Llevamos una década metiendo más y más herramientas de colaboración y aún así cada día pasamos más tiempo en reuniones de coordinación. Es el precio a pagar por no saber gestionar la complejidad. La IA agéntica no va simplemente de optimizar procesos, sino de dejar de dilapidar recursos en burocracia autoinflingida.
¿Te suena esto?: «Tenemos tres herramientas para gestionar bugs, dos para documentación y cuatro canales de Slack para coordinar despliegues». Y luego: «¿Por qué tardamos tanto en sacar cosas a producción?»
La respuesta es más simple de lo que parece: estamos gestionando la gestión.
El problema no es de velocidad, es de fricción
He visto (y diseñado) arquitecturas de información y flujos de producto para empresas de muchos sectores y tamaños. Y todas comparten un patrón: cuanto más estructurado está el proceso sobre el papel, más tiempo se pierde en los handoffs.
Un desarrollador esperando que Legal revise un compliance. Un PM esperando que Marketing cierre el copy. Un diseñador esperando que el cliente apruebe el prototipo. Todos sentados en el banquillo, perdiendo horas efectivas, mientras el sprint se alarga.
Esto no es un problema de talento. Es un problema de fricción operacional.
Y es exactamente el tipo de problema que la IA agéntica puede resolver. No porque sea mágica, sino porque está diseñada para eso: actuar con autonomía sobre objetivos claros en entornos complejos.
Qué cambia realmente con los agentes
La automatización tradicional nos prometía el propio core de lo que significa programar: «si esto, entonces aquello». Funciona bien cuando el mundo es predecible.
Pero los equipos de producto no viven en mundos previsibles. Lidian con contextos donde las prioridades cambian, los requisitos se actualizan y las dependencias aparecen sin avisar. Todo esto se agranda aún más si el producto o servicio se dirige a la Gen Z.
Los agentes son sistemas que razonan. Leen el contexto, priorizan según el objetivo y ejecutan sin esperar instrucciones manuales en cada paso.
Algunos ejemplos:
Fintech y compliance dinámico. En sectores donde la regulación cambia cada semana, hay agentes autónomos como los de Complyfirst que no solo ejecutan los tests de cumplimiento, sino que leen las nuevas normativas, proponen actualizaciones en los flujos de usuario y alertan antes de que el desarrollador toque una línea de código.
SaaS y gestión de feedback. Herramientas como Chisel permiten que un agente ingiera miles de tickets de soporte, conversaciones en Slack y reviews de G2. No solo categoriza sentimientos. Redacta un PRD preliminar basado en las tres fricciones más recurrentes del último sprint.
E-commerce y documentación técnica. La sincronización entre catálogo, API y docs para partners suele ser el primer lugar donde muere la agilidad. Plataformas como DigitalAPI mantienen la single source of truth (SSOT) actualizada en tiempo real, generando automáticamente documentación cuando cambia el código de la API y notificando a los partners sin intervención humana. Sin error humano.
Hemos citado algunas herramientas específicas, sencillas, estilo WYSIWYG. ¿Es necesario entonces ampliar aún más nuestro pool de licencias y plataformas externas? Dependerá del caso, pero para la mayoría casi seguro que será suficiente con su actual entorno de IA para hacer cualquiera de estas cosas.
De informar a conectar: el valor está en el tejido
El mayor potencial de la IA agéntica no está en hacer una tarea más rápido, sino en conectar departamentos que hablan idiomas diferentes, matando así el teléfono escacharrado al que los humanos no podemos evitar acabar llegando.
Imaginemos este flujo sencillo:
- Producto: Un agente detecta una caída del 15% en la conversión del checkout tras el último despliegue.
- Data/negocio: El agente cruza el dato con el LTV de los usuarios afectados y calcula el impacto financiero proyectado.
- Marketing: Antes de que el equipo llegue a la oficina, el agente ha enviado un mensaje a Slack con una sugerencia de campaña de retargeting compensatoria y ha alertado al equipo de Growth sobre el segmento específico en riesgo.
Aquí el agente no solo informa. Conecta la causa técnica con la consecuencia de negocio. Y eso es justo lo que los silos departamentales impiden hacer del todo bien en muchas organizaciones (no en todas, pero seguro que conoces ejemplos reales de esto).
El stack importa menos que la orquestación
Desde una óptica de Product-Ops, no deberíamos obsesionarnos con el LLM subyacente. GPT, Claude, Gemini… son solo motores. La ventaja competitiva está en el diseño de los agentes.
Herramientas como CrewAI o LangChain permiten definir roles y delegar tareas de forma jerárquica. Ecosistemas de orquestación como Zapier Central o Make permiten que estos agentes interactúen con tu stack actual (Jira, Notion, Salesforce, etc.).
La clave no es picar código. Ya no hace falta. La clave es diseñar muy bien el flujo de trabajo donde el agente tiene permisos, contexto y herramientas para actuar de forma segura.
Para esto es mejor un estratega experto en operaciones que comienza todo este proceso haciendo una buena auditoría de fricción operacional que un ingeniero que bloquea su agenda una semana para parir un nuevo juguete (que se romperá pronto).
El riesgo no es la alucinación en sí, es la alucinación operativa
Esto es importante y seguramente es lo que está frenando a muchos responsables y ejecutivos para decidirse por explorar con operativas reales la IA agéntica.
El riesgo ya no es solo que una IA invente un dato (alucinación de contenido), sino que que tome una decisión errónea en un flujo de trabajo (alucinación operativa).
Una mala configuración de un agente de triaje podría cerrar cientos de tickets críticos de clientes VIP, por ejemplo. O un agente mal entrenado podría aprobar un despliegue que rompe el compliance.
La solución no es evitar la IA. Es implementar gobernanza.
Dos principios básicos:
- Human-in-the-loop: Definir puntos de control donde el humano debe validar la decisión del agente.
- Sandbox operativo: Probar los agentes en entornos controlados antes de darles acceso a canales de producción o comunicación con clientes.
Nada de esto es nuevo, ¿verdad? Es la misma disciplina que aplicamos cuando diseñamos sistemas críticos en banca o pharma. Solo que ahora la aplicamos a agentes, no a personas.
Qué hacer si lideras producto
Si estás liderando una organización de producto y quieres reducir drásticamente tu fricción operacional, tres cosas:
1. Identifica el «trabajo sobre el trabajo»
Busca dónde tus product managers pierden más tiempo en tareas repetitivas de coordinación. Ese es tu primer caso de uso para un agente.
No intentes automatizar la estrategia. Automatiza la burocracia que impide llegar a la estrategia.
2. Cultura de documentación
Los agentes son tan buenos como el contexto que reciben. Si tu documentación es un caos, tus agentes serán mediocres.
Es el prerrequisito para que cualquier agente funcione. Y no es opcional, aunque viendo la documentación de muchos proyectos parece que no pocos piensan que sí lo es (o están tan ocupados gestionando la gestión que es la última de sus prioridades).
3. Empieza pequeño, piensa en sistemas
No intentes crear un ‘Terminator’ tipo un PM autónomo. Empieza con un agente de triaje de bugs’ o un ‘agente de generación de release notes’, por ejemplo.
Los resultados rápidos te darán margen para experimentar con flujos más complejos.
Una invitación a la honestidad operativa
La IA agéntica no viene a reemplazar al talento creativo ni estratégico. Viene a liberarlo de la burocracia que nosotros mismos creamos al escalar. Y la creamos porque nos da calma, una falsa sensación de seguridad de que «todo está bien atado».
Y tan bien atado, que casi ni respiramos. Y pese a eso, shit happens igualmente.
El futuro inmediato del desarrollo de producto debería pasar por liderar equipos que tienen tiempo para pensar porque dejamos de malgastar recursos (y motivación, y energía, y oportunidad, y…) en fricciones evitables.
Pau Llop 
Deja un comentario