayúdame a escribir un correo» a delegar «encárgate del seguimiento comercial de este mes».
Claude y la idea de cowork
Anthropic ha impulsado este movimiento con Claude. Su propuesta Cowork permite que el agente trabaje dentro de una carpeta del ordenador, se conecte con Google Drive, Notion, HubSpot u otras herramientas y opere sobre los mismos archivos que usa el equipo. La frontera entre «preguntar a una IA» y «trabajar con una compañera más» se difumina. Para una empresa pequeña, esto significa poder repartir tareas reales con una herramienta que conoce el contexto del negocio y actúa dentro de él.
Skills: encapsular el saber hacer
La segunda pieza son los skills. Un skill es un paquete reutilizable de contexto e instrucciones que Claude aplica cuando lo necesita. La identidad de marca, el procedimiento para preparar un informe trimestral, el protocolo de respuesta a reclamaciones o la metodología de auditoría de un cliente pueden vivir en un skill. En lugar de explicar lo mismo en cada prompt, el conocimiento crítico de la empresa queda encapsulado y disponible para toda la organización.
Eso garantiza coherencia (mismo tono, mismos criterios) y hace que cada vez que recurrimos a Claude no sea necesario darle el contexto, ya que ya lo tiene disponible en dicho skill.
Una palanca, no una varita mágica
Eso sí, la tecnología por sí sola no genera valor. El reto está en identificar qué procesos merecen automatizarse, qué conocimiento conviene encapsular y qué fuentes de datos hay que conectar para que el agente sea fiable. Sin esa capa de diseño previo, los resultados se quedan en una demo bonita pero poco rentable.
En DataGrowth trabajamos con las empresas para convertir esta oportunidad en impacto real, definiendo qué procesos conviene automatizar y desplegando agentes integrados en su operativa diaria.
Agencia de IA y datos
