Los prompts hicieron útil la IA. Los bucles 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. Escribías. Respondía. 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 le dé una instrucción.
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 de IA dominante copió 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 a otro Claude lo mismo otra vez.
El sistema compartido de la empresa no aprendía nada.
El modelo no sabía lo que se decidió en la reunión del lunes, quién era el responsable 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 un objetivo a la IA. Planifica, usa herramientas y devuelve un resultado.
Mejor para una tarea completa. Generalmente aún iniciada por una persona en una sesión privada.
3. Bucles
Le das al agente una tarea y una condición. Verifica, actúa, confirma y repite.
Los bucles hicieron persistente a la IA.
Pero un bucle 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 bucles repiten trabajo. Los agentes ambientales notan el trabajo.
Ese es el verdadero cambio detrás de Claude Tag.
No una respuesta más inteligente.
Un sistema que sabe cuándo se necesita una respuesta.
Qué hace que una IA sea 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, además de 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 responsable 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 del lunes aún puede importar el jueves.
Pero esto no es una memoria mágica y global.
La memoria está limitada 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 casualmente contexto legal privado a un canal de producto público.
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 conectaste tu cuenta.
Eso se rompe cuando veinte personas comparten un agente.
Claude Tag 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 autor, y las acciones se pueden rastrear hasta el hilo de Slack que las solicitó.
Anthropic registra tareas programadas, escrituras de memoria y 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, informar que un despliegue 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 software y más como un participante.
https://x.com/claudeai/status/2069468699766005847
También es la característica que probablemente se vuelva molesta cuando 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 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 comienza a cerrar ciclos.
Aquí hay seis flujos de trabajo que muestran la diferencia.
Ponerse al día sin releer 200 mensajes
Claude puede escanear un hilo ocupado y separar tres cosas:
- lo que se decidió;
- quién es responsable de cada decisión;
- lo que aún está abierto.
El resultado permanece en el canal, para que todos puedan corregirlo.
Encontrar 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 los mensajes originales e identifica a quién probablemente está esperando cada solicitud.
El valor no es la síntesis.
Es recuperar trabajo que el equipo ya olvidó.
Convertir conversación en un artefacto
Un hilo de producto suele ser una mezcla de semidecisiones, capturas de pantalla, objeciones y mensajes de "probablemente 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 responde con un cambio.
Consultar 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 se pueda verificar el resultado.
La respuesta es visible para todo el canal, en lugar de desaparecer dentro de la sesión privada de IA de un analista.
Ir de un informe de error a un pull request
Uno de los equipos destacados de Anthropic usa a Claude como primer respondedor para errores internos. Lee el informe y las capturas de pantalla, verifica sistemas como Datadog, Linear y GitHub, rastrea la causa probable y puede redactar un pull request de corrección.
El ingeniero interviene cuando se requiere juicio, no cuando la información tiene que copiarse entre cinco herramientas.
Mantener trabajo que nadie mantiene
Claude puede mantener actualizada una visión general del canal anclada, publicar un resumen semanal, 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 consideran importante 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 regular 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 más pequeños por canal;
- Probarlo dentro de un canal privado antes de expandir el acceso.
No comiences 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 algo fuera de Slack.
Luego conecta una fuente de solo lectura.
Solo después de que los resultados sean consistentemente útiles, debes agregar permisos de escritura, trabajo programado o comportamiento proactivo.
Claude Tag se basa en el consumo. El trabajo del canal se factura a la organización; los mensajes directos usan la cuenta de Claude del usuario individual. Los propietarios pueden establecer límites máximos, presupuestos por canal y alertas de umbral.
El acceso debe expandirse a la velocidad de la confianza, no a la velocidad de la demostración.
12 prompts que vale la pena robar
Claude Tag es actualmente una beta para Team y Enterprise, pero estos ejemplos también muestran cómo diseñar mejores agentes en cualquier lugar: dales una fuente, un desencadenante, 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 responsable 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 desbloquearlo. 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 espere a una persona durante más de 48 horas.
4. Mapa de canal vivo
@Claude crea y ancla 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. Resumen de reunión
@Claude prepara un resumen 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 del CRM este trimestre. Incluye frecuencia, ingresos afectados, citas representativas y enlaces a la evidencia original.
8. De error a borrador de PR
@Claude investiga el error descrito en este hilo. Reprodúcelo si es posible, identifica la causa raíz, propón la corrección segura más pequeña, ejecuta las pruebas relevantes y abre un borrador de PR. 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 la documentación actual resuelva 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 de lo contrario.
10. Vigilante de lanzamiento
@Claude monitorea este lanzamiento. Informa 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 simples diferencias 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 revisarla. Pregunta antes de cambiar una entrada existente.
Observa lo que estos prompts no dicen:
sé inteligente. sé útil. actúa como un experto.
Las instrucciones útiles definen cuándo actuar, qué evidencia usar, qué resultado producir y cuándo permanecer en silencio.
El mejor prompt ambiental incluye una condición de silencio.
Lo que puede salir mal
Las mismas características que hacen valiosa a la IA multijugador la hacen arriesgada.
Un chatbot privado puede producir una mala respuesta.
Un agente ambiental con memoria y acceso de escritura puede conservar la mala respuesta, compartirla con un equipo y actuar sobre ella más tarde.
Hay cuatro modos de fallo obvios.
Memoria incorrecta
Si Claude registra una opinión temporal como una decisión final, el trabajo futuro puede heredar el error.
Las memorias importantes necesitan un propietario, fuente, fecha y una forma de corregirlas.
Acceso excesivo
Un agente no necesita permiso para todo simplemente 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. Deja 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.
Una implementación segura es aburrida:
- 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 incorrectos es una brecha.
El producto real 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 lo que 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 jugador a multijugador importa más que otra victoria en un benchmark.
La próxima ventaja de la IA no vendrá de escribir el prompt más ingenioso. 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 posible hogar 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 enrute 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 la IA.
Los agentes la hicieron capaz.
Los bucles la hicieron persistente.
El contexto multijugador la hace parte del equipo.
La IA no reemplazará la conversación.
Se unirá a ella.
