Los agentes de IA pueden encargarse de tareas en segundo plano, pero asignarles una tarea no hace que el proceso sea automáticamente autónomo. En un artículo para Social Media Examiner, Rachel Woods, estratega de operaciones de IA, afirma que la clave es documentar cómo debe realizarse el trabajo y luego perfeccionar esas instrucciones hasta que los resultados sean lo bastante uniformes como para requerir menos supervisión humana.
Woods llama «manuales» a estos flujos de trabajo documentados. Cada uno se centra en un tipo específico de trabajo y establece cuatro elementos: el desencadenante que lo inicia, la información que necesita la IA, los pasos que debe seguir y el resultado esperado. Por ejemplo, su manual para clasificar correos electrónicos se ejecuta cada hora, procesa los mensajes nuevos, redacta respuestas y señala los casos que no puede resolver para que se revisen más adelante.
El artículo recomienda que los manuales tengan un alcance limitado. Una campaña de marketing, por ejemplo, implica distintos entregables, como correos electrónicos, publicaciones en redes sociales y páginas de destino. En vez de pedirle a un solo manual que gestione toda la campaña, Woods sugiere crear uno separado para cada entregable y vincularlos mediante un flujo de trabajo general. Describe este enfoque como «apilamiento».
Para desarrollar y mejorar un manual, Woods emplea un proceso de cinco partes llamado CRAFT: imagen clara, diseño realista, adaptación a la IA, ciclo de retroalimentación e implementación en el equipo. En la primera versión, puede que una persona siga participando en la revisión del trabajo. Esa revisión ayuda a identificar en qué acierta la IA, en qué se equivoca y qué instrucciones deben aclararse. Así, en un ciclo posterior se puede reducir o eliminar la intervención humana cuando el flujo de trabajo sea fiable.
La retroalimentación debe incorporarse al manual, en lugar de quedarse en una corrección informal. Por ejemplo, si la IA añade un resumen no deseado, se puede indicar explícitamente en las instrucciones que no debe incluirlo. Woods también advierte que los agentes que se editan a sí mismos necesitan límites: su equipo permite que una IA haga cambios menores en los manuales, mientras que las revisiones importantes se debaten primero.
Woods aconseja guardar los manuales por separado de los productos de IA que los ejecutan. Los documentos almacenados en servicios como Google Drive o Notion pueden reutilizarse con distintas herramientas, en vez de quedar vinculados a una sola plataforma. Señala que su equipo utiliza Google Drive y GitHub, y observa que GitHub se adapta mejor a los equipos que necesitan colaborar entre distintas cuentas.
Cuando ya hay varios manuales en funcionamiento, Woods afirma que un «gerente intermedio» de IA puede supervisarlos. Un agente de este tipo puede dividir el trabajo en tareas, controlar los resultados y coordinar a otros agentes. Una opción es usar subagentes en Claude y dejar que un agente principal gestione su trabajo. Otra es conectar los agentes a un servicio de gestión de tareas, como Asana o ClickUp, donde la actividad puede activar asignaciones y dejar constancia de lo que se completó.
El enfoque depende del flujo de trabajo: Woods afirma que los sistemas de gestión de tareas pueden ofrecer un seguimiento útil a los equipos, mientras que una rutina personal quizá no necesite ese nivel de estructura. En cualquier caso, la recomendación central del artículo es generar confianza mediante instrucciones específicas, retroalimentación reiterada y traspasos graduales antes de esperar que la IA opere sin supervisión.
Fuentes: Social Media Examiner.