Chatbots, agentes DIY y agentes personales de IA

Si usas ChatGPT, Claude o Gemini todos los días, es muy probable que tengas guardado en algún lado un párrafo que pegas al inicio de cada conversación: quién eres, a qué te dedicas, qué tono quieres, qué datos no debe inventar. Ese párrafo dice mucho de la herramienta que estás usando. Un chatbot arranca cada conversación prácticamente desde cero (algunos ya guardan ciertos datos tuyos, pero de forma limitada y poco visible), y el contexto lo pones tú, cada vez. En los últimos meses se han presentado otras dos familias de herramientas que resuelven ese problema de manera distinta: los agentes que uno mismo arma y alimenta, los llamados DIY (do-it-yourself), y los agentes personales, que además de recordar se adelantan. Antes de decidir dónde pones tu información de trabajo, conviene entender qué hace cada una.

Dos variables separan a las tres familias

Los tres tipos pueden correr sobre modelos muy parecidos. Lo que los separa son dos preguntas: ¿la herramienta recuerda lo que le compartiste antes? ¿Toma la iniciativa o espera a que le pidas algo?

Los chatbots, como ChatGPT Chat, Claude Chat y Gemini Chat, no recuerdan todo ni toman la iniciativa. Funcionan muy bien para tareas puntuales que no dependen tanto de lo que ya les contaste: redactar un correo, resumir un PDF, traducir una presentación, darle forma a una idea suelta. Tienen memoria, pero no es tan confiable (aún).

Los agentes DIY recuerdan, pero esperan a que les pidas algo. Según cómo se han presentado, aquí entran ChatGPT Work, Codex, Claude Code y Gemini Spark. Pueden guardar y actualizar la información que compartiste, así que no tienes que explicar tu situación cada vez que empiezas una tarea nueva.

Los agentes personales recuerdan y además se adelantan. Muse de Meta, Dots de ChatGPT y Grok Bot de xAI se describen como la versión proactiva de los DIY: usan lo que saben de ti para ofrecerte ayuda ANTES de que la pidas.

Simplificando mucho, queda una escalera: el chatbot no recuerda tanto ni se adelanta, el DIY recuerda y espera instrucciones, y el agente personal recuerda y se adelanta. La palabra que más pesa en la descripción de los DIY es «actualizar», y de ella depende casi todo lo que sigue.

Cómo funciona un agente DIY por dentro

La familia DIY es una de las más útiles para el trabajo profesional y de las que menos se explican. Un agente DIY trabaja sobre un espacio definido: una carpeta, un proyecto, un repositorio. Claude Code y Codex nacieron para programar, así que ese espacio era originalmente un repositorio de código. La lógica, sin embargo, aplica a cualquier conjunto de documentos de texto.

Antes de cada tarea, el agente lee lo que hay en ese espacio: instrucciones generales, documentos de referencia y el historial de lo que se ha hecho. Al terminar, puede escribir de vuelta: actualizar un archivo de pendientes, anotar una decisión o corregir un dato que cambió. La siguiente vez arranca de ese nuevo estado. Esa es la «memoria» de la que se habla: archivos que se leen y se reescriben. Más famosamente conocidos como los archivos “.md”.

La memoria vive en archivos que puedes abrir

En la mayoría de estos esquemas, lo que el agente sabe de ti está escrito en archivos que tú puedes leer, editar y borrar. Si el agente anotó algo equivocado, lo corriges a mano. Si un dato ya no aplica, lo quitas. Si mañana quieres cambiar de herramienta, la carpeta sigue siendo tuya y se la puedes dar a otro agente. Me parece una de las características más importantes de la categoría, y las comparativas suelen enfocarse en velocidad o en calidad de respuesta. Quien ha trabajado con datos de aficionados reconoce el principio: los proveedores cambian y los datos se quedan.

Armarlo es trabajo tuyo

El «hazlo tú mismo» del nombre va en serio. El agente recuerda lo que la estructura le permite recordar. Si la carpeta es un desorden de documentos sin criterio, va a recordar desorden y lo va a actualizar con la misma lógica. Por eso el primer paso es la pregunta de trabajo, antes que la herramienta: ¿qué tarea se repite?, ¿qué contexto necesita cada vez?, ¿qué tiene que quedar registrado al terminar? Con esas tres respuestas ya tienes el diseño de los archivos. Lo demás es configuración.

Tres casos de uso en el negocio del deporte

Las tareas donde esto rinde son las que se repiten y dependen de lo que pasó la vez anterior. Ahí un chatbot obliga a reconstruir el contexto y un agente DIY lo hereda.

El reporte mensual a un patrocinador

Pensemos en un gerente de patrocinios en un club. La carpeta del agente tendría el contrato con sus entregables, las activaciones de cada mes, las métricas que se acordaron y los reportes ya enviados. Cada mes, el agente arma el borrador del nuevo reporte cruzando lo realizado contra lo comprometido en contrato y contra el mes anterior, y deja actualizado un archivo con lo que sigue pendiente. Con un chatbot, ese mismo gerente tendría que volver a pegar el contrato y los números previos cada vez. Lo que el agente no hace es decidir qué le importa a la marca ese mes: ese criterio sigue siendo de quien lleva la relación.

Propuestas comerciales a anunciantes

Un equipo comercial de un publisher o de una casa de representación responde briefs todo el tiempo. Aquí la carpeta guardaría el inventario disponible, los rangos de CPM, la descripción de las audiencias y un registro de propuestas anteriores con lo que cada cliente aceptó, negoció o rechazó. Cuando llega un brief nuevo, el agente arma una primera versión que ya considera esas objeciones y anota en el registro lo que vaya saliendo de la negociación. Con los meses, ese registro se vuelve memoria comercial del equipo, que es justo lo que suele perderse cuando alguien cambia de puesto (y lo que más cuesta reconstruir).

Preparar una clase o un taller

Un profesor que da el mismo curso a varias generaciones puede tener en la carpeta el programa, los casos que ya usó, las preguntas que surgieron en cada grupo y la retroalimentación recibida. Al preparar una sesión, el agente propone materiales que no repiten casos ya vistos, actualiza ejemplos con noticias recientes que tú mismo agregas y registra qué funcionó. Diría que es el caso donde más se nota el valor de «actualizar»: un curso vivo cambia cada semestre, y el agente lleva la bitácora de ese cambio.

El agente personal y la pregunta de quién guarda el contexto

Para que un agente se adelante, necesita ver lo que está pasando en tu vida: correos, calendario, mensajes, historial de uso. Esa es la condición técnica de la proactividad, y para muchas tareas personales resulta muy cómodo y práctico. Que el agente te recuerde algo antes de un vuelo o te sugiera mover una cita que choca con otra resuelve problemas reales.

Aquí conviene marcar un límite: estos productos son recientes y no conozco por dentro cómo guarda cada uno la información, así que hablo del mecanismo general y no de una marca en particular. Ese mecanismo implica que el contexto vive, sobre todo, en la plataforma. En el DIY, tú decides qué sabe el agente porque lo escribiste en un archivo. En el personal, el agente decide qué usar a partir de lo que observó.

Creo que para la información profesional esa distinción pesa mucho. Contratos, condiciones comerciales y datos de clientes son activos de la empresa, y la pregunta es la misma que se hace un club con su base de aficionados: si el cruce de la información ocurre en el software del proveedor, el conocimiento termina siendo del proveedor. Ninguna de las tres familias es mejor que las otras en abstracto. Cada una responde a un tipo de tarea y a un nivel distinto de control sobre lo que la herramienta sabe de ti.

Cuando un agente te ofrece ayuda antes de que la pidas, alguien ya decidió qué era relevante para ti. En el DIY esa decisión quedó escrita en un archivo que puedes abrir. En el personal la tomó la herramienta a partir de lo que vio. Para empezar mañana, toma el párrafo que hoy pegas al inicio de cada conversación y guárdalo como el primer archivo de una carpeta. Con eso ya diste el primer paso hacia un agente DIY, y la información sigue siendo tuya.