Q&A #23: Once agentes, una pregunta — del diálogo estratégico al encargo autónomo

Resumen

Hay una clase de decisiones —cómo posicionar un servicio, a qué segmento apuntar, qué modelo de negocio adoptar— que no se resuelven pidiéndole algo a la IA y leyendo la respuesta. No hay una respuesta correcta esperando ser encontrada, sino varias defendibles compitiendo entre sí. La sesión recorre las dos maneras de atacar ese tipo de problema. La primera ya se conocía: el diálogo estratégico, donde el contexto se acumula turno a turno y la calidad de la conversación crece con ella; su límite es la secuencialidad, y romperlo a mano —una sesión por opción, un documento de resumen de cada una, una conversación final de síntesis— puede tomar un día completo de trabajo. La segunda es nueva: ultracode, que no es un nivel más de inteligencia sino permiso para levantar subagentes y orquestarlos solo. El caso que se muestra es una decisión de negocio real y sin maquillar: se entregó la pregunta con la carpeta de contexto del negocio, y el sistema decidió por su cuenta levantar tres investigadores ciegos entre sí, cuatro propuestas escritas para contradecirse, tres jueces parciales y un sintetizador final con esfuerzo máximo. El veredicto rechazó la propuesta original —y la frase que la liquidó la escribió el propio agente encargado de defenderla—. La sesión cierra donde importa: la recomendación era técnicamente correcta y aun así no accionable, porque exigía ejemplos reales que no existían. El encargo autónomo resuelve el trabajo pesado; la validación contra la realidad propia sigue siendo humana.

Temas cubiertos

Prompt aislado vs. diálogo estratégico — Un prompt es una instrucción y nada más. En modo aislado el contexto no se acumula; en diálogo, cada turno deposita información que el siguiente usa, y la calidad de la conversación crece con los turnos
Las cinco fases — Establecer, explorar, profundizar, sintetizar, extraer. No es estricto ni tiene turnos fijos: el objetivo real es generar el contexto para que el algoritmo ayude a decidir. Las opciones descartadas también aportan, y eso no hay que decírselo
Romper la linealidad — El modelo considera menos lo que quedó al principio de un diálogo largo. La salida es una sesión independiente por opción, un documento de resumen de cada una, y una conversación nueva solo de síntesis con esos documentos adjuntos
Qué es ultracode y qué no es — No es más inteligencia. El nivel de esfuerzo mide cuánto se le autoriza pensar; ultracode es permiso para levantar subsesiones y orquestarlas. Solo en Claude Code y solo sobre Opus
Conversar vs. encargar — Conversar sirve cuando el problema no está claro y hay que descubrirlo. Encargar sirve cuando la pregunta está bien formulada y lo que falta es trabajo
La condición que no es negociable — Como corre solo, los agentes se alimentan únicamente del contexto disponible. Sin la carpeta con estrategia, clientes, oferta y precios, el resultado habría salido genérico igual
La arquitectura la diseñó el sistema — Tres investigadores en paralelo con cabeza limpia, cuatro propuestas escritas para contradecirse, tres jueces parciales y un sintetizador con esfuerzo máximo. Nadie eligió esos frentes a mano
“Ordenar antes de automatizar” era otra cosa — No era una buena práctica de gestión: era una restricción de ingeniería de la tecnología anterior, que exigía datos estructurados. Los modelos toleran entrada sucia, pero no garantizan salida correcta. Ahí está el techo
El sesgo de declarar experiencia — Cuesta lo mismo decirlo siendo experto que siendo vendedor de humo. De seis estereotipos medidos sobre 200.000 casos, el único con respaldo fue la menor disposición a actualizarse
El desacuerdo como insumo — Un juez neutral produce un promedio; tres jueces parciales producen desacuerdo, y el desacuerdo es lo que la síntesis necesita. Si están de acuerdo, la síntesis no tiene sentido
La trampa de lo auditable — Todo lo que vuelve auditable la experiencia la vuelve reproducible sin ella. Lo escribió el agente que tenía la misión de defender la propuesta original
Dónde entra el criterio humano — El proceso puede llegar a una conclusión correcta y aun así entregarte algo que no puedes ejecutar. El enfoque por vertical solo sirve con ejemplos reales en esa vertical
Cómo se construye el salto de confianza — Primero en programación, donde el resultado es verificable. La clave fue la revisión adversarial: mismo modelo, rol distinto, y encuentra lo que el modo construcción no vio
Dónde revisar y cuánto cuesta — Un proceso de 45 minutos toma una o dos horas revisarlo por dentro. Con confianza acumulada se revisa solo la síntesis, y si algo no cuadra se baja al detalle
Consumo real — Cada agente se levanta con su propio contexto: una corrida puede consumir 15 millones de tokens contra el millón de una sesión normal. Resuelve problemas que no caben en una sola ventana
Marcas de agua en las salidas — Patrones imperceptibles por exigencia regulatoria europea. Solo debería preocupar a quien no controla lo que publica; las skills que prometen quitarlas no funcionan si corren dentro de la misma herramienta
Los detectores de IA no son confiables — Pueden ser indicio, nunca prueba. El problema real es otro: de 34 estudiantes, 31 entregaron una tarea con una palabra trampa dentro, sin leer lo que pedían ni revisar lo que entregaban
El foso de la comunidad — Cuando producir cuesta cero, lo defendible es la relación y la reputación. Y un negocio construido sobre producto que no funciona no escala en el tiempo, por más que escale la producción