La entrega perfecta que muere sola
Lo que pasa después de que el cliente firma y yo me voy.
Entrego un sistema de agentes de voz. Funciona. El cliente lo ve funcionar en directo. Las llamadas se atienden solas. El CRM se actualiza automáticamente. El equipo de ventas deja de perder tiempo cualificando leads a mano. Todos contentos. El cliente firma.
Meses después me llaman. El agente lleva semanas fallando. Nadie sabe por qué. Cambiaron el CRM y algo se rompió. O actualizaron una integración y el webhook dejó de recibir datos. O el proceso de negocio cambió y nadie supo cómo actualizar el prompt del agente para reflejarlo.
Nadie dentro entiende qué está pasando entre que el agente habla y el CRM se actualiza. La tubería se rompió y nadie supo ni por dónde mirar.
Esto no es un caso concreto. Es un patrón. Se repite porque el CEO compró tecnología pensando que la tecnología se mantiene sola. Y la IA no funciona así.
La IA es una infraestructura viva. Necesita supervisión, mantenimiento y personas dentro que entiendan cómo funciona cuando algo cambia. Porque algo siempre cambia: el CRM, el proceso de ventas, el guion del agente, las integraciones, la base de conocimiento que alimenta el sistema.
Nada de esto es un problema técnico complejo. Es mantenimiento de infraestructura. Pero si nadie dentro lo entiende, cada cambio se convierte en una emergencia que me llega a mí. Y eso no escala ni para mí ni para el cliente.
La pregunta que nadie hace antes de contratar
¿Quién dentro de mi empresa va a entender esto cuando la persona que lo construyó no esté disponible? ¿Quién va a saber actualizar el prompt cuando cambie el proceso? ¿Quién va a detectar que el webhook dejó de funcionar antes de que el negocio lleve semanas perdiendo llamadas?
Si no tienes respuesta clara para las tres preguntas, la implementación tiene fecha de caducidad.
Puedo entregarte un Fórmula 1. Funciona perfectamente. Pero si en tu empresa nadie entiende cómo funciona el motor, lo que tienes es un objeto muy caro en el garaje. El problema no es la tecnología que instalé. El problema es el organigrama que te quedas cuando yo me voy.
La metamorfosis obligatoria
Por qué el programador que trabaja igual que en 2021 es hoy un coste, no una inversión.
Dario Amodei, CEO de Anthropic, lleva meses diciendo algo con una implicación directa para cualquier empresa: la IA no es una herramienta de búsqueda, es un acelerador cognitivo. No te ayuda a encontrar información más rápido. Te ayuda a pensar, a producir y a construir a una velocidad que antes era imposible sin un equipo entero detrás.
Amodei ha argumentado en múltiples ocasiones que los modelos de lenguaje avanzados no son herramientas pasivas de recuperación de información. Son sistemas que comprimen el tiempo entre tener una idea y ejecutarla: permiten que una persona trabaje con la efectividad que antes requería un equipo pequeño.
La implicación directa no es que la IA sustituye personas en bloque. Es que multiplica exponencialmente la diferencia entre los que saben usarla y los que no. El gap crece cada trimestre. Y no se recupera fácilmente.
El programador que hoy sigue picando código exactamente igual que en 2021 no es una inversión. Es un coste de oportunidad enorme.
No porque vaya a ser sustituido directamente mañana. Sino porque él mismo ha decidido no hacer la metamorfosis. Sigue creyendo que su valor está en la sintaxis. En saber de memoria cómo se escribe una función que Claude genera en cuatro segundos. Mientras tanto, el que aprendió a orquestar lo que la IA produce ya va diez veces más rápido.
Ese valor ya no justifica ese coste.
Lo que cambia en cada departamento
Los departamentos no cambian. Lo que cambia es qué tiene que saber hacer cada persona dentro de ellos con IA. No todos los perfiles necesitan lo mismo. Pero hay un mínimo que no es negociable en ninguno.
Entienden qué es un prompt, por qué puede alucinar un agente de voz, y cómo crear bases de conocimiento en Markdown que alimentan el sistema. Cuando llega una incidencia, saben si es un fallo del prompt o un problema de integración antes de escalar.
Gestionan el stack técnico: Vertex AI, Google Cloud, las APIs, las integraciones. Si el sistema falla a las 3 de la mañana, son ellos quienes saben dónde mirar. No construyen el agente, pero mantienen encendida la maquinaria que lo sostiene.
Automatizan su LinkedIn personal, redactan propuestas y contenidos con Claude, gestionan su pipeline con IA. No construyen agentes. Pero el que sabe usar Claude para redactar una propuesta en 20 minutos en lugar de dos horas tiene una ventaja real sobre el que no.
Entienden qué es un modelo de lenguaje, qué es un prompt, por qué alucina el sistema. Cuando cambia un procedimiento interno, son ellos quienes actualizan la base de conocimiento. El sistema solo es tan bueno como la documentación que lo alimenta.
El mínimo que no es negociable en ningún perfil
Todo documentado. Cuando cambia un procedimiento, se actualiza la base de conocimiento. No la semana siguiente. En el momento en que cambia. Un sistema de IA que trabaja con información desactualizada no falla de golpe: va degradando silenciosamente hasta que nadie entiende por qué los resultados ya no son los de antes.
El cambio que importa
El valor ya no está en la sintaxis. Está en saber orquestar, supervisar y validar lo que la IA produce. El que domina eso trabaja a una velocidad que hace dos años era imposible sin diez personas detrás. Uno solo, con las herramientas correctas, produce más que ese equipo.
La lógica no lineal
Por qué el perfil que el sistema corporativo rechazaba es hoy el más valioso para trabajar con agentes de IA.
Alex Karp, CEO de Palantir, dijo algo que generó mucho ruido y merece más análisis del que recibió: los perfiles neurodivergentes tienen una ventaja competitiva real en la era de los agentes de IA. La capacidad de ver patrones donde otros ven caos, de conectar nodos que para el pensamiento lineal parecen inconexos, es exactamente lo que necesitas para entender y gestionar sistemas de automatización compleja.
En una entrevista publicada por Fortune en marzo de 2026, Karp identificó dos perfiles con ventaja estructural en la era de la IA: personas con formación vocacional profunda en un campo concreto, y perfiles neurodivergentes con capacidad de pensamiento no lineal.
Su argumento: trabajar con sistemas de IA avanzados requiere una forma de procesar la información que no es la que enseñan las escuelas de negocio convencionales. Los agentes funcionan en flujos, nodos y patrones de causa-efecto no lineales. Las mentes que procesan el mundo así tienen una ventaja estructural real.
Cuando lo leí no me sorprendió. Lo había vivido desde dentro mucho antes de que Karp lo dijera en ningún escenario.
Tengo TDAH. Siempre lo he tenido, aunque durante muchos años no tuviera nombre para lo que sentía ni para cómo proceso las cosas.
Antes de montar mi empresa hace 15 años, trabajé en multinacionales. Tuve la suerte de tener jefes brillantes —Javier Alonso, Andrés Ortega, Jesús Aldana— que entendieron cómo trabajo y supieron sacar lo mejor de ese modo de funcionar. Con ellos nunca tuve problemas.
Pero en otros entornos, mi perfil no encajaba. Demasiado nerviosa. Demasiado activa. Hablo fuerte. Cuando trabajo con equipos que dejan las cosas a medias, entro en un nivel de irritabilidad que no sé esconder. Lo que llaman «dificultad para trabajar en equipo» es en realidad baja tolerancia al trabajo mediocre. No es lo mismo, aunque en el sistema se gestione igual.
Pienso de forma no lineal. Veo el sistema completo antes de que nadie haya empezado a leer las instrucciones. Necesito entender el por qué antes de ejecutar el cómo. En estructuras que funcionan en modo comando-obediencia, eso incomoda. En estructuras que necesitan innovación real, eso es exactamente lo que falta.
Lo que durante años fue una fuente de fricción resulta ser exactamente la forma de pensar que necesitas para trabajar bien con agentes de IA. Para ver de un vistazo cómo un webhook conecta con un CRM que conecta con un trigger que conecta con una llamada. Para detectar dónde se va a romper la cadena antes de que se rompa.
No trabajo con todo el mundo. Soy de blanco o negro. No acepto todos los proyectos. Lo que ves en mi página es lo que acepto y lo que no. Durante años eso fue una limitación que el sistema corporativo me hacía sentir como un defecto de carácter. Hoy es un filtro de calidad que protege mi trabajo, mi energía y el resultado del cliente.
El cambio de perspectiva que importa
El perfil que era demasiado intenso, demasiado detallista, demasiado obsesionado con el por qué, demasiado incómodo con el trabajo a medias... ese perfil es hoy exactamente el mejor interlocutor para alguien que construye sistemas de agentes. La pregunta no es si tienes esos perfiles. Es si los estás aprovechando o los estás gestionando para que no molesten.
Qué tiene que saber cada departamento
No todo el mundo necesita saber lo mismo. Pero nadie puede permitirse no saber nada.
Cuando entrego un sistema, lo que determina si sigue funcionando en seis meses no es la calidad técnica del agente. Es si hay personas en cada área que entienden lo suficiente para mantenerlo vivo. Aquí lo que veo en producción real.
Soporte nivel 1 y nivel 2
Son los primeros que notan cuando algo falla en el agente. Para eso tienen que saber qué es un prompt, cómo funciona un modelo de lenguaje y por qué puede alucinar un agente de voz. No para construirlo: para diagnosticar si el problema viene del prompt, de la integración o de la red.
También tienen que saber crear y mantener bases de conocimiento en Markdown. Esas bases son el cerebro del sistema. Si están mal estructuradas o desactualizadas, el agente trabaja con información incorrecta y nadie sabe por qué los resultados se degradan.
Herramientas clave: Claude Workspace o ChatGPT para diagnóstico, editor de Markdown, acceso a logs del sistema.Técnicos y sistemas
Estos son los que mantienen encendida la maquinaria. Gestionan el stack: Vertex AI, Google Cloud, las APIs, los webhooks, las integraciones con el CRM. Cuando el sistema falla a las 3 de la mañana, son ellos los que saben dónde mirar.
No construyen el agente. Pero tienen que entender cómo está montado para poder mantenerlo. Eso incluye saber qué hace cada integración, cómo fluyen los datos entre sistemas y qué alerta significa que hay que actuar antes de que el negocio note el problema.
Herramientas clave: Google Cloud Console, N8N o similar, logs de Retell AI, monitorización de webhooks.Ventas y comercial
Aquí no hace falta entender cómo funciona el agente de voz. Hace falta usar la IA como multiplicador del trabajo diario. Eso significa redactar propuestas comerciales con Claude en 20 minutos en lugar de dos horas, automatizar la actividad de LinkedIn personal, y usar IA para preparar reuniones, resumir llamadas y gestionar el pipeline.
El comercial que sabe hacer esto tiene una ventaja enorme sobre el que no. No porque sea más inteligente: porque produce más en menos tiempo y con menos fricción.
Herramientas clave: Claude.ai, herramientas de automatización LinkedIn, resumen de llamadas con IA.Responsables de área y dirección
Este es el perfil más crítico y el que falla más a menudo. El responsable de área tiene que entender qué es un modelo de lenguaje, qué es un prompt y por qué alucina el sistema. No a nivel técnico profundo: a nivel de poder tomar decisiones informadas sobre el sistema que tiene en producción.
Cuando cambia un procedimiento interno —y siempre cambia— es el responsable de área quien tiene que actualizar la base de conocimiento que alimenta el agente. Si no lo hace, el sistema sigue funcionando con las reglas antiguas. Y eso no falla de golpe: se va degradando silenciosamente hasta que nadie sabe por qué los resultados ya no son los de antes.
Herramientas clave: Claude.ai para gestión de documentación y procedimientos, acceso al panel del agente para revisar métricas clave.El denominador común de los cuatro
Ninguno construye agentes desde cero. Todos entienden el sistema que tienen en producción en suficiente profundidad para mantenerlo, actualizarlo cuando el negocio cambia, y detectar cuándo algo no va bien antes de que sea una emergencia. La diferencia entre una empresa que saca valor real de la IA durante años y una que me llama a los seis meses porque todo dejó de funcionar está exactamente aquí.
Para el CEO que lee esto
No busques fuera lo que puedes transformar dentro. Pero no te engañes sobre lo que tienes realmente.
Hay una tentación que veo en casi todos los CEOs cuando entienden que necesitan estos conocimientos dentro: salir a contratar. Publicar una oferta de «responsable de IA» y esperar que llegue alguien que resuelva el problema desde fuera.
Eso a veces funciona. La mayoría de las veces no. El problema no es encontrar a alguien que sepa de IA en abstracto. Es encontrar a alguien que entienda tu negocio específico, tu proceso concreto, tus integraciones particulares, y que además sepa trabajar con sistemas de agentes en producción real. Ese perfil combinado es escaso, caro y tarda meses en ser útil.
Lo que casi siempre funciona mejor: identificar a las personas correctas que ya tienes dentro y crearles las condiciones para que hagan la metamorfosis.
La secuencia que funciona. Sin saltarse pasos.
Lo que no funciona
Contratar a alguien externo para que «gestione la IA» sin que esa persona entienda tu negocio desde dentro. O asumir que la formación ocurrirá sola mientras cada área mantiene el 100% de su carga anterior. La metamorfosis necesita tiempo protegido. Alguien tiene que decidir que es una prioridad y crear ese espacio antes de que el sistema empiece a fallar.
¿La IA sustituye equipos? Mi posición real.
Sin edulcorante y sin la tranquilidad falsa que vende la mayoría cuando habla de esto.
Sí. La IA sustituye perfiles. Hay roles que desaparecen. Hay tareas que ya no necesitan una persona detrás.
Quien te diga lo contrario te está vendiendo tranquilidad a cambio de que no hagas las preguntas incómodas que sí deberías estar haciendo ahora.
Pero hay una diferencia enorme entre sustituir tareas y reemplazar personas que la mayoría confunde. Y esa confusión lleva a tomar decisiones equivocadas en los dos sentidos.
Sustituir significa que una tarea que antes hacía una persona ahora la hace un sistema. Eso ocurre. Lo veo cada día con Elio: la cualificación inicial de leads que antes requería horas de llamadas ahora la gestiona el agente. Las personas que hacían eso o evolucionaron hacia trabajo que requiere juicio humano real, o su rol dentro de ese proceso desapareció.
Reemplazar significa que el valor humano desaparece completamente. Que no hay ningún papel para ninguna persona en ningún punto de la cadena. Eso no ocurre todavía. Al menos no en los sistemas que construyo.
Lo que sustituye y lo que no
- Atender llamadas siguiendo siempre el mismo guion
- Cualificar leads con las mismas preguntas en el mismo orden
- Clasificar tickets con criterios repetitivos y predecibles
- Registrar datos de llamadas manualmente en el CRM
- Enviar seguimientos de email repetitivos sin variación
- Gestionar leads ya cualificados: solo habla con quienes muestran interés real
- Cierre con empatía y contexto, no prospección en volumen
- Mantener y evolucionar el sistema cuando el negocio cambia
- Detectar patrones en los datos que el agente genera
- Actualizar bases de conocimiento y procedimientos documentados
Los números que lo demuestran
inicio → producción (Elio)
400 candidatos
vs email en encuestas
El error de cálculo más caro que veo repetirse
Asumir que porque tu equipo «usa IA» ya está preparado para operar sistemas de agentes en producción. Usar Claude para redactar un email no es lo mismo que entender cómo funciona un flujo que integra telefonía IP, CRM y un modelo de lenguaje. Uno es consumir IA. El otro es operar infraestructura de IA. No son el mismo nivel ni requieren las mismas habilidades.
El CEO que hoy toma decisiones de equipo asumiendo que «ya se adaptarán» está acumulando un problema que pagará en dos años. En forma de sistemas que no se mantienen, implementaciones que mueren por falta de interlocutores válidos, y una brecha creciente entre lo que la IA podría hacer para el negocio y lo que realmente está haciendo.
Lo que diferencia a las empresas que aprovechan esto
No es el tamaño ni el presupuesto ni el sector. Es si hay personas en cada área que entienden el sistema lo suficiente para mantenerlo vivo, actualizarlo cuando el negocio cambia, y detectar cuándo algo no va bien antes de que sea una emergencia. Eso se construye con formación específica y tiempo protegido. No con tecnología más cara.