Si tienes problemas para obtener los resultados que deseas con las herramientas de IA, puede que las estés abordando como si se tratara de un software tradicional.
Eso descubrió Matt Hastings cuando comenzó a jugar con los modelos de lenguaje grande hace un año. Comenzó a crear sitios web y apps usando IA sin un enfoque de agentes, lo cual le resultó limitante. Tenía que depender de su propia revisión del resultado de un solo agente de codificación: un desafío, dado que no tiene ningún tipo de capacitación técnica formal.
Esto también hizo que progresara con mayor lentitud y debiera volver a comenzar más proyectos. Los agentes pueden revisar su propio trabajo y crear flujos de trabajo más complejos. Por ejemplo, un agente de planificación puede también interactuar con un agente escéptico que se resista al plan, lo que lleva a una iteración entre agentes y a un resultado más eficaz.
"Muy a menudo, las personas prueban una herramienta de IA, no logran la meta que deseaban en uno o dos intentos, y se rinden", comparte Hastings. "Nos acostumbramos a que las experiencias digitales sean hábiles y funcionen bien al primer intento: toco un botón y obtengo un resultado. Los modelos de lenguaje grande nunca funcionan bien a la primera. No tenemos un control completo y los resultados son probables, por lo que tenemos que desarrollar una relación nueva con las herramientas".
"Los modelos de lenguaje grande nunca funcionan bien a la primera. No tenemos un control completo y los resultados son probables, por lo que tenemos que desarrollar una relación nueva con las herramientas".
Muchos de los consejos sobre IA se centran en los resultados correctos, pero, para los flujos de marketing autónomo, es igual de importante centrarse en las entradas correctas. Se trata de una relación similar a un gerente que trabaja con su equipo en lugar de un usuario que trabaja con una herramienta.
"Una vez que empiezas a pensar de esa manera, te das cuenta de que debes crear una situación en la que la IA tenga más probabilidades de darte un resultado que no sea lo habitual porque, si la usas tal como viene, lo que vas a obtener son resultados promedio", sostiene Hastings. "¿Cómo puedo darle suficiente información, contexto, dirección y sugerencias frecuentes para que siga avanzando hacia el resultado que deseo?".
En otras palabras, debes prepararla para el éxito, como lo harías con cualquier empleado nuevo que incorporas a tu equipo. Dicha mentalidad ayudó a Hastings a descubrir nuevas formas autónomas de trabajar y, actualmente, es el enfoque que enseña a otros profesionales como parte de su empresa MVP Club. Si se hace de forma correcta, obtendrás todas las recompensas de cualquier bien gerente: poder desconectarte del día a día, dedicar más tiempo a la estrategia y trabajar de forma fluida en muchos proyectos a la vez. Esto se vuelve especialmente cierto a medida que la IA se torna más introspectiva (en inglés).
"Debes prepararla para el éxito, como lo harías con cualquier empleado nuevo que incorporas a tu equipo".
Gráfico de MVP Club en el que se explica la diferencia entre el software tradicional y la IA.
Estas son algunas prácticas recomendadas que Matt encontró para formar a un equipo de agentes de IA y ser un mejor gerente de IA.
Crear tu equipo de IA: formación a través de una documentación detallada
Se trata de un flujo de trabajo de imaginar de la tríada (en inglés).
No esperarías que un empleado nuevo logre resultados excepcionales el primer día sin una incorporación previa, y tampoco deberías esperar lo mismo de la IA.
Por eso, Hastings dice que el primer paso para crear un buen agente de IA es "darle toda la documentación". Puedes considerarlo el paso de formación, en el que debes crear un documento de texto para explicarle al agente de IA con exactitud en qué consiste su trabajo y darle todos los recursos y el contexto que necesita para generar el resultado esperado.
"el primer paso para crear un buen agente de IA es 'darle toda la documentación'".
"Una forma de pensar acerca de la creación de un agente es que estás escribiendo prácticamente una personalidad o un personaje", explica Hastings. "Puedes darle una descripción y un trasfondo, procedimientos que siempre debe seguir o cosas que nunca debería hacer, cómo debería tomar una parte del trabajo e interactuar con otros agentes, etc.".
Hastings usa con frecuencia los modelos de lenguaje grande para que lo ayuden a escribir la documentación para los agentes de IA que forman parte de su equipo.
"Cuando comienzo un proyecto, antes de configurar la estructura del agente o de brindarle la documentación, me gusta que el modelo de lenguaje grande me haga preguntas sobre mi meta", explica y comparte que eso lo ayuda a detectar suposiciones que podría haberse olvidado de decirle a la IA.
Una vez que siente que tanto él como el modelo de lenguaje grande tienen claro su meta, le pedirá que haga una investigación en línea y vea cómo otras personas configuraron sus agentes para lograr dicha meta. Luego, irá más allá y le preguntará al modelo de lenguaje grande qué documentos debería crear, e incluso hará que dicho modelo estructure y redacte el documento para que, cuando el agente de IA lo lea, sepa qué debe hacer. "Es una relación laboral muy bidireccional, muy diferente a la del software", añade Hastings.
Tratar la IA como un miembro del equipo en lugar de como una herramienta lo cambia todo. The Autonomous Marketer ofrece marcos para crear, gestionar y refinar agentes de IA, y se entregan cada semana sin rodeos.
Investigar y crear un directorio de proyectos con Claude.
Hacer que Claude redacte la documentación del proyecto para los agentes.
Luego, con la documentación clara en mano, puede empezar a cargar todo el contexto para crear el nuevo miembro del equipo de IA. Usualmente, lo hace con archivos y carpetas en VS Code, aunque señala que es similar a cargar información en la función de proyectos de ChatGPT o Claude.
Administrar el rendimiento: perfeccionar a través de sugerencias
Se trata de un flujo de trabajo de validar de la tríada (en inglés).
Incluso con una gran formación, no puedes esperar que la IA funcione a la perfección al primer intento, como no puedes esperar que un empleado nuevo nunca cometa un error. Por eso, el siguiente paso es dejar que el agente de IA haga su trabajo y, luego, perfeccionarlo a través de sugerencias.
"Tienes que delegar, confiar y dejar que las sugerencias sean la herramienta principal para corregir el rumbo", sostiene Hastings. "Tú controlas el principio y el final, y debes marcar el ritmo de la iteración".
"No puedes esperar que la IA funcione a la perfección al primer intento, como no puedes esperar que un empleado nuevo nunca cometa un error".
Por eso, sostiene que es importante avanzar rápido y dar muchas sugerencias a la hora de crear agentes de IA. Prepara una versión del documento, deja que el agente haga su trabajo y usa el resultado para seguir perfeccionando la documentación.
Incluso puedes considerar que esas sesiones de sugerencias son revisiones del rendimiento. Hastings regresará al modelo de lenguaje grande original que lo ayudó a redactar la documentación y compartirá los resultados obtenidos y qué errores tenía. En ocasiones, hará que el mismo modelo de lenguaje grande lo evalúe.
"Confirmo que recuerde mi meta y, luego, le pregunto: '¿Cumple con la meta?'". A veces acierta y, a veces, no. De cualquier modo, se convierte en una conversación sobre lo que debe cambiar.
Conversación de perfeccionamiento con Claude.
A partir de allí, le preguntará al modelo de lenguaje grande cómo actualizar la documentación para corregir dichos errores.
"Luego, repetiremos el proceso una y otra vez hasta haberlo pulido y obtenido resultados buenos y coherentes", explica Hasting. "De nuevo, creo que la mejor forma de usar estas herramientas es iterar lo más rápido posible porque tal vez debas realizar cinco o seis repeticiones antes de obtener un sistema realmente bueno".
Hastings también destaca la importancia de crear un agente orquestador. "Este agente está configurado para llamar a distintos agentes cuando corresponda según la tarea. El orquestador interpreta un comando o chat por mí, y decide qué agentes deben activarse", explica. "Estos subagentes tienen su propia ventana de contexto y reciben indicaciones del orquestador que deben seguir".
Sí, esto lleva tiempo al principio, pero es el trabajo necesario para crear un equipo de agentes que, a largo plazo, te simplifique la vida. Hastings agrega que también es importante tener algo de constancia y confiar en que la herramienta, con la orientación adecuada, finalmente va a llevarte a donde quieres llegar.
Primeros pasos: habilidades de liderazgo de IA que puedes aprender
¿Lo mejor de este nuevo enfoque para trabajar con IA? Las habilidades técnicas pueden parecer inalcanzables, pero este tipo de gestión es algo que definitivamente puedes aprender.
¿El mejor punto de partida? La práctica constante, algo que Hastings describe como "repetir".
"Usa la herramienta a diario, fíjate una meta y trabaja con el modelo de lenguaje grande para descubrir cómo lograrla". Puedes empezar con la unidad de trabajo más pequeña posible dentro de un flujo de trabajo (redactar un texto o investigar el rendimiento de diferentes campañas de anuncios) y ver si logras que un agente de IA lo haga por ti.
¿Todo listo para pasar de operador a orquestador? Únete a The Autonomous Marketer y descubre cómo crear equipos de IA que multipliquen tus repercusiones, con tácticas prácticas cada dos semanas.
Gráfico de MVP Club en el que se explica la nueva dinámica de equipos de IA.
Si sientes que te atascaste, puedes intentar pedirle ayuda al modelo de lenguaje grande.
"Debería llegar un punto en el que no te vuelvas a bloquear porque tienes la herramienta específica para desbloquearte", afirma. "Siempre puedes preguntarle: '¿Cómo puedo hacer esto?'".
Por último, sugiere encontrar una comunidad de colegas de los cuales aprender.
"La IA cambiará por completo todas las carreras profesionales y es mejor superar esa disrupción juntos que solos", dice Hastings. "Aprenderemos más si compartimos la adopción entusiasta de las herramientas".
A la IA, "siempre puedes preguntarle: '¿Cómo puedo hacer esto?'".
Deja de usar la IA como si fuera software. Comienza a gestionarla como un equipo.
El enfoque de Matt demuestra que el secreto del éxito de la IA no es mejorar las indicaciones, sino mejorar la gestión. The Autonomous Marketer ofrece lo siguiente:
- Marcos para crear y formar equipos de agentes de IA
- Flujos de trabajo reales de profesionales del marketing que pasan de ser operadores a orquestadores
- Estrategias para dedicar menos tiempo a la ejecución y más tiempo a la estrategia
"Los modelos de lenguaje grande nunca funcionan bien a la primera", pero, con el enfoque adecuado, pueden transformar tu trabajo. Suscríbete a The Autonomous Marketer (en inglés) →
