Trabajar con agentes de IA es un poco como aprender un nuevo idioma…

Al principio, la gramática parece poco natural, luego algo adquiere sentido y, de repente, empiezas a pensar en ella. Pero justo cuando te sientes seguro, te lanza una frase inesperada. En Nybble, hemos vivido esa transición, de "probar cosas" a integrar agentes en nuestro flujo de trabajo, y el camino ha sido emocionante, confuso y curiosamente divertido a partes iguales.

Lo que marcó la diferencia no fue solo la tecnología. Fue mantener una mentalidad centrada en los humanos desde el primer día. Esto significó no dejar todo en manos de los agentes, sino dejar que la IA acelere lo que las personas ya saben hacer. 

Durante el último año, hemos pasado de prototipos que parecían prometedores en teoría a sistemas listos para producción que ahora respaldan el trabajo real de nuestros clientes. En el camino, hemos tenido éxitos, tropiezos y momentos que nos obligaron a replantearnos cómo construimos. ¿Y la lección más importante? La experimentación es esencial, pero solo cobra sentido cuando se combina con un método - la curiosidad guiada por la estructura y la innovación basada en el propósito.

Dónde salieron bien las cosas y por qué

Una de nuestras experiencias más fluidas surgió de un proyecto que implicó analizar cientos de licencias y generar un panel de control funcional. Los agentes gestionaron el volumen con gran fluidez, conectando los puntos con mayor rapidez que cualquier equipo humano. En dos días, teníamos un prototipo funcional que habría llevado una semana y media con el desarrollo tradicional.

La magia no fue la automatización pura. Fue la delegación estructurada. Impulsada por humanos, acelerada por IA Equipos más inteligentes que toman mejores decisiones, más rápido, sin perder la propiedad del resultado.

Aquí es donde la perspectiva de Leo, nuestro Director de Tecnología e Innovación, ha sido constante desde el principio. Como él mismo explica: «Descubrimos desde el principio que los agentes no necesitan instrucciones perfectas. Necesitan un terreno firme. Si su entorno es caótico, serán caóticos también. Pero si les das contención, objetivos claros y un entorno de pruebas que refleja la producción,  se vuelven increíblemente fiables. Eso es lo que cambió la forma en que abordamos cada experimento después de los primeros tropiezos».

El día en el que las cosas se complicaron

No todas las historias tienen bordes tan limpios.

Nuestra migración a Spring es un excelente ejemplo del escenario opuesto: alta velocidad, baja estructura. Los agentes produjeron numerosos resultados, pero no siempre consistentes ni alineados con la arquitectura a largo plazo.

No fue un fracaso. Fue un reflejo. La lección fue simple: la velocidad sin planificación siempre trae beneficios.

“Llegó un punto en que los agentes generaban tanto código que la revisión se convirtió en un trabajo a tiempo completo”, dijo Leo. “Y ahí fue cuando nos dimos cuenta: el problema no era el agente. Éramos nosotros. Pedíamos resultados sin dar instrucciones. Después de eso, dejamos de tratar al agente como un becario que lo sabe todo por arte de magia y comenzamos a tratarlo como un colaborador que necesita contexto”.

Ese momento reforzó algo en lo que creemos profundamente: la tecnología nunca podrá tener la responsabilidad. Las personas son dueñas del resultado.

La experimentación solo funciona cuando se puede escalar lo que funciona

En todos estos proyectos, los fluidos, los desordenados y los absolutamente sorprendentes, seguimos viendo el mismo patrón: la experimentación acelera el aprendizaje, pero la sistematización acelera los resultados.

Y escalar lo que funciona es la forma de convertir las buenas ideas en realidad. Soluciones que importan .

Es por eso que ahora seguimos tres reglas cada vez que incorporamos agentes a un flujo de trabajo:

Preparar el entorno antes de la indicación. Los agentes funcionan mejor cuando la infraestructura, los repositorios y el contexto ya están alineados.

Revisar, revisar y revisar nuevamente. Los resultados mejoran cuando los ciclos de retroalimentación son humanos, rápidos y frecuentes.

No te enamores del resultado. Los agentes tienen mucha confianza. Hay que considerar esa confianza como un punto de partida, no como una respuesta definitiva.

Este enfoque no nació de la noche a la mañana. Surgió lentamente, a base de prueba y error. Y en el momento en que todo encajó, como explicó Leo: «La mayor evolución para nosotros no fue técnica. Fue cultural. En algún momento, nos dimos cuenta de que los agentes no estaban reemplazando nada. Estaban expandiendo nuestra curiosidad. Una vez que nos permitimos hacer mejores preguntas, los sistemas que construimos con ellas se hicieron más fuertes. Suena casi filosófico, pero lo cambió todo. El agente se vuelve tan bueno como la mentalidad que lo sustenta.»

De 'Intentemos' a 'Construyamos'

En esa situación nos encontramos hoy. La experimentación sigue impulsando nuestra exploración, pero la documentación, la planificación y la reflexión convierten esos experimentos en herramientas en las que podemos confiar.

Trabajar con agentes dejó de ser una novedad en el momento en que los tratamos con la misma seriedad que a cualquier otro miembro del equipo. Ahora son aliados constantes para tareas repetitivas, de alto volumen o bien estructuradas, y un compañero creativo cuando necesitamos nuevas ideas.

Todavía hay sorpresas. Siempre las habrá. Pero mientras la curiosidad y la disciplina vayan de la mano, esas sorpresas se convierten en oportunidades en lugar de retoques.

La experimentación sigue siendo la mejor manera de aprender. Y cuando lo combinas con un método, los agentes dejan de ser un experimento y se convierten en una parte real del equipo.

Porque al final del día, desarrollar tecnología excepcional nunca se trata solo de herramientas. Se trata de poner a las personas en el centro y tener un propósito claro, para generar un impacto duradero.