Casos

Taller de agentes de IA en Guatemala: lo que aprendimos

· Por Obrian HC
Taller de agentes de IA en Guatemala: lo que aprendimos

TL;DR: Facilitamos un taller de dos horas sobre desarrollo de software con agentes de inteligencia artificial para desarrolladores del sector público guatemalteco. No enseñamos a “usar ChatGPT”: armamos un equipo de agentes con roles, reglas y criterios de aceptación, y lo pusimos a producir un entregable real que no era código. La conclusión que más incomodó a la sala: el modelo es lo barato. Lo caro sigue siendo saber pedir bien las cosas.

El punto de partida

Cuando uno pregunta en una sala de desarrolladores quién ha usado inteligencia artificial, todos levantan la mano. Cuando uno pregunta quién ha usado un equipo de agentes con roles definidos, permisos acotados y un criterio de salida escrito, la sala se queda callada.

Ese es el espacio donde trabajamos.

La mayoría de los equipos que conocemos en Guatemala están en el mismo escalón: usan un chat en el navegador, o conectaron un asistente a su editor y le dan tareas pequeñas con desconfianza sana. Funciona. Ahorra tiempo. Y también es el techo de lo que se puede lograr sin cambiar la forma de trabajar.

El taller empezó ahí y terminó en otro lado.

¿Qué incluye un taller de agentes de IA para equipos de desarrollo?

Un taller así cubre cinco bloques en dos horas —el detalle es parte de la formación—:

  • Vocabulario que sí importa. Contexto, modelo y salida. Qué cambia cuando pasamos del autocompletado a un agente que ve el repositorio completo — algo que ya exploramos en nuestro experimento de context engineering.
  • Por qué el idioma cuesta dinero. Redactar en español tiene un precio medible en tokens, latencia y factura; hay decisiones de arquitectura que se toman por eso.
  • Permisos y aislamiento. La parte que nadie quiere ver hasta que un agente con demasiada autonomía borra algo que no debía. En instituciones públicas no es opcional.
  • Roles, no prompts. Un product owner que traduce negocio, un arquitecto que decide y deja rastro, un encargado de seguridad con veto vinculante sobre dependencias, QA, documentador. Cada uno con reglas escritas y la obligación de hablar entre sí.
  • Un caso real, y no de software. Cerramos con un entregable analítico completo producido por un equipo de agentes especializado. La comparación contra lo que produce un modelo suelto fue el momento más útil de la sesión.

Ese último punto fue el que movió la aguja: esto no es una técnica de programadores, es una forma de organizar trabajo intelectual verificable, y sirve igual para un informe, una presentación ejecutiva o un análisis con fuentes citadas.

La pregunta más difícil no fue técnica

Hubo dudas sobre notación, sobre servidores MCP (el estándar para conectarle herramientas a un agente), sobre cómo se dispara un subagente. Todas legítimas y respondibles.

La pregunta que costó más vino de un participante de una institución con políticas estrictas: ¿y los permisos? No los del agente. Los suyos. Los del entorno institucional donde no se puede instalar software sin levantar un ticket.

La respuesta corta: si usted no puede instalar una herramienta en su máquina, su agente tampoco. Se limita a las autorizadas y punto. La respuesta larga: esa conversación —gobernanza, permisos, aislamiento de datos— determina si un piloto de IA en el sector público sobrevive al primer incidente o muere en la primera auditoría.

Y esa conversación no la resuelve ningún modelo. La resuelve gente con criterio — la idea de human in the loop sobre la que ya escribimos.

Lo que no se automatiza

Si nos quedáramos con una sola idea del taller, sería esta:

Un mal requerimiento produce mal software. La IA no lo arregla: lo produce más rápido.

Antes tardábamos una semana en construir algo malo. Ahora tardamos tres minutos. El error no desapareció, se aceleró.

Por eso el 40% del taller no habló de tecnología. Habló de comunicación asertiva, de escribir criterios de aceptación verificables, de liderazgo entendido como limitar responsabilidades y sostener el criterio cuando el resultado se ve bien pero está mal. Empezamos con un video sobre por qué un mensaje de error que dice “HTTP 401” es inútil para una señora que quiere pagar el agua.

No es un adorno motivacional. Es la herramienta número uno para dirigir agentes, porque los agentes heredan de nosotros lo que sabemos explicar.

Lo que dijeron los participantes

Los mensajes llegaron el mismo día, sin pedirlos:

“Me quedé fascinado con los tips que nos dio.”

“Me quedó súper claro la metodología de trabajo con los agentes. 10/10.”

Y el que más nos gustó, dos días después, cuando alguien aplicó lo visto a un pendiente propio:

“Me hubiera tardado 4 días más. Salió más rápido.”

Eso es lo que buscamos: no que la gente salga impresionada, sino que el lunes siguiente cierre algo que tenía atorado.

¿Esto le sirve a su equipo?

Le sirve si se reconoce en estas situaciones:

  • Su equipo ya usa IA, pero cada quien a su manera y sin nada documentado.
  • Le preocupa qué datos salen de la institución y bajo qué garantías contractuales.
  • Tiene licencias contratadas y no sabe cómo convertirlas en resultados medibles.
  • Produce entregables analíticos —informes, presentaciones, estudios— y sospecha que ahí hay más margen que en el código.
  • Necesita que lo que se construya sea reproducible por otra persona en una máquina limpia.

El taller se adapta a equipos de desarrollo, a áreas de análisis y a direcciones que necesitan entender qué están comprando antes de firmarlo, y se complementa con nuestros servicios de agentes de IA para empresas. Es agnóstico al proveedor: funciona con Claude, con Codex, con modelos de pesos abiertos o con lo que salga el próximo trimestre, porque la estructura no vive en el modelo.


¿Cuál de sus pendientes lleva más tiempo atorado? Esa suele ser la mejor puerta de entrada. Cuéntenos y diseñamos una capacitación en agentes de IA —o un piloto de automatización— con impacto medible para su equipo.

Obrian HC

Obrian HC

Innovation Chief Officer

Investigo y pruebo todos los días las nuevas tecnologías, veo como aplicarlas en Autómata y como beneficiaría a nuestros clientes.

Explora más o contáctanos

¿Listo para aplicar estas ideas? Escríbenos y diseñamos un piloto de automatización o inteligencia con impacto medible.