Todo el mundo quiere aprender IA. Hay cursos de 2.000 euros, bootcamps de fin de semana, newsletters que prometen "10 prompts que van a cambiar tu vida". Y la inmensa mayoría sigue usando ChatGPT como un Google que escribe bonito. El mejor máster en IA agéntica no se vende: se sufre montando un harness de código abierto, rompiéndolo 700 veces y descubriendo a hostias dónde falla la máquina.
TL;DR: El resumen sin rodeos
- IA agéntica ≠ chatbot: un agente observa, planifica, ejecuta y se adapta en bucle. Salir de la interfaz de ChatGPT es el primer paso para entenderlo.
- 700 fallos = el máster: romper un harness agéntico de código abierto enseña más que cualquier curso, porque te obliga a ver las entrañas de los modelos.
- La barrera es curiosidad, no código: herramientas como n8n o Claude Code permiten construir sin programar. Lo que falta es atrevimiento.
- Revisión adversarial: dos modelos revisándose mutuamente detectan errores que uno solo pasa por alto.
Me cargué el ecosistema 700 veces, me costó un dineral, pero para mí eso fue un máster. Un día un agente decidió borrar todo el sistema porque le puse un modelo barato para una tarea que no podía manejar. Ese episodio me tatuó cómo funciona la agéntica. No conseguí montar ningún proyecto sólido, pero esa fragilidad es lo que me enseñó a construir. Ahora monto un SaaS propio y el código lo ha escrito 100% Claude Code: yo no tengo ni puta idea de código. Recomiendo esa experiencia más que cualquier curso o máster.
DaniLa mayoría usa IA como usaba Google
La mayoría de la gente cuando dice "preguntarle a la IA" dice ChatGPT. Ni siquiera sabe que hay modelos de razonamiento dentro de ChatGPT. Le pregunta al modo instantáneo y se sorprende de que la respuesta sea una mierda cuando le pide algo difícil.
La herramienta no falla. Lo que pasa es que no saben que dentro hay varios modelos, que cada uno sirve para una cosa distinta, y que preguntarle algo complejo al modo por defecto es como intentar cortar un solomillo con una cuchara.
¿Y la solución? Ridículamente simple: preguntarle a la propia IA cómo obtener mejores respuestas. Eso al final es curiosidad. No un máster de 8.000 euros. No un bootcamp con café incluido. Curiosidad.
La IA, para empezar, tenemos que tratarla como una fuente de conocimiento infinito. Y práctico, que es lo que me revienta la cabeza. Pero la inmensa mayoría la trata como un asistente que escribe emails. Y la curiosidad no se empaqueta en un PDF con webinar de regalo, así que la industria formativa sigue vendiendo temarios que ya están obsoletos cuando salen.
Gartner predice que el 40% de las aplicaciones empresariales incorporarán agentes de IA a finales de 2026, frente a menos del 5% en 2025. Un salto brutal en doce meses. Ya lo estamos viendo: hasta Google tiene su propio agente de IA para gestionar campañas. Y el que siga en la interfaz preguntando "escríbeme un email profesional" se va a quedar en el andén.
De la interfaz a las entrañas: el primer salto hacia la IA agéntica
Hay un abismo entre USAR una IA y CONSTRUIR con IA. La mayoría vive en la interfaz: abre ChatGPT, escribe un prompt, copia, pega. Eso es CONSUMIR IA, que no tiene nada que ver con usarla de verdad.
La IA agéntica es otra liga. Un agente de inteligencia artificial agéntica no espera instrucciones: observa, planifica, desglosa el trabajo en pasos, los ejecuta y se adapta en un bucle continuo de percepción, razonamiento, acción, memoria y retroalimentación. Llamarlo chatbot con esteroides se queda MUY corto: es un sistema que toma decisiones por su cuenta.
Y para entender eso de verdad, hay que salir de la interfaz.
Con ChatGPT o con Claude de base no tienes la experiencia agéntica. Estás en la interfaz y no sales de ahí. Ese fue mi punto de inflexión. De repente me puse en Telegram un bot con un agente y podía hablar con él y pedirle que hiciera cosas, que se metiera a webs, que me trajera lo que yo quisiera.
El salto fue visceral. De "preguntarle cosas a una IA" a "tener un sistema que hace cosas por mí". Ojo: herramientas como n8n, Flowise o Zapier Agents ya permiten dar ese paso sin escribir una línea de código. La barrera técnica se ha desplomado. Lo que sigue faltando es gente que se atreva a saltar.
700 fallos y cero proyectos sólidos: eso es el máster
Me cargué el ecosistema 700 veces. Me costó un dineral. Pero para mí eso fue un máster.
Monté un harness agéntico de código abierto y construí agentes especializados: uno para scrapeo, otro para planificación, otro para gestionar ClickUp, otro para publicar en WordPress, redactar textos, optimizar SEO. Me hice un agente constructor, un agente especializado en scrapear, un agente especializado en planear los planes de los otros agentes. Los combiné. Los enfrenté a tareas reales.
Y se rompieron. MUCHAS veces.
Descubrí el concepto "model agnostic": que me diera igual el modelo. Que el sistema estuviera montado para ser intercambiable. Aprendí qué modelos sirven para qué, cuáles aguantan tareas complejas y cuáles se desmoronan en cuanto la cosa se pone seria.
No conseguí montar ningún proyecto sólido. Y precisamente eso es lo que me permitió ver las entrañas de la máquina y sus debilidades. Conocer esas debilidades bien es lo que me permite ahora saber cómo tengo que pedir las cosas, dónde se van a romper, qué puedo, qué no puedo o qué no debo hacer.
La anécdota que lo resume todo: un día le cambié el modelo a un agente constructor, le puse uno que no era lo bastante capaz para esa tarea, y encima le dije que actualizara el sistema. Borró el archivo que no tenía que borrar. Y no se le ocurrió otra cosa como "solución" que borrar el ecosistema entero.
Ese fue el tatuaje. Saber que no me puedo fiar al 100% de un agente, que no le puedo dar el poder absoluto, que solo puedo usar modelos potentes para tareas complicadas.
¿Y el contraargumento? Alguien dirá que romper cosas no es aprender, que es perder tiempo y dinero, y que un curso estructurado enseña lo mismo sin el drama. Tiene parte de razón: me costó una pasta en APIs y no todo el mundo aguanta 700 fallos sin tirar la toalla.
Pero un curso te da conocimiento teórico. La escuela de hostias te da intuición. La diferencia entre saber que un modelo puede alucinar y SABER en qué momento va a alucinar y cómo cortarlo antes de que te borre el proyecto.
Lo que de verdad aprendes cuando rompes un harness es cómo fallan los sistemas de IA en general: cómo se degradan con instrucciones complejas, cómo un bucle agéntico puede entrar en espiral destructiva sin guardarraíles, cómo un modelo que genera texto decente puede ser un desastre tomando decisiones de sistema.
Eso es pensamiento de sistemas aplicado a IA. Y es transferible a cualquier herramienta que uses después.
McKinsey estima que la IA agéntica podría potenciar hasta dos tercios de las actividades de marketing, generando incrementos de ingresos del 10 al 30% vía hiperpersonalización. Pero para sacarle ese jugo hay que entender cómo funciona por dentro. No basta con darle a un botón.
El salto a la potencia: cuando construyes de verdad con IA agéntica
Lo que construyen los modelos de primer nivel es sólido, es más difícil que se rompa. Lo que construyen los harness con IA barata se rompe muy fácilmente.
Eso lo descubrí al dar el salto a Claude Code. Después de pelearme con modelos baratos en un harness de código abierto, usar una herramienta respaldada por modelos como Claude Sonnet 5 fue otro mundo. La misma tarea, resultados incomparables en solidez.
¿El dato que más me voló la cabeza? Estoy construyendo un SaaS propio. Lo ha escrito 100% Claude Code. No tengo ni puta idea de código. Lo que sí tengo es la visión y entiendo cómo funcionan los sistemas. Y la visión es más difícil. El saber hasta dónde tengo que llegar y cómo tengo que llegar.
¿Es arriesgado construir software sin entender el código? Sí. Un proyecto 100% generado por IA tiene un techo invisible: si el modelo comete un error arquitectónico profundo, el no-desarrollador puede no detectarlo. Lo sé.
Por eso el SaaS es para mis propias necesidades, no para venderlo al mundo sin auditoría (eso sería irresponsable). Y por eso uso revisión adversarial: hago que Claude Code y otro modelo se revisen mutuamente. Cuando se revisan de uno al otro encuentran cosas que no suele encontrar un solo modelo.
El mercado de agentes de IA alcanzó los 5.400 millones de dólares en 2024 y se proyecta un crecimiento del 45,8% anual hasta 2030. No es una moda pasajera. Kayo Sports escaló de 300 a 1,5 millones de variaciones de mensajes personalizados con IA agéntica y consiguió un 14% más de suscripciones. La oportunidad es real para quien se atreva a construir.
La hoja de ruta (y por qué el orden importa)
Recomiendo a todo el mundo a muerte lanzarse a montar un harness agéntico de código abierto y vivir la potencia de ese ecosistema, pero también la dificultad y la frustración. Eso es una experiencia que la recomiendo más que cualquier curso, máster, o incluso lanzarse a Claude Code del tirón.
¿Por qué el orden importa? Porque sin la escuela de hostias, Claude Code es solo otra interfaz más. Potente, sí. Pero si no entiendes por qué se rompen las cosas, no sabes qué preguntar ni cómo detectar cuándo el resultado es malo.
Voy a ser honesto con algo: mi "no sé programar" viene de alguien que ya tenía un mini PC con Home Assistant, que había trasteado con n8n y que gestionaba APIs. Eso no es el marketer medio. Lo reconozco. Pero la ruta se adapta a cada nivel:
Nivel 0 (si solo usas ChatGPT): deja de preguntar al modo por defecto. Aprende que existen modelos de razonamiento (o4-mini, Claude Sonnet). Pregúntale a la propia IA qué modelo usar para cada tarea. Ese solo paso ya te separa del 90%.
Nivel 1 (si ya trasteas): instala n8n, monta tu primer flujo automatizado, conecta un bot de mensajería con una API de IA. El salto de "preguntar" a "construir" es EL momento.
Nivel 2 (si ya construyes): móntate un harness agéntico de código abierto. Experimenta con múltiples modelos. Acepta que se va a romper. Muchas veces. Ese es el máster.
Nivel 3 (si ya has sufrido): adopta herramientas de primer nivel como Claude Code. Implementa revisión adversarial entre modelos. Diversifica proveedores. Mantén todo intercambiable.
Hoy en día me parece más importante tener imaginación, ambición y poco miedo que ser técnico. Mi única misión es pensar en qué hacer. La IA desbloquea el cómo se hace.
Lo que haces cuando te metes en esto es quitarte los límites técnicos de encima. Crear lo que te dé la gana.
Al final es curiosidad. Si la tienes, sobra todo lo demás.
Preguntas frecuentes sobre IA agéntica
¿Qué significa "model agnostic" en IA?
Un sistema model agnostic está diseñado para funcionar con cualquier modelo de IA sin depender de uno solo. En la práctica, significa que puedes intercambiar el modelo (Claude, GPT, DeepSeek, Qwen) sin reescribir el sistema. Es un principio clave para no quedarte atado a un proveedor y poder elegir el modelo más adecuado para cada tarea concreta.
¿Qué es la revisión adversarial entre modelos de IA?
Consiste en hacer que dos modelos de IA diferentes revisen mutuamente el trabajo del otro. Por ejemplo, Claude Code genera código y otro modelo lo revisa buscando errores, y viceversa. Cada modelo tiene puntos ciegos distintos, así que las revisiones cruzadas detectan fallos que una sola IA tiende a pasar por alto.
