Voy a mostrarte cómo convertir los modelos, agentes, skills y automatizaciones que viven en las herramientas y flujos de trabajo de tu equipo en un sistema coordinado.
Lo que tienen hoy la mayoría de los equipos es muy diferente. Sus modelos, skills y automatizaciones están repartidos en herramientas separadas, conversaciones privadas y configuraciones individuales.
Cada persona tiene que enseñarle a su IA lo que sabe y cómo trabaja. El contexto, las correcciones y los flujos de trabajo que crean rara vez llegan a nadie más.
Una persona pone a Claude al día con la última estrategia. Otra le pide a Codex que busque en una carpeta antigua. Una tercera reconstruye de memoria un flujo de trabajo útil. Cada chat contiene una versión ligeramente distinta del negocio.
Construimos esa capa compartida con HQ. Se sitúa por debajo de Claude Code, Codex, Cursor o de cualquier modelo open source que elija tu equipo, transportando el contexto y las capacidades de la empresa entre ellos.
Vamos a construir una.
Empezaremos con un worker de inteligencia semanal que llega cada lunes sabiendo ya qué ha cambiado: qué decisiones se tomaron, qué proyectos avanzaron, qué riesgos crecieron y a qué se comprometió el equipo a continuación.
Al final, tu equipo tendrá:
- un único lugar donde cada agente pueda recuperar el contexto actual de la empresa;
- reglas de funcionamiento que sobrevivan a chats nuevos y a cambios de modelo;
- un worker de inteligencia semanal que cualquiera del equipo pueda ejecutar;
- skills y automatizaciones compartidas que mejoren a medida que el equipo las usa;
- un bucle de revisión y sincronización que convierta la mejora de una persona en el nuevo punto de partida del equipo.
No empieces por mapear toda la empresa. Prueba el harness con un flujo de trabajo repetible y luego amplíalo cada vez que el equipo encuentre otro proceso que valga la pena compartir.
1. Construye el entorno alrededor del modelo
Un modelo puede razonar, escribir y llamar herramientas. Pero necesita un entorno que explique cómo se hace el trabajo dentro de tu empresa.
Un harness útil responde a cinco preguntas:
- ¿Qué sabe la IA?
- ¿Cómo encuentra el contexto relevante?
- ¿Qué reglas debe seguir?
- ¿Qué trabajo repetible puede hacer?
- ¿Cómo mejora cada ejecución a la siguiente?
Un prompt de sistema largo puede responder a algunas de estas preguntas durante una sesión. Un harness de empresa hace que las respuestas sean estructuradas, persistentes y estén disponibles para todos.
El conocimiento es buscable. Las reglas sobreviven al chat. Las herramientas tienen límites. El trabajo deja rastros. Los flujos de trabajo aceptados se vuelven reutilizables en lugar de desaparecer cuando se cierra la conversación.
Por eso el mismo modelo puede resultar completamente diferente en dos empresas. El modelo puede ser idéntico. El entorno de trabajo no lo es.
El modelo aporta la inteligencia. El harness aporta la empresa.
2. Prueba el harness con un flujo de trabajo real
Intentar modelar toda la empresa primero puede dejarte con semanas de contexto organizado y sin ninguna prueba de que el harness mejore ni un solo trabajo.
Empieza con un flujo de trabajo que tenga cuatro propiedades:
- que ocurra con frecuencia;
- que sus límites estén claros;
- que dependa del contexto de la empresa;
- que una persona pueda juzgar el resultado rápidamente.
Un informe semanal de inteligencia de empresa encaja.
Las entradas ya existen, pero están repartidas entre notas de reuniones, archivos de proyectos, decisiones y la cabeza de la gente. La salida es útil para todo el equipo, y un fundador puede comprobar rápidamente si el informe es preciso.
Define el contrato antes de construir el worker.
Entradas
- reuniones de los últimos 7 días
- estado actual de los proyectos
- decisiones, compromisos y preguntas abiertas
- riesgos y trabajo bloqueado
Proceso
- recuperar las fuentes relevantes
- verificar cada afirmación objetiva
- sacar a la luz contradicciones e información que falta
- sintetizar los cambios a nivel de empresa
Salida
- decisiones tomadas
- progreso por proyecto
- riesgos y bloqueos
- compromisos para la próxima semana
- lista de fuentes
Límite
- solo borrador
- detenerse para revisión humana antes de distribuirlo
Si el flujo de trabajo sigue cambiando cada vez que una persona lo ejecuta, mantenlo manual. Un proceso debe volverse repetible antes de convertirse en infraestructura compartida.
3. Dale a la IA una memoria de empresa duradera
Empieza con la configuración guiada actual de HQ. Instala HQ, crea el espacio de trabajo de la empresa y abre HQ como directorio de trabajo activo en la herramienta de IA que tu equipo ya usa.
El inicio rápido open source es un solo comando:
npx create-hq
Ahora añade solo el contexto necesario para el informe semanal.
Empieza con esta estructura:
- HQ
- companies
- your-company
- company-brief.md
- knowledge: decisiones y playbooks
- sources: reuniones
- signals
- people
- projects
- policies: weekly-intelligence.md
- workers: weekly-intelligence
Empieza aquí y añade conocimiento más profundo, skills, automatizaciones y workers específicos de la empresa solo cuando un flujo de trabajo real lo requiera.
El informe de empresa explica a qué se dedica el negocio, cómo gana dinero y qué importa ahora. Los proyectos guardan el estado actual. Las decisiones conservan por qué el equipo eligió un camino. Los archivos de personas hacen visible quién es responsable de qué.
La inteligencia de reuniones captura los compromisos, riesgos, preguntas y decisiones que nunca llegaron a un documento pulido.
No inyectes toda la empresa en cada prompt. El charter de HQ le da al agente un mapa de dónde viven el conocimiento, las políticas, los proyectos y los workers. El agente sigue ese mapa y recupera la fuente más profunda que requiere la tarea.
Dale al agente un punto de entrada pequeño y estable, y contexto más profundo bajo demanda.
Esto mantiene la memoria de empresa disponible sin gastar la ventana de contexto antes de que empiece el trabajo.
4. Convierte el criterio de la empresa en política
El conocimiento le dice al worker lo que pasó. La política le dice cómo espera tu empresa que se maneje el trabajo.
Crea companies/your-company/policies/weekly-intelligence.md:
Política de inteligencia semanal
- Respaldar cada afirmación objetiva con una fuente.
- Sacar a la luz la evidencia contradictoria. Nunca resolverla en silencio.
- Informar de los riesgos usando el nivel de urgencia original de la fuente.
- Etiquetar la información que falte, esté desactualizada o sea incierta.
- No incluir nunca secretos ni contexto de otras empresas.
- Detenerse para aprobación humana antes de la distribución.
Mantén la primera política lo bastante corta como para que la gente la mantenga.
Hay tres niveles de control:
- Una instrucción le pide al agente que siga una preferencia.
- Una política hace que la regla sea duradera entre sesiones y personas.
- Un hook o una comprobación mecánica bloquea la acción cuando un fallo sería costoso.
"Cita tus fuentes" puede empezar como política. "Nunca envíes sin aprobación" merece aplicarse en el límite de la acción.
No intentes describir todos los comportamientos posibles. Codifica los pocos invariantes que deberían sobrevivir a cada modelo, compañero y proyecto.
5. Empaqueta el flujo de trabajo como un worker compartido
Ahora convierte el procedimiento aceptado en un worker de HQ reutilizable.
Ejecuta /newworker y asígnale un trabajo acotado. Un analista general de empresa suena útil, pero es difícil de probar y fácil de usar mal. Un worker de inteligencia semanal tiene entradas, salidas y condiciones de parada claras.
Especificación del worker:
Nombre: weekly-intelligence
Propósito: Producir un informe semanal de empresa con fuentes para revisión humana.
Fuentes permitidas
- informe de empresa
- reuniones de los últimos 7 días
- proyectos actuales
- decisiones y compromisos
Procedimiento
- Confirmar la ventana de reporte.
- Recuperar las fuentes permitidas.
- Extraer decisiones, progreso, riesgos y compromisos.
- Verificar las afirmaciones contra el material de las fuentes.
- Señalar contradicciones, vacíos e información desactualizada.
- Redactar el informe en el formato requerido.
Salida requerida
- resumen ejecutivo
- decisiones tomadas
- avance de proyectos
- riesgos y bloqueos
- compromisos de la próxima semana
- preguntas sin resolver
- lista de fuentes
Nunca
- inventar hechos que falten
- leer el contexto de otra empresa
- exponer secretos
- enviar o publicar el informe
Terminado cuando: Cada afirmación está respaldada o etiquetada como incierta, y el borrador está listo para la revisión humana.
El conocimiento de la empresa aporta los hechos. La política aporta el criterio. El worker aporta la secuencia repetible.
Un prompt puede producir un informe útil. Un worker hace que el método esté disponible para otro compañero el próximo viernes.
6. Haz que cada corrección mejore el harness
No trates la primera ejecución exitosa como infraestructura terminada.
Ejecuta el worker, revisa el informe y diagnostica cada corrección en la capa adecuada.
- Hecho que falta → Mejora el conocimiento de la empresa.
- Contexto incorrecto → Mejora el routing y las descripciones de los recursos.
- Error repetido → Mejora el skill del worker.
- Comportamiento inseguro → Mejora la política o el hook.
- Entregable débil → Mejora el contrato de salida.
- Información desactualizada → Mejora el mantenimiento del conocimiento.
Si al worker se le escapa una decisión porque la reunión nunca se capturó, reescribir el prompt no va a arreglar el sistema. Mejora la ruta del conocimiento.
Si sigue enterrando los riesgos debajo de actualizaciones menores, afina el contrato de salida.
Si alguien le pide que distribuya el informe sin aprobación, refuerza la política y el control de acción.
La pregunta útil es: ¿qué parte del entorno permitió este error?
Arregla esa capa y vuelve a ejecutar el mismo ejemplo. La corrección debería sobrevivir a la salida que la destapó.
Así es como el criterio humano se acumula. Enseñas al sistema una vez y luego pones el comportamiento mejorado a disposición de las ejecuciones futuras, en lugar de repetir la corrección en chats privados.
7. Haz que el harness sea más inteligente cada vez que el equipo lo usa
Cuando el informe, la política y el worker superen la revisión, ejecuta /hq-sync.
Aquí es donde HQ se convierte en IA multijugador.
Ventas puede convertir el manejo de objeciones en un skill. Soporte puede codificar reglas de escalado. Operaciones puede mejorar un informe. Ingeniería puede añadir un control de revisión.
Cuando cada contribución supera la revisión, se sincroniza en Main y pasa a formar parte del harness compartido de la empresa.
El siguiente compañero hereda el contexto, las reglas, los skills, los workers y las automatizaciones que la empresa ya ha probado. No necesita el chat ni el prompt originales.
Abre HQ en su herramienta de IA preferida y continúa desde la versión mejorada.
Este es el bucle de acumulación de HQ: usa el harness, mejora una capa, revísala, sincronízala y eleva el punto de partida de todos.
El modelo puede ser Claude, Codex, ChatGPT o un modelo open source. La capa de empresa sigue volviéndose más inteligente por debajo.
El aislamiento entre empresas sigue aplicándose. La sincronización no debe aplanar los tenants, saltarse los permisos ni meter secretos en archivos compartidos. Un harness compartido solo funciona cuando el límite alrededor de "compartido" sigue siendo explícito.
El aprendizaje compartido también sube la apuesta. Una instrucción débil ahora puede afectar a todos, así que trata Main como producción.
Revisa cada contribución antes de sincronizar. Mantén las políticas acotadas. Prueba los workers con ejemplos reales. Usa /harness-audit para inspeccionar la eficiencia de contexto, los controles de calidad, la persistencia, la búsqueda y la seguridad a medida que la configuración crece.
Cuando un cambio supera la revisión, sincronízalo. Luego elige el siguiente flujo de trabajo repetible y vuelve a mejorar la base compartida.
La progresión completa es:
Memoria → contexto → política → worker → revisión → estándar del equipo
Empieza esta semana con un trabajo recurrente. Define sus entradas, su salida y su límite de aprobación. Ejecútalo manualmente, corrígelo y luego convierte el método aceptado en un worker que tu equipo pueda compartir.
El modelo seguirá cambiando. La memoria, las reglas y las mejores formas de trabajar de tu empresa no deberían reiniciarse con él.
Si quieres construir un harness compartido para tu propio equipo, puedes probar HQ.
Sígueme en @VibeMarketer_ para más contenido. ¡Gracias por leer :)
