Cómo dirigimos nuestra empresa con agentes de IA en flujos de trabajo que recuerdan

Para dirigir una empresa con agentes de IA, pon cada trabajo en un flujo de trabajo escrito, no en un chat. Así dirigimos la nuestra: el primer paso de cada trabajo recupera lo que se decidió antes, una persona da el visto bueno donde importa y el trabajo guarda lo que merece recordarse para el siguiente.

Esta guía es el centro de Loops We Run, nuestra serie sobre los trabajos recurrentes que los agentes de IA hacen por nosotros, donde cada ejecución alimenta la siguiente. Cubre nuestra semana, el cerebro compartido, una petición de principio a fin, quién decide qué y cómo empezar la tuya.

Nada de chats: cada trabajo sigue un flujo de trabajo

No dirigimos la empresa desde un chat. Cada trabajo es una tarea con un flujo de trabajo, y esa única regla hace posible todo lo demás.

Un chat es pregunta, respuesta y olvido. Además, los chats se desvían: en un estudio de 2025(se abre en una pestaña nueva) con seis tipos de tarea, los modelos de IA rindieron de media un 39 % peor cuando la tarea llegaba repartida en varios turnos de chat en lugar de como una sola instrucción escrita.

¿Qué es un flujo de trabajo de IA? Un flujo de trabajo de IA es una lista escrita de pasos que un agente de IA sigue de uno en uno, con puntos fijos donde se detiene y espera el sí de una persona.

Un trabajo arranca con un temporizador o con una petición y se convierte en una tarea, algo por hacer con su propio historial. Nuestras tareas, flujos de trabajo y memorias viven en ConvOps.

Esto no es una empresa autónoma. Una persona decide qué puede hacer cada trabajo, y los cambios de código, los cambios en cómo funciona un sitio web y las guías esperan el sí de una persona. Es una etapa del camino hacia un modelo operativo con IA.

Te presentamos Copperfern, la tienda inventada de nuestros ejemplos

A partir de aquí, todos los ejemplos usan Copperfern, una empresa ficticia. Cada trabajo funciona exactamente igual que los nuestros; la empresa, las personas, los mensajes y todas las cifras son inventados.

Nuestra semana: los mismos trabajos con temporizador

Casi todo lo que mantiene en marcha una empresa es el mismo trabajo cada semana, y ese es justo el trabajo que delegamos en agentes de IA programados. Una de cada cinco empresas de la UE con 10 o más empleados ya usa IA (un 20,0 % en 2025, frente al 13,5 % un año antes, según Eurostat(se abre en una pestaña nueva)), así que la pregunta es cómo se hace, no si se hace. Cada trabajo es una vuelta del bucle. Las horas están en UTC.

Cada trabajo recurrente tiene su sitio en el calendario: la persona marca los que esperan un sí y la marca de verificación señala los que deja pasar una revisión automática.

La investigación y la estrategia de búsqueda se programan cada mes, los días 2 y 3 a las 07:00. El trabajo de ingeniería no tiene reloj: arranca con las peticiones.

El cerebro de la empresa: un bucle cerrado

Un chat olvida. Nuestra empresa, no.

Cada trabajo guarda lo que merece la pena en un único cerebro compartido, y el primer paso del siguiente trabajo lo recupera.

¿Qué es la memoria de un agente de IA? La memoria de un agente de IA es la forma en que la IA recuerda lo que decidimos: notas breves y escritas con decisiones, lecciones y correcciones que un trabajo guarda y que el siguiente lee antes de empezar.

El bucle tiene cuatro partes (indicadores 1 a 4):

1. Tarea. Cada trabajo es una tarea que sigue su flujo de trabajo.
2. Lo que se guarda. Un paso de cierre guarda lo que merece la pena: una decisión y su porqué, una lección, una corrección, una preferencia. Un trabajo sin nada nuevo no guarda nada nuevo. Cada nota de aprobación se conserva, en la tarea y en el cerebro.
3. Un único cerebro compartido. Es un solo cerebro. Busca desde cualquier espacio de equipo (soporte, web, ventas) y la búsqueda abarca todos, y cada asistente de IA que conectamos lee y escribe en ese mismo cerebro.
4. El primer paso recupera. El primer paso de cada trabajo recupera las decisiones y lecciones que le corresponden, además de dónde están las cosas relevantes.

En Copperfern, el equipo de soporte guardó una corrección: «Di 30 días, nunca un mes». El primer paso de una tarea de la web encuentra esa nota, aunque viva en el espacio de soporte.

Un trabajo puede guardar su propia corrección. El trabajo del changelog de los lunes de Copperfern ve que se ha lanzado dos veces, se detiene en lugar de repetir el trabajo y guarda: «El changelog de los lunes puede lanzarse dos veces; comprueba si ya hay una ejecución en curso».

El mismo bucle funciona para contenido, código, ventas e infraestructura. La tarea de Copperfern «Trasladar las copias de seguridad de la base de datos de la tienda al nuevo almacenamiento» empieza recuperando «Las copias de seguridad se conservan 15 días, decidido en marzo». El cambio mantiene los 15 días y la comprobación posterior lo confirma.

El agente sabe lo que ya se decidió, así que no vuelve a preguntarlo, y lo que salió mal la última vez, así que no lo repite. Un solo cerebro es lo contrario de la proliferación de agentes. Para la idea de fondo detrás de los pasos escritos, lee graph engineering.

Si tu IA empieza de cero cada vez que la abres, así funciona ConvOps: tareas, pasos escritos y una memoria que tus agentes consultan primero(se abre en una pestaña nueva).

Una petición: primero recordar, dos aprobaciones

Lo interesante de una petición no es el trabajo. Es lo que el agente recuperó antes de empezar y los dos momentos en que una persona dice sí.

La petición de Copperfern: «Nuestro plazo de devolución gratuita pasa de 14 a 30 días. Actualizad todo lo que lo mencione».

El primer paso lee lo que se decidió antes, el trabajo queda entre dos aprobaciones y una segunda revisión detecta el fallo primero.

1. Una petición se convierte en tarea. «Plazo de devolución 14 → 30 días», estado Por hacer, flujo de trabajo asignado (indicador 1).
2. El primer paso recupera. Una lección: «El plazo de devolución también aparece en el correo de confirmación del pedido». Una decisión: «La página de ayuda se traduce al español por separado». (indicador 2)
3. Escribe lo que hay que cambiar. 5 sitios: la página de devoluciones, la página de ayuda en inglés y en español, el pie del proceso de compra y el correo de confirmación del pedido.
4. Aprobación 1. Maya, que lleva las operaciones, aprueba la lista y la lista queda congelada. Su nota, «5 sitios, incluida la página de ayuda en español», se conserva (indicador 3).
5. El agente hace el trabajo. Edita los 5 sitios.
6. Un segundo agente lo revisa. Descubre que la página de ayuda en español sigue diciendo «14 días», y el fallo se corrige antes de volver a preguntar a Maya (indicador 4).
7. Aprobación 2. Maya aprueba la puesta en marcha.
8. En directo y comprobado. Cada sitio se vuelve a leer en directo, y los 5 dicen 30 días (indicador 5).
9. Guardado para la próxima vez. Una nueva memoria: «El plazo de devolución está en 5 sitios, incluido el correo de confirmación del pedido». La tarea conserva todo su historial (indicador 6).

Gracias al paso 2, la lista tiene 5 sitios y no 3.

Quién decide qué, y qué pasa cuando un trabajo sale mal

Antes de que un trabajo se ejecute, decidimos cuáles de sus cambios esperan a una persona y cuáles se publican tras una revisión automática. Eso es el «human in the loop» dicho llanamente: una persona da el visto bueno donde está el riesgo (más aquí).

Incluso las herramientas de IA especializadas se equivocan con los datos, y por eso hay una segunda revisión entre el trabajo y su publicación: investigadores de Stanford(se abre en una pestaña nueva) descubrieron que las principales herramientas de IA para investigación jurídica se inventaban cosas en más del 17 % de los casos cada una (2025).

Una persona decide la columna de cada trabajo antes de que se ejecute y lee el registro de lo que se ha publicado (consulta observabilidad de agentes de IA).

Cuando un trabajo salió mal

Esto nos pasó a nosotros. Contado con datos de Copperfern, la revisión diaria de búsqueda lanzó una alerta: «CRÍTICO: tasa de clics 0,4 %, estándar del sector 3 %», junto con 5 recomendaciones que nadie había pedido. La referencia era inventada.

La revisión se inventó una referencia; decidimos que solo puede señalar una lista fija, y cada ejecución recupera primero esa decisión.

Maya y el equipo tomaron una decisión. La revisión diaria solo puede señalar elementos de una lista fija de 4 comprobaciones: caída de visitas desde búsqueda, caída de visitas desde asistentes de IA, páginas en prueba que faltan (páginas en las que estamos probando un cambio) y carga de la página de inicio. Cada una es correcta o señalada. Un script calcula todas las cifras. Nada de referencias externas ni de recomendaciones.

La decisión queda guardada, cada ejecución posterior la recupera primero y está escrita en los pasos de la revisión. A la mañana siguiente, las 4 salen correctas (indicador 2).

Cómo empezar a dirigir tu negocio con agentes de IA

Empieza por el trabajo más aburrido que haces cada semana, no por el más impresionante, y ejecútalo a mano antes de ponerle temporizador.

Cinco pasos de una tarea semanal a tu primera rutina: tu IA escribe los pasos y tú decides dónde se detiene a esperar tu sí.

Elige una tarea que puedas comprobar en un minuto: un informe semanal, una revisión de stock, una lista de precios. Sin código y sin editor. Tu IA conectada escribe los pasos y tú decides dónde se detiene a esperar tu sí (la marca de persona en el paso 3).

Crea una cuenta gratuita de ConvOps y configura tu primera rutina(se abre en una pestaña nueva). ¿Quieres que montemos el ritmo contigo? Reserva una sesión de descubrimiento gratuita.