Llevamos casi tres meses trabajando todos los días con un agente personal con IA. No como prueba, sino como parte del trabajo: agenda, correo, publicaciones, tareas programadas y mucha conversación. Este artículo no es una guía, es un balance honesto de lo que salió bien, lo que salió mal y lo que cambiamos por el camino.
Antes de empezar, una aclaración sobre los datos. Lo que sigue sale de nuestros propios registros: el primer día con diario escrito es el 12 de agosto de 2026, hay 23 días documentados desde entonces y la memoria del agente ocupa hoy más de 50 secciones en archivos de texto. Las cifras de ahorro de tiempo no las damos, porque no las medimos con rigor y no vamos a inventarlas.
Lo primero que aprendimos: la memoria no es automática
Esperábamos que el agente «recordara» solo. No funciona así. Un modelo de lenguaje no conserva nada entre una conversación y otra; lo que parece memoria es información que alguien escribió en un archivo y que se vuelve a leer al empezar.
La consecuencia práctica es una regla sencilla: lo que no está escrito, se pierde. Por eso el agente anota en el momento cada dato nuevo, cada decisión y cada tarea abierta, y no «al final del día». Cuando lo dejábamos para después, el dato se perdía en cuanto la conversación se alargaba y el sistema la resumía.
Segundo aprendizaje: la memoria también necesita orden
La solución ingenua fue guardarlo todo en un solo archivo. Creció, se volvió ilegible y el agente empezó a contradecirse porque dos párrafos decían cosas distintas. Lo corregimos con una estructura parecida a un libro:
- Una libreta del «ahora»: corta, con lo que está pasando esta semana. Lo que vence se borra.
- Un sumario con una línea por asunto, que apunta a la sección donde vive el contenido.
- Secciones separadas por tema. Si una crece demasiado, se divide en dos.
- Un diario de unas diez líneas por día, que sobrevive aunque el historial bruto se borre.
Además, hay un mantenimiento periódico en el que el agente repasa el día, promueve lo permanente y detecta contradicciones. Cuando encuentra una, no decide solo: pregunta cuál versión se queda.
Tercero: el agente tiene que saber callarse
Aquí cometimos el error más repetido. Un agente servicial tiende a contestar de inmediato, y eso estorba cuando la persona está dictando algo largo en varios mensajes. Contestar a la mitad, o dar una solución antes de escuchar el panorama completo, hace más daño que no contestar.
La regla que quedó escrita: mientras la persona está entregando material, el agente solo acusa recibo. Dos palabras, nada más. Opina, resume o propone únicamente cuando se le pide. Parece un detalle y cambió por completo la sensación de trabajar con él.
Cuarto: también hay que enseñarle a ser breve
Las respuestas largas son el defecto natural de estos modelos. Se explican de más, repiten lo que ya sabes y justifican decisiones que nadie cuestionó. Tuvimos que escribirlo como instrucción permanente, con ejemplos reales de lo que sobra:
- Una pregunta de sí o no se contesta con «sí» o «no».
- Se recorta el porqué, no el dato: si hacen falta cinco datos, van los cinco.
- Una entrega es el resultado más el enlace. Lo demás, si se pide.
Y aun así falló varias veces. Una instrucción escrita no es un cambio definitivo; hay que revisarla y reforzarla cuando reaparece el problema.
Quinto: «sin errores» no significa «bien hecho»
Quizá la lección más cara. Una llamada que termina sin error no garantiza que haya hecho lo que pedimos. Nos pasó con traducciones: el título salió en un idioma y el cuerpo en otro, y por encima parecía correcto. Desde entonces, antes de dar algo por hecho, el agente comprueba la propiedad que importa en el resultado: que el texto esté en el idioma pedido, que el contenido no se haya cortado, que el enlace abra.
Esta comprobación no lo ve todo. Las mezclas finas dentro de una frase siguen necesitando un ojo humano, y por eso el volumen importa: lo que se revisa a mano debe ser una cantidad que una persona pueda revisar.
Sexto: las tareas programadas fallan en silencio si no las diseñas bien
Las tareas repetitivas nativas de la herramienta que usamos tienen un fallo conocido: pueden dejar de ejecutarse sin avisar. La solución fue cambiar el diseño: en lugar de una tarea que se repite, una cadena de tareas sueltas, donde cada una hace su trabajo, entrega el resultado y programa la siguiente. Si un eslabón se rompe, se recrea en la primera oportunidad.
Junto a eso, un latido: el agente marca cada turno con una señal y un vigilante externo avisa si pasa demasiado tiempo sin ella. Fue lo que nos permitió descubrir un día que el proceso estaba vivo, el canal arriba y, sin embargo, nadie contestaba.
Y una regla para todo lo automático: si algo falla, se avisa. Un silencio es peor que un aviso de error.
Lo que sí nos ahorró trabajo
Sin cifras inventadas, estos son los lugares donde se notó:
- El arranque del día: el resumen de la mañana llega solo, con la agenda y los pendientes.
- Las tareas repetitivas que antes se hacían a mano y ahora corren programadas.
- Los pendientes dichos en voz alta: un audio se transcribe y queda anotado.
- El contexto: no repetir quién es cada persona ni en qué punto quedó cada proyecto.
Lo que no resolvió
Para no exagerar: el agente no sustituye el criterio. Se equivoca con nombres propios y números, sobre todo al transcribir audios, y por eso confirmamos antes de actuar cuando el error cambiaría el resultado. Tampoco decide qué es prioritario; propone y la persona ordena. Y requiere mantenimiento, igual que cualquier herramienta que se usa a diario.
Qué nos llevaríamos si empezáramos hoy
- Escribir la memoria desde el primer día, con estructura de libro y no en un solo archivo.
- Definir cuándo debe callarse y cuándo contestar, antes de que ocurra el primer error.
- Pedirle brevedad de forma explícita y con ejemplos.
- Verificar el resultado, no el proceso.
- Diseñar las tareas automáticas para que fallen con ruido, no en silencio.
¿Quieres evitarte esos meses de ajuste?
Gran parte de lo anterior se aprende solo fallando. Si estás pensando en un agente para tu negocio, escríbenos: te contamos qué configurar desde el principio y qué dejar para después, sin compromiso y sin humo.
Datos de nuestros propios registros de trabajo, revisados el 6 de noviembre de 2026. Los tiempos y resultados dependen de cómo se configure y use cada agente; no son resultados garantizados.
English version: What we learned from months of working with our own agent
