Mi empresa todavía es una legión romana. Y la voy a desarmar en 3 semanas.

Hace un par de días vi una charla de Jared Friedman, socio de Y Combinator, que me sacudió más de lo que esperaba.

La tesis es simple y brutal: las empresas hoy siguen organizadas como legiones romanas. Jerarquías anidadas, humanos como conducto de información, órdenes que bajan y reportes que suben. Ese diseño tenía sentido cuando proyectar poder desde Roma hasta el muro de Adriano requería gente parada en cada nivel para pasar el mensaje.

La IA rompe ese modelo. La nueva unidad no es el organigrama. Es el ciclo que se mejora solo.

Y aquí viene la parte que me pegó: la mayoría de las empresas que dicen "estamos usando IA" lo único que hicieron fue ponerle un motor más grande a la carreta vieja. Un copiloto que las hace 20% más productivas, pero sigue siendo el mismo flujo. El cambio de marco de Jared es otro: tu empresa es un conjunto de ciclos de IA, no una empresa que usa IA.

Cuando terminé la charla, hice lo que un consultor honesto tiene que hacerse: me apliqué el diagnóstico a mí mismo.

El modelo en una imagen

Jared explica que cada ciclo tiene cinco capas:

Sensores — qué señales del mundo real captura el sistema (correos, tickets, datos del producto, cancelaciones, métricas).
Reglas — qué decide solo y qué necesita aprobación humana.
Herramientas — las funciones bien definidas que el agente puede llamar (consultar base de datos, leer calendario, mandar mensaje).
Filtro de calidad — evaluaciones, filtros de seguridad, revisión humana en lo riesgoso.
Aprendizaje — cuando algo falla, el sistema propone la mejora: agente nuevo, herramienta nueva, ajuste de instrucciones. Y la mejora se aplica sin intervención humana en el camino principal.

El momento que volteó la cabeza en YC, según Jared, no fue cuando el agente respondía bien a una pregunta. Fue cuando un segundo agente se puso encima del primero a monitorear qué preguntas fallaban, proponer la corrección, abrir una propuesta de cambio, otro agente la revisaba y la integraba. Al día siguiente la misma pregunta funcionaba.

La empresa mejorando sola mientras él dormía.

Mi diagnóstico honesto: tengo asistentes muy buenos, ningún ciclo cerrado

Llevo dos años construyendo agentes para mí y para mis clientes. Tengo agentes modulares con filtros de voz. Tengo un Radar Semanal que me llega cada lunes. Tengo una fábrica de contenido que genera 11 piezas a partir de cualquier fuente. Tengo cotizaciones que se arman solas y propuestas públicas con rastreo.

Cuando mapeé todo contra el modelo de Jared, me cayó el veinte.

Las cinco capas del modelo, aplicadas a mis flujos reales:

Flujo	Sensores	Reglas	Herramientas	Filtro	Aprendizaje
Radar Diario	Sí	Sí	Sí	Sí	🟡 empezando
Radar Semanal	Sí	Sí	Sí	Sí	No
Fábrica de Contenido `/distribuye`	🟡 empezando	Sí	Sí	Sí	No
Cotizaciones `/cotizar`	Manual	Sí	Sí	No	No
Diagnóstico de IA	Sí	Sí	Sí	Sí	No

Cuatro de cinco capas en casi todo. Y la quinta — la única que separa "asistente útil" de "empresa que se mejora sola" — apenas asomando en uno y vacía en los demás.

Soy un asistente muy bien armado. No soy una empresa-ciclo.

Y lo peor: llevo meses construyendo otro asistente nuevo cada vez que tengo tiempo, en vez de cerrar el ciclo de los que ya tengo. Es la trampa más obvia y caí completito.

Lo que ya cerró antes de publicar esto

Antes de venderte las tres jugadas, te confieso una cosa: empecé a cerrar el primer ciclo mientras escribía este post. No para presumir — al revés. Para no caer en la trampa de publicar la teoría y posponer el cableado otra semana más.

Tres cosas que pasaron entre el lunes y hoy:

Cierres de sesión que se graban a sí mismos. Cada vez que termino un bloque de trabajo, corre un ritual (/cierre-sesion) que escribe un .md con frontmatter estructurado: cuánto duró, qué se cerró, qué quedó pendiente, qué se aprendió. Esos archivos son ahora un sensor de mi propia jornada. Lo que el post dice de las llamadas de Zoom — "si no quedó grabado, no le pasó a la IA" — me lo apliqué a mí mismo primero.

Mis horas viven en una base de datos consultable. Llevaba siete años con Harvest. Los timers se cerraban y morían. Ahora cada cierre de sesión escribe a una colección time_entries en MongoDB. La IA puede leerlas, agruparlas, compararlas semana contra semana. Ese cambio chico es la diferencia entre "tengo registro de mis horas" y "mi empresa sabe en qué gasto mi tiempo".

El método de mejora se mide a sí mismo. Cada plan que escribo debe declarar Medir/Analizar/Actuar. Y cada viernes, un script audita qué porcentaje de los planes del mes cumplieron. Si baja del 70%, sale alerta. Si sube, queda registrado. El método que uso para cerrar ciclos es, él mismo, un ciclo cerrado. Esa es la prueba de que el patrón funciona — no en abstracto, en un sistema diminuto de mi operación diaria.

Esto no es una de las tres jugadas grandes. Es la prueba de concepto, en miniatura, de que el patrón se ejecuta. Si yo no podía cerrar un ciclo chico de mis propios cierres de sesión, no tenía caso prometer cerrar los grandes.

Las tres jugadas que me voy a aplicar

Voy a documentar el proceso completo aquí mismo y en el diario. La idea es que cualquiera que tenga una operación parecida pueda copiar el patrón.

Jugada 1 — La Fábrica de Contenido aprende sola

Cuando le digo /distribuye a mi sistema, genera 11 piezas: un LinkedIn, cinco tuits, un hilo, un carrusel de Instagram, un PDF, un Threads, un destacado de newsletter. Todas quedan como borrador en MongoDB. n8n las publica según calendario.

Y ahí muere el hilo.

Nadie compara después qué gancho funcionó. Nadie ve si el tuit con tono provocador le ganó al hilo educativo. Cada lunes arranco la siguiente tanda desde cero, sin saber qué de la semana pasada movió la aguja.

El cierre:

Un puente automatizado captura métricas de LinkedIn, X e Instagram 7 días después de publicar cada pieza.
Se guardan en una tabla desempeno_piezas_sociales con interacciones, guardados, clics.
Una tarea programada semanal compara cada pieza contra el promedio de su formato.
Si una pieza queda 20% abajo del promedio, se abre un pendiente automático con el análisis del gancho que falló.
El agente /distribuye lee los últimos 30 días de "qué funcionó" antes de generar la siguiente tanda.

A las tres semanas, la Fábrica de Contenido empieza a converger hacia los ganchos que sí mueven. Sin que yo le diga nada. Ese es el momento que voltea la cabeza, aplicado a contenido.

Tiempo estimado: 1-2 semanas. La infraestructura ya existe.

Jugada 2 — El Radar de Mejoras se prioriza solo

Hoy tengo un agente que cada mañana revisa mi contexto (Linear, correo, calendario) y abre un par de pendientes con ideas de mejora: una de producto, una de crecimiento. Llegan a mi bandeja y yo decido cuáles muevo al ciclo actual.

El problema: nadie mide qué tipo de mejoras termino aceptando. Si rechazo sistemáticamente las propuestas de "mejor posicionamiento" pero acepto las de "automatizar este flujo", las instrucciones del agente no aprenden. Me sigue tirando ideas de posicionamiento cada semana.

El cierre:

Cuando un pendiente del Radar termina en estado Hecho, se guarda en una tabla mejoras_radar_aceptadas con etiquetas (tipo, área, costo).
Cada semana, el agente mira la tasa de aceptación por categoría.
Ajusta sus instrucciones para favorecer las categorías donde sí ejecuto y bajarle el volumen a las que ignoro.
En seis semanas, el Radar deja de proponer ruido y converge a mi criterio real.

Esto es lo más parecido a un entrenador que aprende de ti sin que se lo expliques.

Tiempo estimado: 3-5 días.

Jugada 3 — Procesar todas las llamadas de Zoom, no solo las de diagnóstico

Este es el más grande y el que más me da pena haber pospuesto.

Tengo cientos de horas de llamadas grabadas: ventas, arranques de proyecto, seguimientos con clientes, soporte, mentorías. Hoy solo proceso las que tienen "Diagnóstico" en el título — esas alimentan el agente /assessment que arma reportes públicos para clientes.

El resto de las llamadas son humo. Información que se grabó pero no le pasó a la IA. Y por lo tanto, no le pasó a mi empresa.

Lo que se está perdiendo:

Qué objeciones se repiten en ventas (deberían afinar las cotizaciones).
Qué piden los clientes una y otra vez (debería alimentar el plan de los sistemas que vendo).
Qué frases mías funcionan al cerrar (deberían alimentar mi voz de marca automáticamente).

Como dice Jared: si no quedó grabado, no le pasó a la IA. Y si no le pasó a la IA, no existe para mi empresa del próximo trimestre.

El cierre:

Tarea diaria que procesa cada nueva grabación de Zoom, separa hablantes, etiqueta (venta, arranque, soporte, mentoría).
Mensual: un agente analiza las 10 objeciones más comunes, las 5 funciones más pedidas, las 3 frases-gancho que cierran.
Propone ajustes concretos a /cotizar, mi voz de marca y mi agente de pre-venta.
Cada ajuste pasa por mí una vez. Después corre solo.

Tiempo estimado: 1-2 semanas. Es el más alto, pero desbloquea todo lo demás.

El orden importa

Lo voy a hacer en este orden y por esta razón:

Semana 1-2: La Fábrica de Contenido cierra el ciclo. Es el más visible. Cada lunes voy a ver "estas piezas funcionaron, estas no, ajusté las instrucciones." Me da el primer aprendizaje real del modelo y prueba el patrón con bajo riesgo.

Semana 3: El Radar de Mejoras converge. Es el más barato y el que más mejora mi día a día. Tres días de trabajo, semanas de retorno.

Semana 4-5: Sensor de Zoom completo. La inversión grande. Sin él, los otros ciclos siguen siendo ciegos al mundo real.

Después de las cinco semanas tengo la trilogía: contenido que aprende solo, prioridades que convergen a mi criterio, y todas mis conversaciones grabadas alimentando los demás agentes.

Eso no es una agencia con IA. Eso es una empresa-ciclo en miniatura.

Lo que esto significa para tu negocio

Si tienes una PyME, un equipo chico, o eres operador solo con agentes — este modelo te aplica más que a cualquier startup gringa. No tienes capas de mandos medios que estorben. No tienes que convencer a un comité para automatizar algo. Puedes diseñar la empresa-ciclo desde el día uno.

Las tres preguntas que te tienes que hacer:

¿Qué partes de mi operación ya tienen sensores y herramientas pero no aprendizaje? Esas son tus victorias rápidas. Cerrar el ciclo ahí toma una o dos semanas.
¿Qué señales del mundo real no estoy capturando? Llamadas, correos, comportamiento en mi sitio, datos de los productos que vendo. Si no se graba, no existe.
¿Estoy construyendo más asistentes o estoy cerrando los ciclos que ya tengo? Esta es la trampa donde caí. Es más emocionante hacer un agente nuevo que terminar el ciclo del que ya tienes. Resiste.

Lo que voy a documentar

Cada viernes corre el ritual de cierre semanal sobre mi propia operación: agrupa horas, issues movidos, decisiones, y mete las 3 preguntas MAA contra los ciclos abiertos del plan. Esa salida es el insumo del diario público del lunes. No estoy prometiendo voluntad — el sistema ya está cableado para que el reporte aparezca solo aunque yo no me acuerde.

Cada semana voy a publicar el avance: qué cerró, qué no, qué aprendí que no esperaba. Sin maquillaje, sin hacer ver que todo salió como en el plan. Si me trabo, lo cuento.

Si quieres ver cómo va, suscríbete a Inteligencias Múltiples. Si tu negocio se parece a esto y quieres mapearlo conmigo, agenda una auditoría uno a uno. Salimos con tu propio diagnóstico de cinco capas y las dos o tres jugadas concretas para cerrar tu primer ciclo.

Anthropic acaba de lanzar un complemento para PyMEs con 15 agentes y 15 flujos automatizados. Solo conecta con QuickBooks, PayPal y HubSpot. En LATAM ninguna PyME usa esas herramientas.

Mientras ellos venden el motor, lo que cuenta es cómo lo cableas a tu operación real. Cinco capas. Ciclos que cierran. Sensores que capturan todo lo que pasa.

Tu empresa todavía es una legión romana. La pregunta es cuándo empiezas a desarmarla.