Imaginá que el lunes llega alguien nuevo a tu equipo.
No tiene escritorio. No aparece en la oficina. No cobra un salario. Puede trabajar de noche, ejecutar varias tareas al mismo tiempo y publicar avances en un canal de Slack.
Le asignan un problema. Hace algunas preguntas, prepara un cambio y espera que alguien revise el resultado.
La escena deja una pregunta bastante extraña: ¿estamos usando una herramienta o trabajando con una nueva clase de compañero?
Durante los últimos años, la relación con la inteligencia artificial fue principalmente privada. Una persona conversaba con un chatbot. Un programador utilizaba un copiloto. El resultado podía terminar en un documento, un repositorio o una presentación, pero la interacción que lo había producido quedaba encerrada en una pantalla.
Ahora los agentes empiezan a salir de ese espacio individual y a entrar en los lugares donde los equipos coordinan el trabajo. Me parece un cambio más importante de lo que sugiere cualquier anuncio de producto. Cuando la IA deja de asistir a una persona y empieza a participar en un proceso compartido, no cambia solamente la herramienta.
Empieza a cambiar la organización.
Primero conversábamos; después empezamos a delegar
La primera experiencia de mucha gente con la IA generativa fue hacer una pregunta y recibir una respuesta. El modelo podía explicar, resumir, escribir o ayudar a pensar, pero nosotros seguíamos realizando la mayor parte del trabajo.
Después llegaron los copilotos. En programación, la IA entró al editor, observó el código y comenzó a completar líneas, proponer funciones o explicar errores. La asistencia se volvió más cercana, aunque la relación seguía siendo clara: la persona conducía y la IA acompañaba.
La palabra copiloto describía bastante bien ese límite.
Con los agentes cambió la unidad de trabajo. Ya no les pedimos solamente una frase o una función. Les damos un objetivo:
“Investigá este problema.”
“Corregí este error.”
“Prepará una propuesta.”
“Implementá esta funcionalidad y comprobá que funciona.”
Para responder, un agente puede recorrer archivos, buscar información, utilizar herramientas, ejecutar comandos, comparar resultados y volver con algo que pretende estar terminado. Nosotros ya no participamos necesariamente en cada paso.
Ahí aparece la delegación.
Por ahora, buena parte de esa delegación todavía ocurre en privado. Una persona abre un agente en su computadora, le entrega contexto y observa cómo trabaja. El resto del equipo ve el cambio final, pero quizá nunca conozca las instrucciones, los caminos descartados o los errores que ocurrieron durante el proceso.
Es como tener un asistente privado que ayuda a producir más, pero cuyo trabajo desaparece cuando se cierra la sesión. La productividad individual puede crecer mientras el conocimiento sigue encerrado en una conversación que nadie más puede revisar ni reutilizar.
Cuando el agente entra al canal
Slack Code es una señal interesante de la etapa que viene. Su propuesta es crear canales temporales donde personas y agentes puedan trabajar alrededor de una misma tarea. El contexto llega desde una conversación previa; el agente publica avances y artefactos; otras personas pueden entrar, comentar cambios, agregar información y aprobar el resultado.
No es solo llevar un chatbot a Slack. El trabajo del agente se vuelve visible y compartido.
Un agente privado pertenece al flujo de una persona. Un agente que trabaja en un canal empieza a pertenecer al flujo del equipo.
Slack describe sesiones capaces de mostrar diferencias de código, documentos y prototipos HTML, con estados que indican si el agente está trabajando, bloqueado o esperando una respuesta. La función todavía se está desplegando gradualmente y soporta un conjunto limitado de agentes. Es temprano para saber cuánto cambiará el trabajo real.
Pero la dirección me parece más importante que la madurez actual del producto: la IA comienza a ocupar un lugar visible en la coordinación.
Warp propone otro movimiento con Factories. En vez de dejar cada agente en la laptop y con los permisos de una persona, plantea llevar esos flujos a entornos compartidos en la nube. Una tarea puede pasar por etapas distintas: clasificación, especificación, implementación, revisión y verificación. Cada etapa puede tener un agente, herramientas y permisos propios, mientras las personas conservan puntos de decisión.
También es una propuesta muy nueva y, en este momento, está en beta cerrada. Sus afirmaciones deben leerse como las de la empresa que vende el producto, no como evidencia de que todas las organizaciones ya trabajan así.
Aun así, revela algo valioso. El agente empieza a tener un entorno, un rol, un historial y límites definidos. Deja de ser una capacidad escondida dentro de la computadora de alguien y empieza a convertirse en una unidad de ejecución que la empresa puede observar.
No es una persona, pero tampoco es un botón
Acá conviene frenar la metáfora del compañero.
Un agente no tiene una vida, necesidades ni responsabilidad moral. No siente orgullo cuando acierta ni culpa cuando causa un problema. Puede producir una explicación convincente sin comprender las consecuencias de lo que está haciendo. Si lo imaginamos como una persona digital, corremos el riesgo de atribuirle criterio, intención y entendimiento donde solo hay un sistema respondiendo a objetivos, contexto y reglas.
Pero tratarlo como un botón tampoco alcanza.
Un botón espera una orden específica y ejecuta una acción predefinida. Un agente recibe un objetivo, divide el problema, elige pasos y utiliza herramientas que pueden afectar sistemas y personas. No posee voluntad propia en el sentido humano, pero sí ejerce capacidad que alguien le delegó.
Quizá necesitemos una categoría intermedia: un actor de software dentro de la organización.
No es un empleado. No es un colega en el sentido afectivo o legal. Es un sistema capaz de intervenir en un proceso compartido. Y en cuanto le damos capacidad de actuar, la conversación deja de ser únicamente sobre inteligencia.
Pasa a ser una conversación sobre autoridad.
La pregunta ya no es solamente si responde bien
Con un chatbot solemos preguntar si la respuesta es correcta. Con un agente que participa en trabajo real, eso es apenas el principio.
¿Quién puede asignarle tareas? ¿Qué información recibe? ¿Puede acceder a datos de clientes? ¿Modificar una base? ¿Desplegar código? ¿Enviar mensajes en nombre de la empresa? ¿Gastar dinero? ¿En qué momento debe detenerse y pedir ayuda?
Y, sobre todo, ¿quién responde cuando se equivoca?
El agente no puede asumir responsabilidad. La responsabilidad sigue perteneciendo a las personas y organizaciones que decidieron dónde usarlo, qué permisos darle y qué controles exigir antes de aceptar su trabajo.
Esto se complica todavía más cuando hay varios agentes. Uno puede aumentar la capacidad de una persona. Cien agentes sin coordinación pueden crear cien fuentes nuevas de ruido: duplicar tareas, contradecirse, producir cambios incompatibles o generar más material del que el equipo tiene tiempo de revisar.
Incluso pueden tomar decisiones localmente razonables que, combinadas, produzcan un resultado absurdo.
Por eso no alcanza con comprar acceso a modelos más capaces. Hay que diseñar roles, permisos, límites, mecanismos de validación y momentos en los que una persona debe intervenir. Dicho de otra forma, hay que diseñar el sistema de trabajo donde conviven actores humanos y artificiales.
Producir puede dejar de ser el cuello de botella
Durante mucho tiempo, la parte escasa era producir: escribir el código, preparar el documento, analizar la información o construir el prototipo.
Si cada persona puede dirigir varios agentes, esa escasez se mueve.
Un equipo puede generar cincuenta propuestas en el tiempo en que antes generaba cinco. Pero alguien tiene que decidir cuáles tienen sentido. Puede producir diez veces más código, pero alguien debe entenderlo, probarlo y hacerse responsable de ponerlo en producción. Puede crear cien campañas, aunque todavía necesita reconocer cuál representa realmente a la empresa.
Código barato. Revisión escasa.
Contenido barato. Atención escasa.
Opciones baratas. Criterio escaso.
Tal vez el trabajo humano no desaparezca de golpe. Tal vez se desplace: de ejecutar cada paso a definir objetivos, proporcionar contexto, establecer límites, revisar consecuencias y tomar decisiones.
Eso no convierte automáticamente el trabajo en algo más fácil. Dirigir sistemas que producen mucho exige formular bien los problemas, reconocer una mala respuesta aunque venga presentada con seguridad y saber cuándo detener un proceso antes de que su velocidad multiplique el error.
La capacidad de hacer crece. La responsabilidad de elegir también.
El problema de los trabajos con los que aprendíamos
Hay otra consecuencia que me preocupa especialmente.
Un equipo pequeño asistido por agentes puede llegar a construir cosas que antes exigían una estructura enorme. Eso puede liberar tiempo, reducir tareas repetitivas y darles más capacidad a personas y empresas que nunca habrían podido contratar un gran equipo.
También puede eliminar puestos, sobre todo los trabajos iniciales formados por tareas fáciles de delegar.
Y ahí aparece una pregunta difícil: si automatizamos las tareas con las que alguien empezaba a aprender una profesión, ¿cómo formamos a los profesionales experimentados del futuro?
Un senior no nació senior. Aprendió haciendo trabajos pequeños, equivocándose, recibiendo correcciones y observando a otras personas. Las tareas rutinarias no siempre eran estimulantes, pero muchas funcionaban como terreno de práctica.
Podemos mejorar la productividad de hoy y, al mismo tiempo, debilitar la manera en que se construye experiencia para mañana.
Las empresas van a tener que diseñar deliberadamente espacios de aprendizaje. Quizá las personas más nuevas no hagan el mismo trabajo manual que antes, pero sí necesiten participar en la definición, revisión y diagnóstico de aquello que ejecutan los agentes. Si solo reciben resultados terminados, corren el riesgo de volverse supervisores de procesos que nunca llegaron a comprender.
Incorporar agentes no es solamente decidir qué automatizar. También es decidir dónde seguirán aprendiendo las personas.
La organización es la verdadera interfaz
No sé si Slack Code o Warp Factories serán los productos que definan esta etapa. Ambos pueden cambiar, ser reemplazados o no cumplir todas sus promesas. Las demostraciones tecnológicas siempre avanzan más rápido que la transformación cotidiana de una empresa.
Pero la idea que representan parece más duradera.
Estamos pasando del copiloto privado al agente visible. De una persona utilizando una herramienta a un equipo coordinando actores humanos y artificiales. De mejorar una tarea individual a rediseñar cómo circulan el contexto, la autoridad y la responsabilidad.
En ese escenario, la pregunta importante ya no es solamente qué tan inteligente es el modelo.
Es qué trabajo le damos. Qué sistemas puede tocar. Quién revisa sus acciones. Cómo conservamos el conocimiento. Qué errores estamos dispuestos a tolerar. Y qué decisiones queremos mantener, incluso si algún día una máquina pudiera ejecutarlas más rápido.
Tu próximo compañero de trabajo puede no ser humano.
Pero decidir qué puede hacer, cuándo confiar y quién responde por el resultado seguirá siendo profundamente humano.
Referencias
- Slack Developer Docs, Announcing Slack Code, 20 de agosto de 2026.
- Slack, Build with AI as a team using Slack Code.
- Warp, Introducing Warp Factories, agosto de 2026.
- Warp, How to Move from Coding Agents to a Software Factory, 25 de agosto de 2026.
Este artículo nació de una conversación que preparé para El Rincón de Sarreche, donde intento mirar la tecnología no solo por lo que hace, sino por lo que cambia alrededor nuestro. Podés ver el video original en YouTube.