Todo el blog

Divulgación14 min de lectura

Quién empieza el trabajo: copiloto a medida y sistema de agentes

Mi copiloto espera a que le escriba y multiplica a quien lo usa; mi sistema de agentes arranca solo cuando llega un correo o un pedido. Qué hace cada uno, qué ves de lo que hacen, cómo se paga cada cosa y cuándo conviene uno u otro

Marc Galera

Cofundador de Qvasar ·

Con ChatGPT o con Claude, el trabajo empieza porque tú escribes. Abres la ventana, pides algo, lees la respuesta y pides lo siguiente. Si dejas de escribir, no pasa nada. Con lo que LangChain (un conjunto de herramientas para construir agentes de IA) llama un agente ambiental ocurre lo contrario: el trabajo empieza porque llega algo, y el agente actúa sin que nadie le haya escrito.

El 14 de enero de 2025, Harrison Chase hizo en el blog de LangChain una observación tan evidente que casi da apuro escribirla: con un chatbot, es la persona quien tiene que empezar la conversación. En ese mismo texto llamaba agentes ambientales a los que no esperan a que les hables: escuchan lo que va ocurriendo, por ejemplo un correo que llega o un pedido que entra, y actúan sobre ello, incluso sobre varios casos a la vez. Un agente, para entendernos, es un programa con IA que encadena tareas sin que dirijas cada paso.

En tu empresa, en cambio, hay mucho trabajo que no arranca con una persona escribiendo: arranca cuando entra un correo, cuando llega un pedido, cuando alguien sube una factura. Ese trabajo no espera a que abras ninguna ventana, y hoy, si nadie lo mira, se queda ahí. Si ya pagas una suscripción de IA para tu equipo, o te lo estás pensando, la pregunta sale sola. ¿Necesito uno de esos agentes que arrancan solos, me basta con lo que ya pago, o hacen falta las dos cosas?

Bandeja de entrada de un correo electrónico en la pantalla de un portátil

Las dos IA con las que trabajo

Por eso, antes de definir nada, te cuento cómo lo tengo montado yo, porque uso las dos. Por un lado tengo varios copilotos: Madison me lleva el marketing, desde el contenido hasta la edición de vídeo. Caesar lleva las ventas, con el CRM (el programa donde están los clientes), los documentos comerciales y un radar de mercado que me informa y nunca contacta a nadie por su cuenta. Socrates investiga. Cada uno es Claude Code o Codex, programas de Anthropic y de OpenAI que nacieron para programar, pero que leen archivos, los editan y se conectan a las herramientas de trabajo. Cada uno está configurado a medida, con sus instrucciones, sus herramientas y sus límites, y todos trabajan igual: cuando abro una sesión y les pido algo. Si no les escribo, no hacen nada.

Por otro lado está el sistema de empresa que montamos en Qvasar, que es otra cosa. Yo lo tengo así: un agente persistente construido con LangChain, de los que se llaman deep agents, es decir, agentes pensados para sostener tareas largas y complejas. Persistente quiere decir que guarda lo que lleva hecho y, si algo falla, retoma donde lo dejó. Por encima va Jev, un modelo que clasifica y enruta: decide a dónde va cada cosa que entra. Para cada programa que usa, el sistema tiene muchos flujos ya hechos o acciones predefinidas: pasos fijos que se ejecutan siempre igual, como una receta. Además, conserva la capacidad de trabajar como un deep agent, con un modelo potente (el cerebro que lo alimenta). Y lo tengo muy trazado, con Langfuse y con LangChain: se puede seguir paso a paso lo que hace.

Te lo cuento porque tu decisión es la misma: qué trabajo va a un copiloto y cuál a un sistema. Un copiloto se paga por persona y tiene precio de catálogo. Con pago mensual, Claude Pro cuesta 20 dólares al mes y, en el plan Team de Claude (pensado para equipos), el puesto estándar sale a 25. En la página de precios de Codex, OpenAI pone ChatGPT Business a 25 dólares por usuario y mes, también con pago mensual. Así que la duda razonable es esta: si ya pagas un copiloto, ¿por qué no te basta?

Qué es un copiloto a medida

Para contestarla, por lo tanto, hay que ver primero qué es un copiloto bien configurado, que se parece poco a la ventana de chat. Claude Code es la herramienta de Anthropic que nació para programar: lee el código, edita archivos, ejecuta órdenes y se conecta con las herramientas de trabajo. Funciona en la terminal (la ventana de comandos), en los editores de código, en una aplicación de escritorio y en la web, y viene incluido en todos los planes de pago de Claude. Codex es el agente equivalente de OpenAI. Para mí, un copiloto a medida es uno de los dos bien configurado: lo que le pones alrededor.

Lo primero es un archivo de instrucciones. Claude Code lee uno llamado CLAUDE.md al empezar cada sesión, y ahí caben las reglas de un proyecto, de la forma de trabajar de una persona o de toda una empresa. Codex lee los suyos, los AGENTS.md, antes de ponerse a trabajar.

Encima se añaden piezas. Las skills son instrucciones para una tarea concreta que solo se cargan cuando hacen falta. Los subagentes son ayudantes que trabajan en su propia conversación aparte, con sus herramientas y sus permisos. Los hooks son órdenes que se ejecutan siempre en el mismo punto, pase lo que pase. Claude trata las instrucciones del archivo como contexto, no como una norma obligatoria. Para lo que no debe ocurrir nunca, la propia Anthropic remite a un hook. Y con MCP, un estándar abierto para enchufar la IA a otros programas, el copiloto lee documentos de Google Drive, saca datos de Slack o actualiza los tickets de Jira, el programa donde muchos equipos apuntan sus tareas. OpenAI describe la configuración de Codex con capas parecidas.

Cada sesión de Claude Code empieza sin recordar la anterior, y lo que pasa de una a otra lo llevan esos archivos y una memoria que Claude va escribiendo con tus correcciones y preferencias. Yo lo explico así: cuando cierro la sesión, el copiloto se va a dormir, y al despertar lo primero que hace es leer sus notas. Por defecto, además, Claude Code pide permiso la primera vez que va a usar cada herramienta.

Ese es el límite que veo yo para una empresa: en mis copilotos, el trabajo empieza cuando yo empiezo y se para cuando cierro la sesión. ¿Qué pasa con el pedido que entra cuando no hay nadie delante?

Debajo, el motor puede ser el mismo

Pero aquí viene lo que confunde: por dentro, un copiloto y un agente pueden compartir piezas. Cuando LangChain presentó sus deep agents, el 30 de julio de 2025, contó que la exploración que les dio origen se inspiró sobre todo en Claude Code. Y Anthropic presenta su Agent SDK como la forma de construir agentes de producción usando Claude Code como una pieza dentro de otros programas. Trae lo mismo que mueve a Claude Code: las mismas herramientas y el mismo bucle de trabajo, ese en el que el modelo las llama una y otra vez. Con el Agent SDK, el motor de un copiloto sirve también para construir agentes.

Hay copilotos que ya pueden arrancar solos, sin esperar a que nadie les escriba. El 14 de abril de 2026, Anthropic presentó las routines de Claude Code: una configuración guardada, con su encargo, el código sobre el que trabaja y sus conexiones, que se ejecuta sola. Se disparan por horario, por un aviso de otro programa o por eventos de GitHub (la plataforma donde se guarda y revisa el código), y corren en la nube, sin que tu ordenador tenga que estar encendido. En OpenAI, las tareas programadas de ChatGPT pueden arrancar con un evento de Gmail, de Slack o de GitHub, en la web y el móvil y en los planes que lo permiten.

Y hay productos pensados para no apagarse. El 11 de agosto de 2026 SpaceXAI presentó Grok Bot, un equipo de agentes siempre encendidos y con ordenador propio, cuyas routines se lanzan por horario o, donde se admite, tras un evento, y no se detienen al cerrar la aplicación. El 8 de septiembre, Meta presentó Muse, un agente personal que sigue trabajando aunque cierres la app y vuelve cuando algo cambia o cuando necesita tu aprobación. OpenAI llama dots a los suyos, siempre encendidos y con ordenador y navegador propios en la nube, que deciden solos cuándo pausar y cuándo despertarse; Bloomberg informó de su presentación el 29 de septiembre.

Yo lo leo así: cada vez más, Claude y el resto de estos agentes avanzan hacia un ecosistema integrado, donde lo mismo atiende una conversación que salta solo cuando pasa algo. Si me permites, querido lector, un paréntesis: a mí me hace bastante gracia el ir y venir de la gente. Según lo veo yo, hace unos meses todo el mundo dejaba OpenAI por Claude y ahora hace el camino contrario. Y creo que Claude y Codex se parecen cada vez más. Para tu bandeja de entrada, la pregunta es esta: si Claude Code puede estar dentro de un agente y las routines ya arrancan solas, ¿qué cambia de verdad entre un copiloto y un sistema?

Lo que el sistema añade alrededor

Mi lectura, por lo tanto, es que lo que cambia no es el motor, sino lo que se le pone alrededor para que trabaje sin nadie delante. Lo primero es una memoria que no se pierde. Los deep agents de LangChain corren sobre LangGraph. La propia LangChain lo presenta como un motor para agentes de larga duración que guardan su estado, es decir, lo que llevan hecho y lo que saben en cada momento.

LangGraph guarda una memoria corta para cada conversación y otra larga que dura entre una interacción y la siguiente. La documentación explica para qué: para que el agente pueda seguir una conversación, retomarla tras una interrupción, recuperarse de un fallo o acordarse de lo anterior. Si un paso falla, el proceso puede volver a arrancar desde el último que salió bien. Y si el estado se guarda solo en la memoria del ordenador, un reinicio lo borra todo, como un documento que no llegaste a guardar.

Le ha pasado hasta a Anthropic, según cuenta ella misma: en el primer diseño de su servicio de agentes alojados, metió la sesión, el agente y su entorno de trabajo en un solo contenedor, una especie de caja aislada donde corre el programa, y si el contenedor fallaba, la sesión se perdía.

Lo segundo es saber esperar. Cuando un agente de LangGraph llega a un punto en el que necesita a una persona, guarda su estado y espera, sin límite de tiempo, a que alguien lo reanude. El copiloto te pregunta mientras estás delante. El sistema pregunta y se queda esperando aunque tardes un día en contestar.

Lo tercero es repartir el trabajo con cabeza. LangChain describe un patrón, el del enrutador, en el que un primer paso clasifica lo que entra y lo manda al agente especializado que toca. Y recomienda pasos fijos donde hace falta fiabilidad y pasos que decide el agente donde hace falta flexibilidad, porque así una parte de la lógica es completamente previsible y se puede revisar de principio a fin. En mi sistema, el reparto es este: Jev arriba, enrutando; debajo, los flujos ya hechos y las acciones predefinidas para cada programa, y el deep agent con su modelo potente.

Jev es el primer modelo público de TypeSafe AI, presentado el 15 de septiembre de 2026. No redacta ni explica nada: quien lo usa fija antes las respuestas posibles, que pueden ser una opción de una lista, una puntuación o un verdadero o falso. Su documentación lo propone justo para esto, para mandar cada petición a código fijo, a un modelo especializado o a una persona.

Su fabricante dice que es entre 40 y 200 veces más rápido que los modelos grandes que escriben texto libre en estas tareas. OpenChamber, un proyecto que recogió lo que decían los usuarios en el lanzamiento, da una mejora mediana de velocidad de 7 veces: es un recuento de informes públicos, no una prueba que repitiera los experimentos. Y la propia TypeSafe avisa de que no garantiza que una respuesta concreta sea correcta. Si trabaja solo, ¿cómo sé qué ha hecho?

Lo que puedes ver

Pero esa pregunta tiene un nombre, telemetría, y Anthropic la resume sin rodeos: sin telemetría no se puede ver qué herramientas usó un agente, cuánto tardaron ni dónde se atascó una sesión. La telemetría es el rastro de datos que un programa deja sobre lo que hace.

En Langfuse, una traza, el registro paso a paso de lo que hizo el agente, recoge el mensaje exacto que se envió al modelo, lo que contestó, los tokens que gastó (los trozos de texto por los que cobra el modelo), cuánto tardó y qué herramientas usó por el camino. Langfuse apunta el coste de cada llamada y puede avisarte cuando el gasto pasa de un límite que fijes. LangSmith, la plataforma de trazas de LangChain, hace lo mismo con paneles y alertas, y las dos se pueden instalar en servidores propios, los tuyos y no los del proveedor, para que los datos no salgan de casa. Así de trazado tengo mi sistema.

Con un copiloto, por defecto, se ve bastante menos. Claude Code puede enviar sus datos de uso a otro programa con OpenTelemetry (una especificación para exportar esos datos), pero viene apagado mientras nadie lo configure. Encendido, da métricas como el coste aproximado de cada sesión o cuántas líneas de código ha cambiado. Lo que no da por defecto es el contenido. De lo que le pides solo apunta la longitud, no el texto, y lo mismo hace con sus respuestas. El detalle de las herramientas hay que activarlo aparte, y por defecto el contenido de los archivos no va ni en las métricas ni en los eventos. Esa telemetría va solo al destino que tú configures, nunca a Anthropic, y un administrador puede dejarla puesta para toda la empresa. Codex funciona de forma parecida: puede exportar sus registros, viene desactivado y oculta el texto de lo que le pides salvo que lo actives.

Eso no quiere decir que el copiloto sea una caja negra. Grafana, un programa para montar paneles y alertas, tiene conexiones ya preparadas para Claude Code y para Codex. Las de Claude Code traen paneles hechos de uso y de productividad. Langfuse traza Claude Code y Codex con hooks (las órdenes automáticas de antes) que le envían cada sesión, y en el caso de Claude Code recoge las conversaciones completas.

Todos mis copilotos se pueden conectar a Langfuse y a Grafana. Con lo que da Anthropic de serie se ve menos que en un sistema pensado para trazarlo todo, pero se pueden tener controlados. Y todo esto, ¿cuánto cuesta?

Por puesto o por consumo

Se pagan de forma distinta, y por lo tanto se presupuestan distinto. El copiloto va por persona, con el uso que permite cada plan: Claude Code está incluido en todos los planes de pago de Claude y comparte los límites de uso del plan, y Claude Max empieza en 100 dólares al mes, con 5 o 20 veces el uso de Pro. En la página de precios de Codex, ChatGPT Plus figura a 20 dólares al mes con Codex incluido. El sistema, en cambio, se paga por lo que gasta. Un programa se conecta por la API, el acceso de pago por uso. En la de Claude, Opus 5.5 cuesta 4 dólares por millón de tokens de entrada (lo que le envías) y 20 por millón de salida (lo que contesta); en la de OpenAI, gpt-6.1-sol cuesta 2 y 10 con la tarifa estándar de contexto corto. OpenAI advierte de que esos precios van aparte de cualquier suscripción.

Anthropic da una pista de proporciones. En un agente alojado por tu cuenta, lo que se gasta en tokens suele superar en diez veces o más lo que cuesta la infraestructura donde corre. Un contenedor mínimo, esa caja aislada, sale por unos 0,05 dólares la hora, y una sola sesión larga de agente puede gastar varios dólares en tokens. También advierte de que la autonomía de los agentes trae costes más altos y errores que se pueden ir sumando. Con el copiloto pagas por puesto, para multiplicar a una persona; con el sistema, por lo que consume un trabajo que se hace sin ella, y conviene saber cuál de los dos estás comprando antes de mirar la factura.

Queda otra pregunta: cuánto cuesta que te lo monten. Esto es lo que Qvasar tiene publicado, en tarifas para empresas y sin IGI, el impuesto general indirecto de Andorra. Un sistema de IA a medida, desde 1.260 €. Un copiloto a medida, desde 1.440 € por persona. El mantenimiento mensual, desde 270 € al mes, con el servidor aparte y a precio de coste. Son precios de partida: el importe de cada trabajo va en una propuesta por escrito. ¿Por dónde empiezo, entonces?

Los dos, cada uno en su sitio

Por lo tanto, mi criterio es separar el trabajo según quién lo arranca. Lo que empieza porque alguien piensa, decide o redacta es, para mí, terreno del copiloto: dale a la persona de tu equipo que más tareas repite un Claude Code o un Codex con un archivo de instrucciones de tu empresa, y deja que lo vaya ajustando a su forma de trabajar. Lo que empieza porque llega algo es candidato a sistema, y yo probaría con un solo proceso de ese tipo.

En los dos casos, pon los límites antes de soltarlo. En Claude Code, las reglas de permisos las hace cumplir el programa y no la IA, y una empresa puede prohibir desde los ajustes que alguien trabaje saltándose las aprobaciones. En un sistema hecho con LangChain, cada uso de una herramienta puede pasar por una persona que lo apruebe, lo edite o lo rechace, y se puede poner un tope de usos para cortar los bucles, cuando el agente repite lo mismo sin parar, y los gastos. OpenAI pide supervisión humana para las acciones sensibles o irreversibles hasta que haya confianza en el agente. Para mí, quien decide tiene que ser siempre una persona. Y yo pediría las trazas desde el primer día, no después del primer susto.

¿Qué tareas de tu equipo empiezan siempre porque llega algo: un correo, un pedido, una factura? ¿Cuánto tiempo pasa eso esperando a que alguien abra el ordenador?

Fuentes

Otros artículos

Hablemos de lo que la IA puede hacer en tu empresa

Si hay un tema que quieres que tratemos, escríbenos

O háblanos directamente