La empresa donde la IA escribe el código y el contenido
Lo que funciona de verdad cuando el trabajo lo hacen agentes de IA. Y dónde sigue fallando.
En mi entorno, hoy la IA escribe de verdad el código y el contenido. No como una demo de conferencia. En producción, cada día, sobre cosas que tienen usuarios y una fecha de entrega.
No es magia. Es una herramienta con reglas. Y la mayoría de la gente no conoce esas reglas, así que o no les funciona o confían a ciegas. Ambas cosas están mal.
Cómo se ve en la práctica
No le doy pasos a la IA. Le doy un resultado. Digo qué debe salir y cómo sabré que está terminado. El agente hace un plan, accede a los archivos, ejecuta comandos, se topa con un error y se corrige solo. Yo, mientras tanto, marco el rumbo y controlo el resultado.
Con el contenido funciona igual. No escribo el prompt "escribe un artículo". Doy un rol, un contexto, una tarea, un formato y criterios de calidad. La diferencia entre una frase y cinco líneas es la diferencia entre relleno genérico y un texto que sale directo a publicar.
El agente no es un milagro, es una herramienta con reglas
Si le das a un agente un objetivo grande sin límites, entrega algo que parece terminado y no lo está. Los programadores dicen que la IA esconde los juguetes debajo de la cama. Parece todo recogido, hasta que miras debajo de la cama.
Por eso ajusto el tamaño del objetivo según la confianza y el riesgo. Poca confianza y un gran impacto del error significan un objetivo menor y una correa más corta. Mucha confianza y poco riesgo significan que lo suelto para rato. No es una elección binaria entre la microgestión y la fe ciega. Es una calibración.
Una puerta honesta, o no funciona
Lo más importante de toda la configuración no es el modelo. Es una puerta capaz de fallar. En el código son las pruebas, el linter, la ejecución real. No un segundo modelo que lee el código y dice "se ve bien". Ese no ejecutó el código.
Tengo una regla: solo está terminado cuando pasa una puerta real. No cuando el modelo da el visto bueno. No cuando se ve bien en la pantalla. Cuando pasa una prueba capaz de decir que no.
Un bucle es tan honesto como su puerta. Si la puerta nunca falla, no es una puerta, es un sello de goma.
Verificación antes que confianza
Como capa de control barata hago una revisión entre modelos. Un modelo termina y otro, con contexto nuevo, lo revisa y busca las debilidades que el primero pasó por alto. Detecta fallos de razonamiento y requisitos que faltan, rápido y barato.
Pero para las cosas que de verdad pueden romper producción, esto no basta. Ahí tiene que entrar la ejecución real. La profundidad de la verificación depende del impacto del error. El riesgo bajo lo resuelve la revisión de un segundo modelo. El riesgo alto pide ejecución.
Qué llevarse de todo esto
Los agentes de IA hacen hoy trabajo real. No porque el modelo sea listo, sino porque a su alrededor hay un entorno: un resultado bien definido, una puerta honesta y una verificación proporcional al riesgo.
Quien construye este entorno, acelera con la IA. Quien solo abre un chat y espera, recibe un texto que parece inteligente y no lleva a ninguna parte. La diferencia no está en la herramienta. Está en cómo la integras.