Los prompts hicieron útil la IA. Los loops la hicieron persistente. Claude Tag la hace compartida, proactiva y presente donde ocurre el trabajo.
El 23 de junio de 2026, Anthropic cambió algo más importante que el modelo.
https://x.com/claudeai/status/2069468693017268244
Cambió dónde vive el modelo.
Durante años, usar IA significaba abrir una caja privada. Tú escribías. Ella respondía. Tú cerrabas la pestaña. La siguiente persona abría otra caja y empezaba de nuevo.
Claude Tag mueve a Claude a Slack como un miembro visible del equipo.
Puede leer la conversación a su alrededor. Recordar contexto relevante a través de hilos y días. Usar las herramientas que un equipo le da. Trabajar después de que la persona que preguntó se haya desconectado. Y, con el comportamiento ambiental activado, hablar antes de que alguien lo invoque.
Anthropic dice que la versión interna ya crea el 65% del código de su equipo de producto.
La mayoría llamará a esto una integración de Slack.
Esa descripción no capta la esencia.
Esto es la IA saliendo del chatbox y entrando al chat grupal.
Es el comienzo de la IA multijugador.
El chatbot era para un solo jugador
La interfaz dominante de IA copió a la búsqueda.
Una persona ingresaba una pregunta. Un modelo devolvía una respuesta.
Eso hizo que la IA fuera accesible, pero también atrapó el contexto útil dentro de miles de conversaciones privadas.
Tu compañero de equipo podía pasar una hora enseñándole a Claude cómo funciona un proyecto. Mañana, tú le enseñarías lo mismo a otro Claude.
El sistema compartido de la empresa no aprendía nada.
El modelo no sabía qué se decidió en la reunión del lunes, quién era el dueño del lanzamiento, por qué se movió la fecha límite, o qué solicitud había sido ignorada durante once días.
Solo sabía lo que una persona recordaba pegar en un prompt.
**El problema no era la inteligencia.
Era la ausencia.**
Claude Tag cambia la forma de la interacción. Todos en un canal trabajan con el mismo Claude. La solicitud, el plan, el resultado y la corrección permanecen visibles. Otra persona puede continuar donde la primera se detuvo.
La IA deja de ser un atajo privado.
Se convierte en infraestructura compartida.
Las cuatro eras del trabajo con IA
La forma más fácil de entender Claude Tag es mirar lo que vino antes.
1. Prompts
Preguntas. La IA responde. La sesión termina.
Útil para una pregunta. Débil para trabajo continuo.
2. Agentes
Le das a la IA un objetivo. Ella planifica, usa herramientas y devuelve un resultado.
Mejor para una tarea completa. Generalmente iniciada por una persona en una sesión privada.
3. Loops
Le das al agente una tarea y una condición. Él verifica, actúa, verifica y repite.
Los loops hicieron a la IA persistente.
Pero un loop aún necesita que alguien defina qué debe repetirse.
4. Agentes ambientales
La IA se sienta dentro de un flujo en vivo de contexto compartido. Observa cambios, recuerda decisiones, sigue instrucciones permanentes y actúa cuando la situación coincide con ellas.
Los loops repiten trabajo. Los agentes ambientales notan el trabajo.
Ese es el cambio real detrás de Claude Tag.
No una respuesta más inteligente.
Un sistema que sabe cuándo se necesita una respuesta.
Qué hace a una IA multijugador
Claude Tag combina cinco piezas que solían vivir en productos separados.
1. Contexto compartido
Etiqueta a @Claude en un hilo de Slack y puede usar los mensajes y archivos de ese canal, más las herramientas que la organización conectó.
El contexto ya existe. Nadie tiene que reconstruirlo en un prompt gigante.
Pregunta qué se decidió, y Claude puede devolver la decisión, el dueño y la pregunta sin resolver en el mismo hilo donde ocurrió la discusión.
El canal se convierte en el espacio de trabajo.
2. Memoria con límites
Claude Tag puede retener contexto relevante a través de hilos y días. Lo que pasó en la reunión diaria del lunes aún puede importar el jueves.
Pero esto no es una memoria mágica y global.
La memoria se limita a la estructura de la organización, el espacio de trabajo y el canal. Los administradores pueden inspeccionarla, editarla o eliminarla. Las conversaciones de Slack también permanecen separadas de tu historial de chat personal de Claude.
Ese límite importa.
Un Claude de ingeniería no debería llevar, sin querer, contexto legal privado a un canal público de producto.
La memoria útil recuerda. La memoria segura sabe dónde detenerse.
3. Identidad propia
Una IA personal normalmente toma prestado tu acceso. Abre tu Drive, tu calendario o tu GitHub porque tú conectaste tu cuenta.
Eso se rompe cuando veinte personas comparten un agente.
Claude Tag, en cambio, actúa bajo su propia identidad de agente. Los administradores deciden qué repositorios, herramientas y credenciales puede usar. Sus commits y pull requests muestran a Claude como el autor, y las acciones se pueden rastrear hasta el hilo de Slack que las solicitó.
Anthropic registra las tareas programadas, las escrituras de memoria y las llamadas de red en una vista de auditoría.
La pregunta importante cambia de:
¿qué puede hacer el modelo?
a:
¿qué se le permite hacer a este agente aquí?
4. Iniciativa
La mayoría de los chatbots son inertes. Sin prompt, no hay acción.
Con el comportamiento ambiental activado, Claude puede sacar a la luz un hilo sin respuesta, marcar un mensaje urgente, reportar que un deploy terminó, o preguntar por la decisión que bloquea su trabajo.
La proactividad se configura por canal. Un canal de soporte puede ser vigilado continuamente, mientras que un canal de estrategia sensible permanece solo con mención.
Esta es la característica que hace que Claude se sienta menos como un software y más como un participante.
https://x.com/claudeai/status/2069468699766005847
También es la característica que probablemente se vuelva molesta si se configura mal.
5. Trabajo asíncrono
Claude Tag puede programar seguimientos y continuar tareas más largas en segundo plano. La persona que asignó el trabajo no necesita mantener una pestaña abierta.
Anthropic dice que la duración confiable de las tareas de los agentes se ha duplicado aproximadamente cada cuatro meses. Una mayor autonomía es la razón por la que la identidad, los presupuestos y los registros de auditoría ya no son detalles opcionales. Son parte del producto.
Un agente que trabaja durante cinco minutos es una herramienta. Un agente que trabaja después de que te desconectas necesita gobernanza.
Qué puede hacer realmente
Las demostraciones se vuelven interesantes cuando Claude deja de resumir y empieza a cerrar ciclos.
Aquí hay seis flujos de trabajo que muestran la diferencia.
Ponte al día sin releer 200 mensajes
Claude puede escanear un hilo ocupado y separar tres cosas:
- lo que se decidió;
- quién es dueño de cada decisión;
- qué sigue abierto.
El resultado permanece en el canal, para que todos puedan corregirlo.
Encuentra el trabajo que desapareció
Pídele a Claude que inspeccione las últimas dos semanas de un canal y encuentre solicitudes que nunca recibieron respuesta.
En lugar de otro resumen genérico, enlaza a los mensajes originales e identifica a quién probablemente está esperando cada solicitud.
El valor no es el resumen.
Es recuperar el trabajo que el equipo ya olvidó.
Convierte la conversación en un artefacto
Un hilo de producto es normalmente una mezcla de medias decisiones, capturas de pantalla, objeciones y mensajes de "deberíamos".
Claude puede convertir ese desorden en una especificación, una página interactiva, un gráfico, un ticket o un documento, y luego actualizar el mismo artefacto cuando alguien responda con un cambio.
Consulta la empresa desde el chat grupal
Con un almacén de datos conectado, un compañero de equipo puede preguntar por los usuarios activos semanales por plan.
Claude escribe la consulta, la ejecuta, publica el gráfico e incluye el SQL para que el resultado pueda ser verificado.
La respuesta es visible para todo el canal, en lugar de desaparecer dentro de la sesión privada de IA de un analista.
Pasa de un reporte de error a un pull request
Uno de los equipos destacados por Anthropic usa a Claude como primer respondedor para errores internos. Lee el reporte y las capturas de pantalla, verifica sistemas como Datadog, Linear y GitHub, rastrea la causa probable y puede redactar un pull request con la solución.
El ingeniero entra cuando se requiere juicio, no cuando la información tiene que copiarse entre cinco herramientas.
Mantén el trabajo que nadie mantiene
Claude puede mantener actualizada una visión general del canal fijada, publicar un resumen del lunes, vigilar un backlog de soporte o actualizar un informe permanente a medida que llega nueva información.
Aquí es donde la IA ambiental se vuelve más que una demostración.
El mejor objetivo no es un trabajo creativo glamoroso.
Es el trabajo operativo silencioso que todos están de acuerdo en que importa y que nadie posee de manera consistente.
Cómo configurarlo sin crear caos
Claude Tag está actualmente disponible en beta para organizaciones Claude Team y Enterprise. Un Propietario Principal o Propietario debe configurarlo; un administrador normal no puede aprovisionar el agente.
La configuración oficial tiene cuatro pasos básicos:
- Conectar Claude Tag al espacio de trabajo de Slack;
- Elegir las herramientas, repositorios e información a los que puede acceder;
- Establecer un límite de gasto de la organización y límites de canal más pequeños;
- Probarlo dentro de un canal privado antes de expandir el acceso.
No empieces con acceso de escritura a GitHub, credenciales de producción, seis fuentes de datos y comportamiento ambiental en toda la empresa.
Comienza con un canal y sin herramientas externas.
Pídele a Claude que recupere decisiones, encuentre mensajes sin respuesta o mantenga un resumen semanal. Esto prueba si al equipo le gusta trabajar con un agente compartido antes de que se le permita cambiar cualquier cosa fuera de Slack.
Luego, conecta una fuente de solo lectura.
Solo después de que los resultados sean consistentemente útiles, deberías agregar permisos de escritura, trabajo programado o comportamiento proactivo.
Claude Tag se basa en el consumo. El trabajo en los canales se factura a la organización; los mensajes directos usan la cuenta personal de Claude del usuario. Los propietarios pueden establecer límites máximos, presupuestos por canal y alertas de umbral.
El acceso debe expandirse al ritmo de la confianza, no al ritmo de la demostración.
12 indicaciones que vale la pena robar
Claude Tag es actualmente una beta para Teams y Enterprise, pero estos ejemplos también muestran cómo diseñar mejores agentes en cualquier lugar: dales una fuente, un disparador, un resultado y un límite.
Comienza con el contexto del canal
1. Extractor de decisiones
@Claude, ponme al día en este hilo. Enumera lo que se decidió, quién es dueño de cada decisión, la evidencia detrás de ella y lo que aún no está resuelto.
2. Buscador de solicitudes sin respuesta
@Claude, revisa las últimas dos semanas en este canal. Encuentra solicitudes que nunca recibieron una respuesta útil, enlaza cada mensaje original y nombra a la persona con más probabilidades de desbloquearla. No etiquetes a nadie todavía.
3. Nota operativa semanal
@Claude, cada lunes a las 9:00, publica un breve resumen de la semana pasada: decisiones tomadas, trabajo completado, bloqueos abiertos y cualquier cosa que haya estado esperando a una persona por más de 48 horas.
4. Mapa viviente del canal
@Claude, crea y fija una visión general de este canal: su propósito, prioridades actuales, responsables, documentos clave y plazos activos. Mantén el mismo mensaje actualizado a medida que el canal cambie.
Conecta herramientas reales
5. Métricas verificables
@Claude, grafica los usuarios activos semanales de las últimas ocho semanas, divididos por plan. Incluye el SQL, define cada métrica y marca cualquier semana donde los datos puedan estar incompletos.
6. Informe de reunión
@Claude, prepara un informe de una página para mi llamada de las 2 p. m. con Acme. Usa las últimas notas del CRM, los hilos relevantes de Slack, los tickets de soporte abiertos y la propuesta actual. Separa los hechos de tus recomendaciones.
7. Minero de señales de clientes
@Claude, clasifica las diez solicitudes de producto más repetidas de los canales de clientes y el CRM de este trimestre. Incluye frecuencia, ingresos afectados, citas representativas y enlaces a la evidencia original.
8. De error a PR borrador
@Claude, investiga el error descrito en este hilo. Reprodúcelo si es posible, identifica la causa raíz, propón la solución segura más pequeña, ejecuta las pruebas relevantes y abre un PR en borrador. Detente antes de cualquier acción en producción.
Hazlo ambiental sin hacerlo ruidoso
9. Monitor de excepciones de soporte
@Claude, vigila este canal. Responde solo cuando los documentos actuales resuelvan claramente la pregunta. Etiqueta al líder de soporte cuando un problema sea urgente, de alto valor o aún no esté resuelto después de cuatro horas. Mantente en silencio en caso contrario.
10. Vigilante de lanzamiento
@Claude, monitorea este lanzamiento. Reporta solo cuando se complete un hito, se mueva una fecha límite, una tasa de error cruce el umbral acordado o una decisión necesite a un humano. Incluye la fuente para cada alerta.
11. Buscador de contradicciones en investigación
@Claude, vigila las fuentes compartidas aquí. Cuando dos fuentes creíbles hagan afirmaciones incompatibles, publica el conflicto exacto, enlaza ambas fuentes y explica qué evidencia lo resolvería. Ignora diferencias simples en la redacción.
12. Memoria de decisiones
@Claude, mantén un registro de decisiones para este proyecto. Registra la decisión, fecha, responsable, razonamiento, alternativas rechazadas y la condición que justificaría reconsiderarla. Pregunta antes de cambiar una entrada existente.
Observa lo que estas indicaciones no dicen:
Sé inteligente. Sé útil. Actúa como un experto.
Las instrucciones útiles definen cuándo actuar, qué evidencia usar, qué resultado producir y cuándo callarse.
La mejor indicación ambiental incluye una condición de silencio.
Lo que puede salir mal
Las mismas características que hacen valiosa a la IA multijugador la hacen riesgosa.
Un chatbot privado puede producir una mala respuesta.
Un agente ambiental con memoria y acceso de escritura puede preservar la mala respuesta, compartirla con un equipo y actuar en consecuencia más tarde.
Hay cuatro modos de falla obvios.
Memoria incorrecta
Si Claude registra una opinión temporal como una decisión final, el trabajo futuro puede heredar el error.
Los recuerdos importantes necesitan un dueño, una fuente, una fecha y una forma de corregirlos.
Acceso excesivo
Un agente no necesita permiso para todo solo porque un humano en el canal lo tiene.
Comienza con acceso de solo lectura. Separa los canales sensibles. Expande los permisos solo después de que el flujo de trabajo demuestre que los necesita.
Spam proactivo
Un agente que comenta todo no se siente inteligente.
Se siente como la peor persona en el chat grupal.
Define umbrales de excepción. Especifica cuándo permanecer en silencio. Permite que los humanos ajusten la proactividad por canal.
Costo invisible
Claude Tag se basa en el consumo. Las organizaciones pueden establecer un límite máximo global, límites por canal y alertas al 75% y 95% de un presupuesto.
Eso importa porque un agente que vigila diez canales ocupados puede consumir tokens sin una "sesión" obvia a la que culpar.
Un despliegue seguro es aburrido:
- Comienza en un canal de prueba privado;
- Conecta una fuente de solo lectura;
- Elige un flujo de trabajo medible;
- Requiere aprobación para acciones irreversibles;
- Inspecciona la memoria y los registros de auditoría cada semana;
- Expande solo después de que la tasa de falsos positivos sea aceptable.
Un agente con memoria es útil. Un agente con los permisos equivocados es una brecha de seguridad.
El verdadero producto es el contexto
Las empresas de IA siguen compitiendo en inteligencia de modelos.
Los equipos experimentan un cuello de botella diferente.
El modelo no sabe qué pasó ayer.
No sabe qué panel es confiable, qué cliente importa, qué regla está desactualizada o qué decisión ya se ha revertido dos veces.
Esa información está dispersa en chats, documentos, tickets, código, paneles y la memoria humana.
Claude Tag es el intento de Anthropic de convertir ese contexto disperso en un entorno de trabajo para un agente.
El modelo puede cambiar el próximo mes.
El contexto acumulado, los permisos, las rutinas, las correcciones y la memoria institucional permanecen.
Por eso, el paso de un solo jugador a multijugador importa más que otra victoria en un benchmark.
La próxima ventaja de la IA no vendrá de escribir el prompt más inteligente. Vendrá de construir el contexto más claro.
Slack es solo la primera ubicación.
Una vez que el patrón funcione, cada espacio compartido se convierte en un hogar posible para un agente:
- un aula que note quién se está quedando atrás;
- un grupo de investigación que detecte evidencia contradictoria;
- un estudio que recuerde cada decisión creativa;
- una comunidad que canalice preguntas sin respuesta;
- una empresa donde la memoria operativa no desaparezca cuando alguien se va.
Los próximos mil millones de usuarios de IA quizás nunca se llamen a sí mismos ingenieros de prompts.
Etiquetarán a una IA de la misma manera que etiquetan a un diseñador, analista o ingeniero.
La habilidad importante no será hacer una pregunta perfecta.
Será decidir qué puede ver el agente, qué debe recordar, cuándo puede actuar y cuándo debe detenerse.
Los prompts hicieron útil a la IA.
Los agentes la hicieron capaz.
Los loops la hicieron persistente.
El contexto multijugador la hace parte del equipo.
La IA no reemplazará la conversación.
Se unirá a ella.
