Los agentes de inteligencia artificial están por todas partes, pero cuando empiezas a investigar cómo crear uno es fácil acabar leyendo sobre APIs, servidores, automatizaciones, bases de datos vectoriales y un montón de conceptos que probablemente no necesitas para empezar.
Yo quería comprobar hasta dónde podía llegar empezando por algo muchísimo más sencillo: una carpeta normal de Windows, unas instrucciones claras y ChatGPT.
El objetivo no era crear un chatbot que respondiera preguntas. Quería construir un agente capaz de entender cómo trabajamos, consultar información de nuestra empresa, trabajar con archivos de proyectos reales, recordar decisiones importantes y aprender procedimientos que pudiera reutilizar más adelante.
Y para probarlo no preparé un ejemplo de juguete.
Le encargué preparar un proyecto completo para una empresa que se muda de oficina: puestos de trabajo, portátiles, mobiliario, red, puntos WiFi, salas de reuniones, presupuesto, propuesta técnica e incluso un recorrido 3D de las nuevas instalaciones.
Lo interesante es que no salió perfecto a la primera.
El agente inventó información que no tenía, preparó algunos documentos en formatos que yo no quería y el primer recorrido 3D no respetaba correctamente el plano de la oficina.
Y precisamente ahí está la parte más interesante.
En lugar de arreglar yo el trabajo y seguir adelante, fui convirtiendo cada error en una nueva regla o habilidad para que el agente no volviera a cometerlo.
En esta guía voy a enseñarte exactamente cómo lo hice, incluyendo los prompts que utilicé.
Importante: puedes montar la estructura básica de este agente en unos 15 minutos. Conseguir que aprenda procedimientos complejos y se adapte a tu forma de trabajar requiere después probarlo, corregirlo y mejorarlo. Esa segunda parte es precisamente donde empieza a ser realmente útil.
El agente terminó preparando documentos, presupuestos y una experiencia 3D a partir de la información del proyecto
Qué vamos a crear exactamente
Antes de empezar conviene aclarar qué entiendo por agente de IA en este tutorial.
No vamos a crear simplemente un chat con un prompt enorme que tengamos que volver a pegar cada vez que queramos trabajar.
La idea es construir un sistema con varias piezas:
- información permanente sobre nuestra empresa;
- instrucciones que indiquen cómo debe trabajar;
- memoria para conservar decisiones importantes;
- habilidades o skills reutilizables;
- y una carpeta independiente para cada proyecto.
De esta forma, cuando llegue un nuevo trabajo, no tendremos que explicarle todo desde cero.
Nuestro agente podrá consultar la información que ya conoce, revisar sus habilidades disponibles y trabajar con los archivos específicos de ese proyecto.
Qué diferencia hay entre usar ChatGPT y crear un agente de IA
Cuando utilizamos ChatGPT de forma convencional, normalmente hacemos algo parecido a esto:
Le explicamos una tarea, le proporcionamos información y esperamos una respuesta.
Cuando empezamos otro trabajo, volvemos a introducir contexto.
En el sistema que vamos a montar, buena parte de ese contexto vive fuera de la conversación.
El agente tendrá un lugar donde consultar cómo trabajamos, otro donde guardar información importante, otro donde almacenar procedimientos aprendidos y otro donde trabajar con cada cliente.
Por eso uno de los primeros experimentos que hice fue darle una instrucción deliberadamente corta:
Lee AGENTS.md y prepara el proyecto 01-mudanza-oficina.
Nada más.
No le expliqué dónde estaba el plano, dónde debía buscar los precios o dónde tenía que guardar los entregables.
Todo eso debía poder deducirlo de su propio manual.
Qué podrá hacer cuando terminemos
En mi caso terminé utilizándolo para:
- analizar la documentación proporcionada por un cliente;
- preparar una propuesta técnica;
- crear un presupuesto en Excel;
- trabajar con un plano;
- proponer ubicaciones para puntos WiFi;
- generar documentos en Word;
- recordar decisiones;
- aprender cómo quiero organizar los presupuestos;
- crear un recorrido 3D de una oficina;
- relacionar elementos del recorrido con partidas económicas;
- y convertir procedimientos corregidos en habilidades reutilizables.
Eso no significa que tu agente tenga que hacer lo mismo.
El objetivo es enseñarte la estructura para que después puedas aplicarla a los procesos repetitivos de tu propia empresa.
Qué necesitas para crear tu primer agente de IA
Una de las cosas que más me interesaba comprobar era si realmente hacía falta montar una infraestructura compleja para empezar.
Para este ejemplo, no.
La base de nuestro agente puede vivir dentro de una carpeta normal.
Yo la dividí inicialmente en cuatro partes:
agente/
├── contexto/
├── memoria/
├── skills/
└── proyectos/Cada carpeta tiene una función diferente.
contexto/
Aquí guardaremos información relativamente estable sobre nuestra empresa.
Por ejemplo:
- qué servicios ofrecemos;
- qué productos utilizamos;
- tarifas;
- proveedores;
- criterios técnicos;
- documentación habitual;
- preferencias de trabajo.
La idea es que no tengamos que repetir esta información en todos los proyectos.
memoria/
Aquí el agente podrá conservar información que merece la pena recordar.
No quiero utilizar la memoria como un cajón donde guardar absolutamente todo.
Me interesa conservar principalmente decisiones que puedan afectar a futuros trabajos.
skills/
Aquí estarán los procedimientos que el agente haya aprendido a ejecutar de una determinada manera.
Al principio, esta carpeta puede estar completamente vacía.
De hecho, en mi prueba empezó así.
Primero quería que el agente trabajara, se equivocara y recibiera correcciones.
Solo cuando un proceso quedara como yo quería tendría sentido convertirlo en una habilidad reutilizable.
proyectos/
Cada trabajo tendrá su propia carpeta.
Dentro de cada proyecto utilizo al menos:
01-mudanza-oficina/
├── entrada/
└── entregables/En entrada/ dejo todo lo proporcionado por el cliente.
En entregables/ quiero que aparezcan los documentos generados por el agente.
Esta separación parece sencilla, pero evita mezclar información permanente de nuestra empresa con datos específicos de un cliente.
Esta es la estructura básica desde la que empecé a construir el agente.
Crear AGENTS.md: el manual principal del agente
Ahora necesitamos probablemente el archivo más importante de todo el sistema.
AGENTS.md.
Aunque la extensión pueda parecer extraña si no estás acostumbrado a trabajar con Markdown, puedes crear este tipo de archivo incluso desde un editor de texto.
Este documento actúa como manual operativo del agente.
Aquí podemos indicarle:
- quién es;
- cómo debe trabajar;
- dónde encontrará la información;
- qué debe revisar antes de empezar;
- dónde guardar cada resultado;
- qué puede decidir;
- qué no debe asumir;
- y qué comprobaciones tiene que realizar antes de entregar un trabajo.
En mi caso acabé descubriendo que algunas de las instrucciones aparentemente más sencillas eran también las más importantes.
Tres reglas especialmente importantes
Una de ellas es:
No adivines.
Si falta información necesaria para tomar una decisión, quiero que el agente me diga exactamente qué necesita.
Otra:
Recuerda por tu cuenta las decisiones que puedan afectar a futuros trabajos.
Y la tercera:
Comprueba el trabajo antes de entregarlo.
Puede parecer obvio, pero más adelante veremos que la primera regla no estaba suficientemente bien aplicada y el agente terminó inventando información.
Es una de las razones por las que el AGENTS.md final que utilizo ahora no es exactamente el mismo con el que empecé.
Ha ido incorporando las correcciones que aparecieron mientras trabajaba.
AGENTS.md funciona como el manual principal del agente y contiene las reglas generales de trabajo.
Descargar mi plantilla AGENTS.md
Si quieres empezar con la misma base que utilizo en este proyecto, he preparado para descargar la versión final de mi AGENTS.md.
No es solamente el archivo con el que empecé.
Incluye también varias correcciones y mejoras que fui incorporando después de encontrar problemas durante las pruebas.
Quiero descargar AGENTS.md
Rellena el formulario y recibe tu fichero
Preparar el contexto de nuestra empresa
Una vez tenemos las reglas generales, tenemos que proporcionar al agente información sobre la empresa para la que va a trabajar.
Para eso utilizaremos contexto/.
En mi ejemplo guardé aquí información que cambia relativamente poco entre proyectos.
Productos que utilizamos habitualmente, servicios, tarifas y cualquier información general que el agente pueda necesitar para preparar propuestas.
La diferencia entre contexto general e información de proyecto es importante.
Si una tarifa se aplica regularmente a distintos clientes, probablemente tenga sentido guardarla en contexto.
Si un cliente concreto necesita seis portátiles porque se muda de oficina, esa información pertenece al proyecto.
Separar ambas cosas evita que los datos de un cliente terminen contaminando trabajos posteriores.
También permite escribir prompts mucho más sencillos.
Por ejemplo, más adelante, cuando le indico qué equipamiento necesita el proyecto, no tengo que volver a proporcionar todos los precios.
El agente puede obtener esa información de su contexto.
Esta es una de las razones por las que no me interesa construir el agente alrededor de un único prompt gigantesco.
Prefiero que la información tenga un lugar estable y que el agente sepa dónde encontrarla.
Crear memoria y skills: no son lo mismo
Este es uno de los conceptos que más me gusta del sistema porque al principio puede parecer que memoria y habilidades sirven para lo mismo.
No es así.
Una forma sencilla de entenderlo es:
Memoria = qué debe recordar.
Skill = cómo sabe hacer algo.
Por ejemplo, imaginemos que durante varios proyectos descubro que determinado tipo de cliente utiliza siempre una configuración específica.
Eso podría ser información para recordar.
Pero imaginemos ahora que después de varias correcciones consigo que un presupuesto tenga exactamente la estructura que quiero: categorías, subtotales, resumen económico y determinadas comprobaciones.
Eso ya no es solamente algo que quiero recordar.
Es un procedimiento que quiero poder repetir.
Ahí tiene sentido crear una Skill.
En mi prueba inicial la carpeta de memoria empezó prácticamente vacía y skills/ estaba totalmente vacía.
No quise rellenarla desde el principio con procedimientos inventados.
Prefería esperar a que el agente realizara una tarea real y corregirla hasta obtener un resultado que realmente quisiera reutilizar.
Esta forma de trabajar terminó convirtiéndose en un patrón que repetí varias veces:
hacer → revisar → corregir → convertir en Skill.
Más adelante veremos el ejemplo completo con el presupuesto y con el recorrido 3D.
Crear el primer proyecto
Para probar el agente preparé un caso bastante más exigente que una simple tarea de texto.
Una empresa iba a trasladarse a unas nuevas oficinas.
Dentro de la carpeta del proyecto coloqué la información de entrada.
El cliente necesitaba nuevos portátiles y puestos de trabajo, quería trabajar principalmente mediante WiFi, había que plantear ubicaciones para los puntos de acceso y además debíamos preparar las salas de reuniones.
El servidor existente no debía sustituirse.
Solamente había que trasladarlo a la nueva sala técnica.
También había un plano de la oficina y posteriormente añadí información con medidas.
Además, dejé algunos datos sin indicar de forma intencionada.
Quería comprobar si el agente cumplía una de sus reglas más importantes:
si no tienes información suficiente, pregunta.
Cada proyecto mantiene separados los archivos que proporciona el cliente y los entregables generados.
Prompt 1: lanzar todo el proyecto con una sola instrucción
Una vez preparado el proyecto, utilicé un prompt deliberadamente mínimo:
Lee AGENTS.md y prepara el proyecto 01-mudanza-oficina.Eso es todo.
No le indiqué:
- dónde estaba el plano;
- dónde consultar el contexto;
- si debía revisar memoria;
- qué skills utilizar;
- ni dónde guardar los documentos.
¿Por qué?
Porque precisamente quería comprobar si habíamos construido bien el agente.
Si cada vez tengo que volver a explicarle toda la estructura, AGENTS.md aporta poco.
El primer resultado fue bastante impresionante.
El agente consiguió analizar el proyecto, preparar una primera propuesta técnica y plantear incluso ubicaciones para los puntos WiFi.
También detectó que no disponía de información suficiente para completar algunas partes.
Por ejemplo, no podía preparar correctamente el recorrido 3D porque todavía faltaban medidas.
Hasta aquí, bien.
Pero al revisar el resultado encontré un problema mucho más importante.
El primer error: el agente inventó información
El presupuesto preparado por el agente ascendía a 13.490 € y estaba calculado para siete puestos de trabajo.
Había un pequeño problema.
Yo nunca había dicho que hubiera siete puestos.
Y tampoco le había proporcionado determinados precios que estaba utilizando.
Es decir: el agente había rellenado por su cuenta los huecos que faltaban.
Justo lo que quería evitar.
El primer intento parecía convincente, pero utilizaba cantidades y precios que yo nunca había confirmado.
Este error me parece especialmente importante porque un resultado puede tener muy buen aspecto y seguir siendo incorrecto.
Si yo simplemente hubiera visto un Excel bien organizado y hubiera dado por buena la respuesta, habría terminado trabajando sobre datos inventados.
Así que modifiqué las instrucciones.
Quería que la regla fuera mucho más explícita:
si falta información necesaria para tomar una decisión, no la rellenes. Pregunta exactamente qué necesitas.
Al mismo tiempo detecté otro problema.
Algunos entregables se habían preparado como archivos Markdown.
Para archivos internos no me importa.
Pero yo no quiero enviar a un cliente un presupuesto en Markdown.
Quiero un Excel o PDF.
Y la propuesta técnica, por ejemplo, puede tener más sentido como documento Word.
Esto también terminó convertido en una regla.
Aquí aparece una idea importante:
cuando el agente hace algo que no te gusta, no te limites a corregir ese único resultado. Pregúntate si puedes convertir la corrección en una regla para los siguientes proyectos.
Después de corregirlo, su comportamiento cambió
Cuando repetí el proyecto después de actualizar sus instrucciones, ocurrió exactamente lo que estaba buscando.
En lugar de rellenar huecos, empezó a preguntarme.
Quería saber cuántos usuarios había, qué material debía reutilizarse, cómo debía tratar los precios, si existían impresoras y cuántos puntos de red necesitábamos.
Eso ya se parecía mucho más al comportamiento que esperaba.
Después de corregir las instrucciones, el agente dejó de completar los huecos y empezó a pedir confirmación.
Si quieres utilizar directamente las reglas que terminé aplicando después de estas pruebas, están incluidas en la versión final de mi AGENTS.md.
¿Quieres evitar estos errores desde el principio? Descarga la versión final de mi AGENTS.md.
Descargar AGENTS.md
Prompt 2: darle únicamente la información que falta
Una vez que el agente identificó correctamente las dudas, le proporcioné los datos necesarios:
Para este proyecto:
Habrá 6 usuarios y 6 puestos de trabajo.
Todo el mobiliario de los puestos será nuevo: mesas y sillas.
Los portátiles, monitores, teclados y ratones también serán nuevos.
El servidor actual se reutiliza y simplemente se traslada a la nueva sala técnica.
Hay 1 impresora de red existente, que también se reutiliza.
Las televisiones y los sistemas HDMI inalámbricos de las tres salas de reuniones serán nuevos.
Fuera de la sala técnica necesitamos puntos de red para la impresora y para los puntos de acceso Wi-Fi que propongas.
Si consideras recomendable algún punto adicional, indícalo como recomendación, pero no lo des por aprobado.
Deja el presupuesto preparado con las partidas y cantidades confirmadas.
Con esta información continúa el proyecto.
Actualiza la propuesta técnica y prepara el recorrido 3D si ya dispones de información suficiente.Hay un detalle importante en este prompt.
No estoy proporcionando los precios.
El agente debe obtenerlos del catálogo y de las tarifas que ya existen en contexto/.
Esta separación evita repetir información permanente dentro de cada proyecto.
También podemos ver otra regla interesante:
Si consideras recomendable algún punto adicional, indícalo como recomendación, pero no lo des por aprobado.
No quiero impedir que el agente razone o proponga mejoras.
Quiero impedir que convierta automáticamente sus recomendaciones en decisiones del cliente.
Generar entregables que realmente podamos utilizar
Con la información ya confirmada, el agente preparó una propuesta técnica y un presupuesto mucho más completos.
En esta segunda fase también había quedado claro qué formatos quería utilizar.
La propuesta podía prepararse en Word.
El presupuesto debía estar en Excel.
Esto puede parecer un detalle menor, pero forma parte de enseñar al agente cómo trabajamos realmente.
No basta con que la información sea correcta.
El entregable también debe ser útil.
Un cliente no debería tener que entender nuestra estructura interna ni abrir archivos pensados para una IA.
El presupuesto era correcto… pero no me gustaba
Al revisar el Excel encontré otro problema.
Esta vez no había datos inventados.
Las partidas y los importes eran correctos.
Lo que no me convencía era la organización.
Había puestos de trabajo, mobiliario, salas de reuniones, red y servicios repartidos de una manera que técnicamente podía funcionar, pero que no me parecía clara para presentar a un cliente.
Así que hice exactamente lo que haría con una persona de mi equipo.
No rehice yo el presupuesto.
Le expliqué cómo quería verlo.
Prompt 3: mejorar la organización del presupuesto
Utilicé este prompt:
He revisado el presupuesto y quiero mejorar su presentación.
La información y las partidas son correctas, pero reorganiza el archivo presupuesto-tecnico.xlsx para que sea más claro para el cliente.
Agrupa las partidas en estas categorías:
- Equipamiento informático
- Mobiliario de oficina
- Salas de reuniones
- Red y comunicaciones
- Instalación y configuración
- Traslado y equipamiento existente
Añade un subtotal al final de cada categoría y mantén un resumen económico con el total general.
No cambies productos, cantidades, precios ni decisiones técnicas.
Modifica únicamente la organización y presentación del presupuesto.El resultado fue bastante mejor.
Ahora cada bloque tenía sentido por sí mismo, disponíamos de subtotales y el cliente podía entender mucho mejor de dónde salía el total general.
No cambiamos cantidades ni precios: únicamente enseñamos al agente cómo quería presentar un presupuesto.
Este punto es importante porque demuestra que enseñar a un agente no siempre significa explicarle una tarea técnica nueva.
También podemos enseñarle nuestras preferencias.
Cómo presentamos documentos.
Cómo organizamos una propuesta.
Qué comprobamos antes de enviarla.
Qué datos nunca debe asumir.
Y una vez que el resultado queda como queremos, podemos ir un paso más allá.
Convertir una corrección en una Skill reutilizable
El presupuesto ya estaba organizado como quería.
Podría haber terminado ahí.
Pero entonces, cuando llegara el siguiente proyecto, tendría que volver a explicarle cómo quiero estructurar los presupuestos.
No tenía demasiado sentido.
Así que pedí al agente que convirtiera lo aprendido en una habilidad.
Prompt 4: crear una Skill de presupuestos
El presupuesto ya está organizado como quiero.
Crea una skill reutilizable a partir de lo que has aprendido preparando y corrigiendo este presupuesto.
Guárdala dentro de skills/ siguiendo las instrucciones de AGENTS.md.
Debe servir para futuros presupuestos de Bestlaan IT.
Incluye:
- la estructura por categorías;
- subtotales;
- resumen económico;
- comprobaciones finales;
- errores que debe evitar.
No incluyas nombres de clientes, productos concretos, cantidades ni precios específicos de este proyecto.La última parte es fundamental.
Cuando convertimos una experiencia concreta en una Skill no queremos almacenar accidentalmente información específica del cliente.
Necesitamos extraer el procedimiento general.
La Skill no debe decir:
utiliza seis portátiles.
Debe saber algo parecido a:
organiza el equipamiento informático en su categoría correspondiente, calcula subtotales y comprueba que cantidades y precios provengan de información confirmada.
Eso sí puede reutilizarse.
Después de corregir el proceso, lo convertimos en una habilidad que el agente puede reutilizar en otros proyectos.
Esta es probablemente la forma más sencilla en que explicaría la diferencia entre memoria y Skill:
la memoria conserva información; una Skill conserva una forma de trabajar.
Crear un recorrido 3D con el agente
La siguiente prueba fue bastante más ambiciosa.
Quería comprobar si el agente podía utilizar el plano y la información del proyecto para generar una representación 3D de la oficina.
No buscaba sustituir un proyecto de arquitectura.
La idea era crear algo que permitiera al cliente entender visualmente la propuesta y recorrer las instalaciones desde el navegador.
El agente generó un archivo HTML.
Lo abrí.
Y no estaba bien.
El primer recorrido 3D no respetaba el plano
Visualmente podía resultar curioso, pero al compararlo con el plano original detecté enseguida el problema:
la distribución de las habitaciones no coincidía.
El agente había reconstruido parte de la oficina utilizando una interpretación incorrecta de la información que le había proporcionado.
En este caso parte del problema era mío.
El Excel inicial con las dimensiones contenía demasiado poca información para reconstruir adecuadamente el espacio.
Preparé entonces un documento más completo con dimensiones, coordenadas, posición de habitaciones, puertas, conexiones y fachadas acristaladas.
Pero además añadí una regla que considero mucho más importante que todos esos datos:
el plano manda.
El primer 3D parecía correcto a simple vista, pero la distribución no coincidía con el plano.
Una fuente de verdad y varias fuentes auxiliares
Este error me enseñó algo importante.
Dar muchos documentos a un agente no significa que sepa automáticamente cuál debe tener prioridad.
En este proyecto quería que interpretara las fuentes así:
Plano PDF: fuente de verdad para la distribución.
Excel de medidas: fuente auxiliar para determinar dimensiones.
Resto de documentación: información para colocar mobiliario y equipamiento.
No quería que utilizara un Excel incompleto para rediseñar la oficina.
Quería que utilizara ese Excel para ayudarle a dimensionar una distribución cuya referencia seguía siendo el plano.
Prompt 5: regenerar correctamente el recorrido 3D
El prompt final quedó así:
El recorrido 3D anterior no es válido.
La distribución generada no corresponde con el plano original y necesitamos un recorrido 3D real.
Vuelve a leer AGENTS.md.
Regenera únicamente el recorrido 3D del proyecto 01-mudanza-oficina.
Utiliza:
- plano-oficina.pdf como fuente de verdad para la distribución, posición relativa de las estancias, pasillos, puertas y organización general del espacio;
- Medidas_Proyecto_01_Mudanza_Oficina.xlsx únicamente para determinar las dimensiones aproximadas de cada estancia;
- la documentación restante del proyecto para colocar el mobiliario y equipamiento correspondiente.
Antes de construir la escena, analiza primero el plano completo y determina qué estancia está junto a cuál y cómo se conectan entre sí.
No reorganices habitaciones, no cambies su posición relativa y no inventes una distribución diferente para simplificar el trabajo.
Genera un único archivo HTML con Three.js que pueda abrirse con doble clic en Chrome.
Debe incluir una vista general 3D y permitir recorrer la oficina mediante teclado y ratón.
Antes de finalizar, compara el resultado con el plano original estancia por estancia y comprueba que la distribución coincida.
Si hay alguna zona del plano que no puedas interpretar con suficiente seguridad, pregúntame antes de inventarla.
No modifiques el resto de entregables.Para una versión destinada a otras personas, añadiría además estas instrucciones:
Los elementos relevantes deben ser interactivos.
Al pulsar sobre un elemento, muestra en un panel lateral:
- nombre;
- descripción;
- cantidad;
- precio unitario;
- importe correspondiente en el presupuesto, cuando esté disponible.
Si una partida no tiene precio confirmado, indícalo como pendiente y no inventes datos.
Utiliza presupuesto-tecnico.xlsx para relacionar los objetos del recorrido con sus partidas económicas.Aunque mi agente terminó haciendo parte de esto durante las pruebas, prefiero dejarlo explícito en la guía.
Si alguien reproduce el tutorial, cuanto menos dependa de interpretaciones implícitas, mejor.
El resultado: una oficina 3D navegable desde el navegador
Después de corregir las fuentes y las instrucciones, el resultado cambió bastante.
El agente generó un único HTML con la oficina reconstruida.
Podíamos ver la distribución completa desde una vista general y entrar realmente en las distintas estancias utilizando teclado y ratón.
La representación era sencilla, y eso es importante dejarlo claro.
No pretende sustituir el trabajo de un arquitecto ni una visualización profesional.
Su utilidad era otra:
ayudar al cliente a entender la propuesta antes de ejecutar la instalación.
La segunda versión respeta la distribución general del plano y permite recorrer las estancias.
Pero apareció además algo que me gustó especialmente.
Como el agente también conocía el presupuesto, algunos objetos del recorrido podían relacionarse con sus correspondientes partidas.
Por ejemplo, al seleccionar un elemento era posible mostrar información como:
- modelo;
- número de unidades;
- precio unitario;
- importe total.
Esto empieza a demostrar algo interesante.
Las Skills y conocimientos del agente no tienen por qué vivir aislados.
Puede combinar información procedente del proyecto, del presupuesto y de otras capacidades para construir un entregable nuevo.
El agente relacionó elementos del recorrido con cantidades y precios del presupuesto.
Convertir el recorrido 3D en otra Skill
Habíamos vuelto a repetir el mismo patrón.
Primero intentamos hacer algo.
Después descubrimos errores.
Lo corregimos.
Y finalmente obtuvimos un procedimiento que queríamos reutilizar.
Así que nuevamente convertí ese aprendizaje en una Skill.
Prompt 6: guardar el procedimiento del recorrido 3D
El recorrido 3D ya está como quiero.
Crea una skill reutilizable a partir de todo lo que has aprendido generando y corrigiendo este recorrido.
Guárdala dentro de skills/ siguiendo las instrucciones de AGENTS.md.
Debe servir para futuros proyectos con planos y medidas.
Incluye:
- cómo utilizar el plano como fuente de verdad para la distribución;
- cómo utilizar las medidas para dimensionar las estancias;
- cómo crear un único HTML con Three.js;
- cómo generar una vista general y un recorrido navegable;
- cómo añadir selector de estancias y controles;
- cómo relacionar elementos del 3D con partidas del presupuesto;
- cómo mostrar precios o estados pendientes sin inventar datos;
- las comprobaciones que debe realizar antes de considerar terminado el recorrido.
No incluyas nombres de clientes, precios concretos, medidas específicas ni datos exclusivos de este proyecto.De nuevo, eliminamos los datos específicos del proyecto.
Nos interesa conservar el conocimiento general.
El agente ya dispone de varias habilidades reutilizables que al principio no existían.
Cómo reutilizar el agente en futuros proyectos
Aquí es donde el sistema empieza a resultar especialmente interesante.
Nuestro agente no tiene que quedarse congelado en el estado actual.
En mi ejemplo preparé un segundo proyecto situado aproximadamente dos años después.
El mismo cliente necesita ahora renovar la sala del servidor, instalar un nuevo armario CPD y sustituir el servidor de la empresa.
Es un proyecto muy diferente a una mudanza de oficina.
Pero el agente ya no empieza completamente desde cero.
Dispone de:
- contexto sobre la empresa;
- memoria;
- reglas generales;
- una Skill para presupuestos;
- una Skill relacionada con proyectos que utilizan planos;
- y un procedimiento para comprobar el trabajo antes de entregarlo.
Naturalmente seguirá necesitando los datos específicos del nuevo proyecto.
Y si falta algo importante, debe volver a preguntar.
Ese es precisamente el comportamiento que buscamos.
No queremos que la existencia de memoria convierta al agente en alguien que dé por hecho que todos los proyectos son iguales.
Queremos que reutilice lo que realmente es reutilizable.
Prompt extra: plantilla para futuros proyectos
Este siguiente prompt no es uno de los que utilicé literalmente durante la grabación del vídeo.
Lo he preparado después como una plantilla genérica basada en todo el flujo anterior.
Puedes utilizarlo como punto de partida para nuevos proyectos:
Lee AGENTS.md y prepara el proyecto [NOMBRE_DEL_PROYECTO].
Revisa:
- contexto;
- memoria;
- skills disponibles;
- todos los archivos de entrada.
Utiliza las skills relacionadas con el proyecto.
No inventes información que no esté disponible.
Si falta algún dato necesario para tomar una decisión, indícame exactamente qué necesitas.
Genera únicamente los entregables que puedan prepararse correctamente y guárdalos dentro de la carpeta entregables del proyecto.Me gusta incluirlo porque resume muy bien la filosofía completa del sistema.
Los prompts futuros deberían poder ser cada vez más simples porque el conocimiento importante ya tiene un lugar donde vivir.
Qué trabajos de una empresa convertiría en agentes de IA
Después de hacer esta prueba, yo empezaría buscando tareas con tres características:
se repiten, siguen ciertos criterios y necesitan consultar información.
Por ejemplo:
- preparación de presupuestos;
- propuestas comerciales;
- documentación de proyectos;
- informes periódicos;
- revisión de documentación;
- migraciones;
- despliegues repetitivos;
- preparación de renovaciones;
- clasificación de información;
- generación de documentación técnica;
- comprobaciones previas a una entrega.
No empezaría intentando automatizar el proceso más crítico y complejo de toda la empresa.
Empezaría con algo que conozcamos muy bien.
¿Por qué?
Porque para corregir a un agente primero tenemos que saber reconocer cuándo se equivoca.
En mi caso podía detectar que el presupuesto estaba mal organizado porque sé cómo quiero presentar un presupuesto.
También podía detectar que el 3D era incorrecto porque tenía el plano original para compararlo.
Esa supervisión inicial es fundamental.
Errores que evitaría después de construir este agente
Después de todas las pruebas anteriores, hay varias cosas que haría de forma diferente desde el principio.
No permitiría que complete información crítica por su cuenta
Una cifra inventada dentro de un presupuesto puede tener consecuencias muy distintas a una frase imperfecta.
Cuanto más importante sea una decisión, más claras deben ser las reglas sobre qué información puede asumir.
Separaría información permanente e información de proyecto
No mezclaría tarifas generales, preferencias internas o procedimientos de trabajo con los datos específicos de cada cliente.
La estructura de carpetas ayuda muchísimo con esto.
No crearía Skills demasiado pronto
Primero quiero comprobar el procedimiento.
Después corregirlo.
Y solo cuando el resultado sea suficientemente bueno lo convierto en una habilidad reutilizable.
De lo contrario podría estar automatizando una mala forma de trabajar.
Definiría siempre cuál es la fuente de verdad
El error del recorrido 3D es probablemente el mejor ejemplo.
Tener un PDF y un Excel relacionados con la misma oficina no significa que ambos deban tener el mismo peso.
En nuestro caso:
el plano manda.
No daría por bueno un resultado solo porque parece profesional
Un Excel bonito también puede contener cantidades inventadas.
Un 3D llamativo puede tener una distribución incorrecta.
La comprobación final sigue siendo necesaria.
¿Realmente puedes crear un agente de IA sin programar?
Para el sistema que hemos construido aquí, sí.
Yo no he tenido que programar el comportamiento general del agente para montar su estructura, darle contexto, memoria, reglas y habilidades.
Ahora bien, sin programar no significa sin límites.
Si quieres conectar el agente directamente con software empresarial, ejecutar determinadas automatizaciones externas o crear integraciones muy específicas, puede que necesites herramientas adicionales, APIs o desarrollo.
Pero eso no debería impedirte empezar.
De hecho, creo que comenzar por una estructura sencilla tiene una ventaja importante:
te obliga a entender primero qué quieres que haga el agente y cómo quieres que trabaje.
Después ya habrá tiempo de automatizar conexiones.
Preguntas frecuentes sobre cómo crear un agente de IA
¿Qué es un agente de IA?
En el contexto de esta guía, es un sistema basado en IA que dispone de instrucciones, contexto, memoria, habilidades y archivos de trabajo para ejecutar tareas siguiendo unos procedimientos determinados.
No se limita a responder una única pregunta aislada.
¿Cuál es la diferencia entre ChatGPT y un agente de IA?
ChatGPT puede ser la inteligencia con la que trabajamos, mientras que el agente añade alrededor una estructura de contexto, reglas, memoria, habilidades y proyectos.
La diferencia importante no es solo el modelo utilizado, sino cómo organizamos la información y los procedimientos alrededor de él.
¿Necesito saber programar para crear un agente de IA?
No para reproducir el sistema básico de esta guía.
Puedes empezar organizando carpetas, archivos Markdown, contexto e instrucciones.
Para integraciones avanzadas sí podrías necesitar herramientas o conocimientos adicionales.
¿Cuánto se tarda en crear un agente de IA?
La estructura inicial puede montarse en aproximadamente 15 minutos.
Pero un agente útil no termina ahí.
La parte realmente valiosa consiste en probar tareas, detectar errores, corregir instrucciones y crear Skills a partir de procesos que ya funcionan.
¿Para qué sirve AGENTS.md?
Es el manual principal de nuestro agente.
Le indica quién es, cómo debe trabajar, dónde buscar información, qué reglas seguir y cómo actuar cuando recibe un proyecto.
¿Qué diferencia hay entre memoria y una Skill?
La forma más sencilla de recordarlo es:
memoria = información que recuerda.
Skill = procedimiento que sabe repetir.
¿Cómo evito que un agente de IA invente información?
Define reglas explícitas.
Si falta un dato necesario para tomar una decisión, el agente debe detenerse y pedir exactamente lo que necesita.
Y después debes comprobar si realmente cumple esa regla.
¿Puede trabajar con Word, Excel, PDF y otros archivos?
En mi prueba trabajamos con distintos tipos de documentos y conseguimos generar entregables como Word, Excel y HTML.
Las posibilidades concretas dependerán del entorno y de las herramientas disponibles para el agente.
¿Puedo utilizar el mismo agente para varios clientes?
Sí, siempre que separes correctamente el contexto general de los datos específicos de cada proyecto y evites guardar información de un cliente dentro de Skills genéricas.
Conclusión: el agente empieza vacío, pero no tiene por qué quedarse así
Cuando empecé esta prueba tenía básicamente una estructura de carpetas, un archivo de instrucciones y un agente sin ninguna Skill específica.
Después llegó el primer proyecto.
El agente trabajó.
Se equivocó.
Inventó información.
Lo corregimos.
Mejoramos sus reglas.
Volvió a trabajar.
El presupuesto no me gustaba.
Le enseñamos a organizarlo.
Convertimos esa corrección en una Skill.
Intentó crear un recorrido 3D.
Se equivocó con la distribución.
Le enseñamos que el plano era la fuente de verdad.
Corregimos el recorrido.
Y ese nuevo procedimiento terminó convirtiéndose también en una Skill.
Para mí, esa es la idea más importante de todo este experimento.
No necesitas intentar construir un agente perfecto desde el primer día.
Puedes empezar con una estructura sencilla y hacerlo crecer a medida que descubre cómo trabajas.
Cada error que detectas puede convertirse en una nueva regla.
Cada procedimiento que corriges puede convertirse en una habilidad.
Y cada nuevo proyecto puede empezar un poco más avanzado que el anterior.
El agente termina el proyecto con más reglas y habilidades de las que tenía al empezar.
Descarga el AGENTS.md utilizado en esta guía
Si quieres construir tu propio agente siguiendo esta estructura, puedes descargar la versión final del AGENTS.md que utilizo en el tutorial.
Incluye las mejoras que fui añadiendo después de detectar los errores que hemos visto durante el proyecto.
Descarga mi plantilla AGENTS.md
Recibe la versión final utilizada en el tutorial y empieza a crear tu propio agente sin tener que escribir el manual desde cero.
Y ahora te dejo la misma pregunta con la que termino el vídeo:
¿Qué trabajo repetitivo de tu empresa intentarías convertir en un agente como este?