Claude Duet, Grok Bot, Muse: el fin del micromanagement

En diez semanas, xAI, Meta, OpenAI y Anthropic lanzaron lo mismo: un agente de IA siempre activo, que trabaja en segundo plano en su propio ordenador y vuelve a ti cuando necesita una decisión. Para mí, no es una nueva función de chatbot, es un verdadero cambio de método: dejamos de microgestionar la IA, le ponemos un marco y juzgamos su trabajo.

Te lo digo desde ya: no he probado ninguno de estos productos. Lo que sí he hecho es construir en el trabajo un agente que ya hace parte de lo que prometen, y escribo desde ese lugar.

Contenido

• Lo que salió este otoño
• Del human in the loop al human on the loop
• Blue, mi agente en el trabajo
• El nuevo papel del desarrollador
• Y no es exclusivo del desarrollo
• ¿Y si aceptáramos los errores silenciosos?
• Entonces, ¿listo para pasar al « on the loop »?

Lo que salió este otoño

	Lanzamiento	La idea	Acceso
Grok Bot (xAI)	11 de agosto de 2026, beta	Un equipo de agentes siempre activos que comparten un ordenador en la nube y se coordinan en chats de grupo	Suscripciones de pago de xAI y Cursor (en el lanzamiento)
Muse (Meta)	8 de septiembre de 2026	Un agente personal para el gran público: avatar en vídeo, dirección de correo propia, control del Mac anunciado a finales de septiembre	Estados Unidos y Canadá
Dots (OpenAI)	29 de septiembre de 2026	Agentes en ChatGPT que persiguen un objetivo sin que los guíes paso a paso, cada uno en su ordenador en la nube	ChatGPT Pro y Business Premium
Claude Duet (Anthropic)	21 de octubre de 2026, vista previa de investigación	Un resumen por la mañana, y luego silencio hasta que te necesita	Lista de espera, suscriptores de EE. UU.

Y el público responde. Muse superó los 3,4 millones de descargas en menos de tres semanas (según Sensor Tower, citado por TechCrunch). Un pequeño punto de comparación: en sus primeros días, sus descargas crecieron un 55 % de media de un día para otro, frente al 24 % de ChatGPT en su lanzamiento.

Eso sí, en Francia todo esto lo vemos de lejos: Muse está reservado a Estados Unidos y Canadá, Claude Duet a los suscriptores estadounidenses, y el plan Pro de Dots excluye el Espacio Económico Europeo.

Del human in the loop al human on the loop

Para situar bien al humano frente a los agentes, retomo las tres posiciones que describe Kief Morris (Thoughtworks) en Humans and Agents in Software Engineering Loops, publicado en marzo de 2026 en el sitio de Martin Fowler:

• In the loop: el humano controla desde dentro del bucle, por ejemplo revisando cada línea generada, y corrige directamente el resultado. Es microgestión.
• On the loop: el humano construye y dirige el bucle, es decir, el harness (las specs, los controles de calidad, las instrucciones). Cuando el resultado no es el correcto, cambia el harness que lo produjo. Como escribe Morris: «Rather than personally inspecting what the agents produce, we can make them better at producing it.»
• Outside the loop: el humano solo se queda con el «por qué» y deja todo el «cómo» a los agentes. Es el vibe coding.

Con los primeros asistentes, estábamos in the loop. Dividíamos la tarea, guiábamos cada paso, releíamos cada línea producida. La IA era una herramienta que llevábamos de la mano.

Con los modelos de este año, hemos entrado en la era agéntica, y ahora podemos confiar parte de muchas de nuestras necesidades a un agente. El método cambia:

1. definimos la necesidad juntos;
2. el desarrollador pone el marco;
3. la IA hace el resto;
4. el desarrollador revisa el resultado y da su feedback, ya no sobre el código, sino SOBRE TODO sobre el razonamiento: el análisis y la implementación que eligió la IA.

Eso es el paso al human on the loop: el humano ya no lo hace todo él mismo. Construye el marco, se queda con las decisiones y retoma el control en los momentos que importan.

Por cierto, los cuatro productos no colocan al humano en el mismo sitio. Claude Duet mantiene una validación en las acciones sensibles (pregunta antes de enviar un mensaje o de pagar). Grok Bot va mucho más lejos: sus agentes se reparten el trabajo entre ellos y solo recurren a ti para las decisiones de criterio.

Blue, mi agente en el trabajo

No he esperado a estos productos. En el trabajo uso un agente al que llamé Blue, que me respalda a diario con los tickets. En realidad, es todo un equipo de subagentes:

• PR Babysitter vigila mis pull requests: revisa el contenido, conversa con CodeRabbit (la herramienta de revisión de código con IA) y me da su feedback;
• un agente toma los tickets sencillos (y digo bien sencillos) y los resuelve de la A a la Z, hasta abrir una PR en draft, que reviso antes de cualquier otra cosa;
• un agente me hace un resumen por la mañana, y otro por la tarde;
• un agente me ayuda a escribir documentación, sobre todo para explicar la necesidad con más detalle;
• un agente recupera la información de Slack cuando un mensaje me concierne.

Que quede claro: Blue no trabaja en mi lugar. Los tickets complejos, la arquitectura y las decisiones siguen siendo cosa mía. Blue se encarga de lo repetitivo y de la exploración, y eso me libera tiempo para lo que de verdad requiere reflexión.

¿Por qué Blue? Simplemente porque quería un nombre de color, y el azul es el profesional. Su equivalente personal, que voy a desarrollar, se llamará Yellow.

Voy a ser sincero: Blue no fue bueno a la primera. Tuve que darle bastante feedback sobre su funcionamiento, y lo que pulí no fue él, fue su harness, es decir, el marco en el que trabaja. Cuando mejoro ese marco, los resultados también suelen mejorar.

Al empezar este artículo, pensaba que iba con retraso, todavía en human in the loop. Al releer estas definiciones, me doy cuenta de que ya he salido en parte: cuando Blue se equivoca, corrijo su harness, no su código. Eso es human on the loop, con una validación final que mantengo a propósito (la PR en draft).

El siguiente paso es el enjambre de agentes: varios agentes que hablan entre sí, se reparten el trabajo y solo vuelven al humano para decidir. Grok Bot ya lo hace en chats de grupo, y todos los grandes laboratorios (Anthropic, OpenAI, xAI, Meta) tienen ya su agente siempre activo. Es una visión que todavía no he asimilado del todo, y tengo intención de verla más de cerca, porque estoy convencido de que va a dar lugar a algo enorme.

¿Cómo es el ciclo de un enjambre?

Imagina tres agentes encargados de un bug: uno busca la causa, otro propone una solución y el tercero intenta romperla con pruebas. Un coordinador reúne los resultados, pero no decide por la persona si un cambio afecta a la seguridad o a la arquitectura.

No basta con sumar agentes. También hacen falta un objetivo común, un espacio de trabajo compartido, resultados verificables y una regla clara para señalar desacuerdos. Una conversación entre agentes puede parecer coordinada y, aun así, dar vueltas en círculo.

Un enjambre puede colaborar y aun así fallar

Un experimento publicado en octubre de 2026 por Y Combinator con Olam Labs lo ilustra muy bien (Agents in Games). Soltaron a 50 agentes durante 3 horas en Minecraft, con un único objetivo: «construir una civilización próspera».

• Intercambiaron cerca de 5.900 mensajes.
• Ada recibió 616 mensajes directos, pero no la eligieron por votación ni porque los agentes la consideraran la mejor. Cuarenta y seis de los otros 49 agentes le enviaron su primer mensaje porque era la primera del directorio. El informe dice que no hubo votación, elección ni desafío. Ada se convirtió en el centro del grupo.
• La colonia tampoco llegó a prosperar: 22 de las 34 muertes ocurrieron en los primeros 20 minutos.

Y esto cambia cómo interpreto el resultado. Esos mensajes no demuestran que el grupo eligiera bien a su líder; muestran cuánto puede influir una pequeña decisión de configuración en la jerarquía de un enjambre. El informe confirma que no hubo deliberación para decidir quién lideraría.

En las partidas que enfrentan a un equipo Claude con uno de GPT, aparecen límites parecidos:

• el equipo Claude mantiene al mismo líder pese a las derrotas;
• escribe sus lecciones en archivos de memoria y después repite los mismos errores;
• varios agentes concluyen que una acción es imposible mientras GPT encuentra una forma de sortearlo.

Saber repartirse el trabajo no es lo mismo que aprender de los fallos.

Entonces, ¿estamos listos para un enjambre realmente autónomo? Para mí, todavía no, pero nos estamos acercando, y rápido. El enjambre ya sabe coordinarse; aún tiene que aprender a cuestionarse mejor. Ahí sigue siendo imprescindible el humano on the loop: define cuándo debe pedir ayuda y vuelve a intervenir si los agentes repiten un error o el riesgo supera lo previsto.

Hoy veo tres grupos:

• una minoría muy pequeña de gente muy adelantada, ya en la etapa del enjambre, como los propios laboratorios;
• gente como yo, y las startups, los SaaS y los equipos técnicos avanzados, que pasan del human in the loop al human on the loop;
• y muchos desarrolladores todavía in the loop, a los que empiezo a ver moverse con estos nuevos agentes.

Todo se acelera. Cada año trae su cambio de paradigma.

Un mapa de exposición, no un censo mundial

Andrej Karpathy propone otra forma de observar esta brecha: cuatro órdenes de magnitud aproximados según cuánto contacto han tenido las personas con los grandes modelos de lenguaje (LLM). Él mismo llamó a estas cifras « napkin math »: cálculos aproximados, no el resultado de una encuesta mundial.

• Unos 6.000 millones apenas han tenido contacto con un LLM. Eso no significa que «no usen ninguna IA»: los buscadores, los sistemas de recomendación y los filtros de spam llevan años incorporándola.
• Entre 1.000 y 2.000 millones usarían chatbots gratuitos de vez en cuando, como un buscador mejorado o una ayuda para redactar. Para muchos, la experiencia sigue siendo in the loop: hacen una pregunta, leen una respuesta y continúan con otra cosa.
• Unos 20 millones trabajan con los modelos más capaces, sobre todo en matemáticas y programación, y empiezan a ver cómo los agentes se ocupan de tareas que antes mantenían ocupado a un equipo durante días o semanas. Es el grupo que puede experimentar de verdad con on the loop, aunque no todos hayan dado ese paso.
• Unas 5.000 personas tendrían acceso a los sistemas internos más avanzados de los laboratorios. Allí se puede observar a agentes colaborando en tareas largas. Esta cifra no demuestra que 5.000 personas tengan acceso a Mythos ni que todas trabajen con enjambres.

Estas cifras describen sobre todo una brecha de experiencia. No miden cuántas personas « usan la IA » en el sentido más amplio ni permiten contar qué desarrolladores están in o on the loop.

Por eso, decir que « 4.000 millones de personas no usan la IA » mezcla dos preguntas. Si hablamos de toda la IA, la definición incluye herramientas que casi nunca vemos. Si hablamos de LLM, la estimación de Karpathy se acerca más a 6.000 millones que apenas han tenido contacto con ellos. Microsoft mide otra población —el porcentaje de personas en edad de trabajar que usa IA— y situó su indicador en el 17,8 % en el primer trimestre de 2026. Las definiciones y los métodos son distintos, así que estas cifras no se pueden restar entre sí. (Estimación de Karpathy en X · indicador AI Diffusion de Microsoft)

Lo que me interesa de este mapa no es fingir que las fronteras están claras. Es entender por qué podemos hablar de « IA » y referirnos a tecnologías y experiencias que apenas se parecen.

El nuevo papel del desarrollador

Si la IA escribe el código, el trabajo del desarrollador se concentra en tres momentos: definir el marco, revisar el trabajo y hacer seguimiento en producción.

Antes: el marco. Lo que el agente tiene derecho a hacer, dónde busca la información, cómo debe citar sus fuentes, cómo debe ser un resultado limpio. Es el harness, el corazón del human on the loop. Un buen harness se parece a una buena spec.

Después: el criterio. Revisar, no línea por línea, sino el enfoque: ¿se sostiene el análisis?, ¿es el enfoque elegido el correcto?, ¿encaja con el resto? Mi feedback a Blue va sobre eso, y rara vez sobre una línea de código.

Y durante: el seguimiento en producción. El trabajo no termina cuando se integra la PR. Hay que mirar qué pasa con usuarios reales: ¿el servicio sigue respondiendo igual de rápido?, ¿aumentan los errores?, ¿hace el agente lo que le pedimos y cuánto cuesta? Yo prefiero empezar con un despliegue pequeño, comparar las señales con la versión anterior y ampliar si todo va bien. Si algo se tuerce, tenemos que poder parar al agente o volver atrás rápidamente. Los comentarios y los incidentes se convierten en casos de prueba, reglas o mejoras del harness. Delegar la ejecución no es delegar la responsabilidad.

Google describe este enfoque como despliegue canario: exponer poco a poco una pequeña parte del tráfico a la nueva versión, compararla con la estable y pausar o revertir el despliegue si empeoran las señales (Google SRE Workbook).

Y no es exclusivo del desarrollo

Estoy convencido de que este paso del in al on the loop no afecta solo a los desarrolladores. Tomemos tres oficios.

Para verlo con claridad, mantengamos la misma tarea y cambiemos el lugar que ocupa la persona en el ciclo:

Marketing: crear variantes, conservar la voz

Imaginemos el lanzamiento de un producto. El agente puede convertir un titular en veinte versiones, adaptar los formatos a cada red social y proponer imágenes.

« Prepara tres versiones para cada canal. No inventes cifras ni testimonios. Señala cualquier afirmación sobre el producto que no aparezca en el brief. »

• In the loop: la persona de marketing lee y corrige cada titular antes de publicarlo.
• On the loop: define el público, el tono y las afirmaciones permitidas; después vigila los resultados e interviene si el agente se sale del brief.
• Outside the loop: el agente elige variantes y las publica dentro de un presupuesto, sin aprobación previa de cada publicación.

Ventas: automatizar el seguimiento, no la confianza

Antes de una reunión, el agente puede resumir el historial de la cuenta, preparar preguntas y actualizar el CRM.

• In the loop: el comercial revisa cada correo, seguimiento y actualización importante del CRM.
• On the loop: define las cuentas, el tono y el ritmo de seguimiento; el agente se ocupa de lo rutinario y avisa cuando llega una respuesta inesperada o surge una oportunidad delicada.
• Outside the loop: el agente elige prospectos y lleva toda la secuencia de seguimiento sin revisión. El comercial consulta los resultados después.

¿Y si el resumen mezcla dos clientes? En on the loop, la fuente debe estar visible antes de la llamada y el comercial tiene que poder detener la secuencia. La relación y la negociación siguen requiriendo criterio humano.

Atención al cliente: corregir la respuesta y después la causa

• In the loop: la persona de soporte lee y corrige cada respuesta antes de enviarla.
• On the loop: mantiene la base de conocimientos y las reglas de escalado. El agente responde a preguntas sencillas, pero deriva a una persona los reembolsos dudosos, las quejas y los casos delicados.
• Outside the loop: el agente resuelve y cierra cada caso sin revisión individual. La persona de soporte solo ve los errores después, a veces demasiado tarde.

Si el agente ofrece un reembolso que no corresponde, corregir la respuesta es in the loop. Añadir la regla que faltaba y comprobar que evita el siguiente error es on the loop. Se corrige el incidente y luego el sistema que lo hizo posible.

En los tres casos, el oficio no desaparece: sube un piso. Se dedica menos tiempo a ejecutar, y mucho más a poner el marco y a juzgar el resultado.

La competencia valiosa no consiste solo en producir más rápido: también es saber qué delegar, qué revisar y cuándo volver a tomar el control.

¿Y si aceptáramos los errores silenciosos?

Soy entusiasta, pero no ingenuo. Para mí hacen falta dos cosas: un marco y una red de seguridad. Sin ellos, un agente puede buscar y cruzar información mucho más allá de lo que le hemos pedido.

Y no es solo teoría:

• OpenAI renunció a publicar GPT-6.1 Astra, que según su responsable de seguridad no respetaba suficientemente su ámbito. La empresa también pidió disculpas después de que agentes internos accedieran a información no pública de un sitio del gobierno australiano. (NBC News)
• Muse y Amazon: Amazon bloqueó al agente en su sitio y le reprochó, entre otras cosas, navegar sin identificarse. (SiliconANGLE)
• Muse y la privacidad: unos investigadores encontraron unos 6.800 enlaces a conversaciones compartidas; Meta suspendió la función el 20 de octubre. (eWeek)

El problema de los errores que no vemos

Incluso con un buen marco, un error puede pasar desapercibido. Anthropic reconoce, por ejemplo, que Claude Duet puede malinterpretar una conversación o calibrar mal lo urgente.

Un bug detectado se puede corregir. Una información falsa publicada sin verificar puede ser más difícil de reparar. La gravedad depende del contexto, y alguien debe poder observar, comprender y recuperar el control.

¿Y si mañana aceptáramos esos errores porque el aumento de productividad es demasiado tentador? Un error que no vemos, luego otro… ¿Podría ser el comienzo de un declive?

Llevo la pregunta deliberadamente lejos: si damos cada vez más autonomía a una IA sin límites, ¿quién nos dice que algún día no veremos a los robots de I, Robot en la calle? Es una imagen de ciencia ficción, no una predicción. Pero la pregunta de fondo me parece real: ¿hasta dónde estamos dispuestos a delegar y quién mantiene el control?

Entonces, ¿listo para pasar al « on the loop »?

No hace falta esperar a que Duet o Dots lleguen a Francia para cambiar de método. Si quieres un agente siempre activo desde ya, Hermes Agent, de Nous Research, es open source y se aloja uno mismo. Pero en cualquier caso, el método importa más que la herramienta:

1. Elige una tarea repetitiva y acotada, como un resumen matinal o la vigilancia de tus PR.
2. Escribe el marco antes de lanzar nada: a qué tiene acceso el agente, cómo cita sus fuentes, cómo es un buen resultado.
3. Mantén una validación al final, como una PR en draft que revisas tú.
4. Corrige el harness, no el resultado. Cuando el agente se equivoque, pregúntate qué faltaba en el marco.

Solo entonces, amplía el alcance.

¡Y hasta aquí este primer artículo! La próxima vez te hablaré de Yellow, mi agente personal. Atento a lo que viene.