Agentes IA y Automatización: RAG, Flujos y Guías

Dispatch es la función con la que mandas una instrucción desde el móvil y Claude ejecuta el trabajo en tu propio ordenador (en beta, planes Pro y Max). No corre en la nube: se mueve tu máquina real, y de ese único hecho salen a la vez todo su valor y todo su peligro. La ayuda oficial dice que puedes escribir a Claude desde el móvil y que trabaje en tu ordenador de escritorio, usando los mismos connectors, plugins y acceso a archivos que ya tengas configurados en Cowork, dentro de lo que Anthropic plantea como una única conversación continua a la que se llega desde cualquiera de los dos dispositivos. Para que funcione, el ordenador tiene que estar despierto y con la aplicación de escritorio abierta, y el computer use solo está disponible en macOS y Windows, nunca en Linux. Mecánicamente trabaja bajando por tres niveles de prioridad: un connector si lo hay, la navegación por el navegador si no lo hay, y la interacción directa con la pantalla como último recurso, tomando capturas por el camino para entender lo que se ve. La valoración empieza justo ahí. Los puntos donde se detiene están diseñados: el computer use viene desactivado por defecto y se activa en Ajustes, General; el permiso se pide para cada aplicación nueva; borrar un archivo de forma permanente exige permiso explícito; y las plataformas de inversión y trading y las aplicaciones de criptomonedas quedan vetadas por defecto. Pero también hay puntos donde no se detiene. Las acciones concretas dentro de una aplicación ya aprobada no se te confirman, y la redacción oficial es que Claude hace clic, escribe y navega por tu pantalla directamente, sin las comprobaciones de permisos que sí filtran las demás herramientas de Cowork. La documentación añade que no hay ningún sandbox entre Claude y lo que hay en tu pantalla, y que las acciones tomadas en una aplicación pueden afectar a otras. El riesgo mayor es la prompt injection, que Anthropic describe con sus propias palabras: el contenido web es un vector principal de ataques de prompt injection, y una instrucción manipulada, un comando inesperado o un enlace de phishing abierto en tu navegador podrían encadenarse hasta acciones difíciles o imposibles de deshacer. Anthropic afirma que escanea las activaciones del modelo para detectar ese comportamiento, pero eso baja la probabilidad sin quitarte a ti la obligación de trazar una línea, y la guía sigue diciendo que pases a la aprobación manual siempre que una tarea toque archivos, cuentas o sitios sensibles. Anthropic nombra el límite sin rodeos: no des permiso de computer use a aplicaciones sensibles, como las de banca, sanidad o administración pública, y evita las cuentas financieras, los documentos legales, la información médica y los datos personales. El artículo cubre también el lado del móvil. Lo que se escapa si lo pierdes no son los datos guardados en el teléfono, sino la capacidad de dar órdenes a tu ordenador, más el contenido de la conversación que sigue viva; y la ayuda oficial de Dispatch no documenta cómo desemparejar un dispositivo ni qué hacer si lo pierdes, así que los remedios vienen del lado de la cuenta: cerrar esa sesión concreta en Ajustes, Cuenta, Sesiones activas; cerrar todas las sesiones desde claude.ai, algo que no está disponible en las aplicaciones móviles y que por tanto exige un navegador web; o simplemente cortar por el lado del ordenador cerrando la aplicación de escritorio o dejando que la máquina se suspenda, que en realidad es lo más rápido porque Dispatch necesita el ordenador despierto y la aplicación abierta. Cierra separando Dispatch y computer use como dos interruptores distintos, distinguiendo ambos del agent view de Claude Code (al que la documentación oficial también llama dispatch) y trazando una línea práctica: empieza por el trabajo que puedes deshacer.

El agent view de Claude Code, que se abre con claude agents, es la función para lanzar sesiones independientes en segundo plano una tras otra y gestionarlas todas desde una sola pantalla. La documentación oficial llama dispatch a la operación que realizas ahí, y ese nombre choca con la función homónima de la aplicación de escritorio, así que lo primero es distinguirlas. Los documentos describen el agent view como la función que permite despachar y gestionar muchas sesiones de Claude Code desde una única pantalla, y se trata de una research preview que exige la v2.1.139 o posterior. Este artículo se ciñe a la mecánica y al modelo de seguridad. La primera sorpresa es que cada prompt que escribes en el cuadro de entrada arranca su propia sesión nueva: escribe un segundo y tendrás una segunda sesión al lado de la primera, no una instrucción añadida a la anterior. Las instrucciones posteriores pasan por el peek panel, que se abre con la barra espaciadora y muestra la última salida o la pregunta que la sesión está esperando, no la transcripción entera. El corazón del modelo de seguridad es el aislamiento por worktree. Antes de editar ningún archivo, una sesión en segundo plano se traslada a un git worktree aislado bajo .claude/worktrees/, de modo que las sesiones paralelas leen el mismo checkout pero cada una escribe en el suyo: lecturas compartidas, escrituras separadas. Todo lo que llegaría al checkout principal queda cortado por tres comprobaciones: las ediciones de archivos con Edit, Write y NotebookEdit; los directorios de trabajo de comandos que resuelven al checkout principal o que no se pueden verificar como externos a él; y los intentos de redirigir git con git -C, --git-dir, GIT_DIR, GIT_WORK_TREE o un cd colocado antes de la llamada a git. La decisión se toma a propósito del lado seguro, rechazando lo que no puede verificar, y la misma protección la heredan todos los subagents que la sesión genere. Aun así no es un muro a nivel de sistema operativo: los archivos de fuera del repositorio y la red quedan fuera de alcance, y los comandos de PowerShell solo reciben la comprobación del directorio de trabajo. Los permisos tampoco se eligen en el momento del dispatch: se heredan del defaultMode de ese directorio, o del permissionMode del frontmatter de un subagent despachado, lo que significa que cuanto más laxa sea tu configuración habitual, más sesiones desatendidas con permisos laxos creas de golpe. Después hay tres cosas que se escapan del aislamiento. Elegir "Sí, no volver a preguntar" guarda la regla en el .claude/settings.local.json del checkout principal, así que se aplica en el checkout principal y en todos los demás worktrees, y sobrevive a la eliminación del worktree donde se concedió. Borrar una sesión en el agent view borra con ella el worktree que creó Claude, de modo que el trabajo sin commit desaparece, y Ctrl+X detiene en la primera pulsación y borra en la segunda. Y .worktreeinclude copia en cada worktree nuevo los archivos ignorados por git, como .env, multiplicando tus credenciales por el número de sesiones que despachas. Encima, la cuota se consume en proporción al paralelismo (diez agentes la gastan unas diez veces más rápido) y las sesiones se ejecutan en local: sobreviven a la suspensión, pero se detienen al apagar la máquina. El artículo cierra situando el agent view entre las cuatro formas oficiales de paralelizar, junto a los subagents, los agent teams y los flujos de trabajo dinámicos, y da una rutina concreta para antes, durante y después de un dispatch.

ChatGPT Work es el "agente de IA para el trabajo" que OpenAI anunció el 9 de julio de 2026 junto con GPT-5.6. A diferencia de un chat normal que solo responde, reúne el contexto de tus apps y archivos conectados para crear entregables terminados: documentos, hojas de cálculo, diapositivas e incluso apps web. Su cerebro es el nuevo buque insignia GPT-5.6 Sol (basado en Codex), y puede descomponer un proyecto complejo en pasos y seguir trabajando durante horas (Thurrott). Dentro de la app de escritorio unificada conviven tres modos —Work (entregables), Codex (técnico, muestra detalles) y chat normal (conversación)—, con Work posicionado como la "versión de negocio" que oculta el detalle técnico de Codex (9to5Mac). El modelo depende de tu plan: Gratis/Go usan Terra por defecto, mientras que Plus/Pro/Business/Enterprise eligen entre Sol/Terra/Luna (según lo reportado). Su fuerza es incorporar "tu contexto" mediante conectores como Google Drive, SharePoint y Slack, además de MCP; y para empresas, los datos no se usan por defecto para entrenamiento. A partir de Axios, TechCrunch, 9to5Mac, Thurrott y OpenAI, este artículo expone qué es ChatGPT Work, en qué se diferencia del ChatGPT normal y de Codex, qué planes pueden usarlo y con qué apps se conecta, con etiquetas de confianza sobre lo que aún no es oficial.

Comparamos el buque insignia de OpenAI GPT-5.6 «Sol» (9 de julio de 2026) con Gemini de Google. Sus puntos fuertes apenas se solapan: Sol arrasa en programación agéntica y de terminal (Terminal-Bench 88.8% vs 68.5%, SWE-bench Pro 64.6% vs 54.2%), mientras que Gemini 3.1 Pro responde con multimodalidad nativa de voz y vídeo, un precio cercano a la mitad y ventaja en MMLU, ARC-AGI-2 y WebDev Arena. Ojo al matiz temporal: el verdadero rival de Google, el 3.5 Pro, todavía no está disponible (llegada prevista a mediados de julio). Repasamos especificaciones, benchmarks, coste real y cómo elegir según tu caso de uso.

GPT-5.6 no es solo una mejora de rendimiento: reorganiza el buque insignia único de GPT-5.5 en 3 modelos (Luna/Terra/Sol). Lo más relevante es Terra, que ofrece calidad equivalente a GPT-5.5 a un coste mucho menor: en el lanzamiento costaba la mitad y, tras la bajada de precios del 30 de julio de 2026, se quedó en el 40% del precio unitario de GPT-5.5 ($2/$12). Sol, en cambio, mantiene $5/$30 y sube SWE-Bench Pro del 58.6% al 64.6% estimado (+6pt). Analizamos qué ha cambiado, cuánto baja la factura y a qué modelo conviene migrar según tu uso.

El buque insignia de OpenAI, GPT-5.6 «Sol», frente a Claude Fable 5, la gama alta de Anthropic: no es un duelo dentro del mismo rango de precio, sino la disyuntiva entre coste y capacidad. Fable 5 domina la codificación de nivel de producción real (SWE-Bench Pro 80.3%) y la autonomía prolongada de hasta 12 horas; Sol lidera el manejo de terminal (TerminalBench 88.8%), la amplitud como agente y la relación coste-eficacia a mitad de precio. Analizamos benchmarks, coste por tarea completada y cómo repartir el uso de estos dos gigantes asimétricos según cada caso.

Comparación a fondo de los dos gigantes de la programación con IA en 2026: Claude Opus 4.8 (28 de mayo) y el modelo tope de gama Sol de GPT-5.6 (9 de julio). Sus puntos fuertes son casi opuestos: Sol lidera en operación de terminal y capacidad agéntica global (TerminalBench 2.1 88.8% vs 78.9% de Opus, Agents' Last Exam 53.6, Coding Agent Index 80), mientras que Opus 4.8 lidera en programación de nivel producción, matemáticas y contexto largo (SWE-bench Pro 69.2% vs 64.6% de Sol, USAMO 2026 96.7%, GraphWalks 1M 68.1%) y pone en primer plano la honestidad (exceso de confianza reducido a una décima parte, 0% de reporte sin crítica de resultados defectuosos). Además, OpenAI deja sin publicar muchos benchmarks de Sol (SWE-bench Pro, GPQA, AIME, MMLU), así que en el corazón de la programación el ya divulgado Opus tiene la ventaja. Cubrimos la tabla de especificaciones, el detalle de los benchmarks, el problema de los benchmarks no publicados, el coste real ($25 vs $30 de precio unitario frente a +54% de eficiencia de tokens), un mapa de fortalezas y debilidades, la elección por caso de uso y una estrategia de doble proveedor.

OpenAI puso GPT-5.6 en disponibilidad general el 9 de julio de 2026, sustituyendo la vieja estructura de «estándar + Pro» por un esquema de tres modelos: Luna (rápido y de bajo coste, $0.20/$1.20), Terra (equilibrado, $2/$12, equivalente a GPT-5.5 al 40% del precio unitario de Sol) y Sol (buque insignia, $5/$30); los precios corresponden a la revisión del 30 de julio de 2026. Sol se sitúa primero en Agents' Last Exam (53.6) y en el Coding Agent Index (80), y su 88.8% en TerminalBench 2.1 supera a Claude Fable 5 (86.0%); sin embargo, en el SWE-Bench Pro de nivel de producción, Claude Fable 5 lidera con claridad con un 80.0% frente al 64.6% de Sol. Este artículo cubre las diferencias entre los tres modelos, precios, benchmarks, nuevas funciones (Programmatic Tool Calling, ChatGPT Work y el modelo de voz full-duplex GPT-Live), la disponibilidad por plan de ChatGPT, una comparación con Claude (Fable 5 / Opus 4.8) y cómo elegir según el caso de uso, todo basado en el anuncio oficial de OpenAI y en benchmarks independientes.

Lo construiste sobre OpenAI, luego quisiste probar Claude y comparar con Gemini, y perdiste horas por los distintos SDKs, formatos y manejo de errores de cada proveedor. Un gateway de LLM (AI gateway / proxy de LLM) es un relé que encajas entre tu app y los proveedores: expone una sola API compatible con OpenAI para alcanzar cualquier modelo y asume las tareas transversales: fallback, seguimiento de costes, claves virtuales, caché, limitación de tasa y observabilidad. Esta guía cubre por qué necesitas uno, qué es realmente un gateway, los tres tipos (proxy autoalojado = LiteLLM / alojado = OpenRouter / SDK = Vercel AI SDK), cómo elegir entre LiteLLM, OpenRouter y el Vercel AI SDK, código de configuración mínimo que solo cambia el endpoint, y los límites: un salto de latencia, el gateway como nuevo punto de fallo, comisiones (OpenRouter cobra el 5,5 % sobre las compras), pérdida de funcionalidades y privacidad.

Después de construir un agente de IA, siempre te topas con el mismo muro: "Vale, pero ¿de verdad funciona?". El mecanismo para decidir si un cambio de prompt o modelo lo hizo mejor o peor con datos en lugar de intuición son las evals. Los LLM producen una salida distinta cada vez para la misma entrada, así que las pruebas unitarias de coincidencia exacta no encajan. Este artículo cubre qué son las evals, cinco formas de medir la calidad (① coincidencia con la verdad de referencia ② comprobaciones por reglas ③ LLM-as-judge ④ pruebas de regresión ⑤ monitorización en producción), la evaluación específica de agentes (tasa de éxito de la tarea, llamadas correctas a herramientas, trayectoria, coste), cómo empezar en pequeño desde 20 ejemplos de fallo, los errores habituales y las herramientas clave (Anthropic Console/Evals, OpenAI Evals, LangSmith, Langfuse, Ragas), escrito para quienes lo llevan a la práctica.

La eterna pregunta de la automatización: «¿Agentes de IA o RPA?» La respuesta no es o lo uno o lo otro: elige según el rol, y el patrón ganador de 2026 es un híbrido de ambos. El RPA son «manos» deterministas que ejecutan un procedimiento fijo de forma rápida y precisa (pero se rompen cuando cambia la pantalla/especificación); un agente de IA es un «cerebro» probabilístico que lee la situación y decide (fuerte ante la ambigüedad y las excepciones, pero no idéntico cada vez). Este artículo cubre la diferencia de principio de funcionamiento, una tabla comparativa (el compromiso entre reproducibilidad y resistencia al cambio), cómo elegir (el eje es «¿se puede escribir por completo como reglas?»: sí → RPA, criterio que no puedes plasmar → agente de IA), la tendencia de 2026 (los líderes del RPA UiPath, Automation Anywhere y Blue Prism se vuelven agénticos: convergencia; la pregunta ya no es «cuál de los dos» sino «dónde reside el razonamiento» = orquestación primero) y la respuesta práctica: un híbrido donde el cerebro (agente de IA) gestiona el criterio/la orquestación y las manos (RPA) ejecutan lo determinista; no pongas un agente donde se requiere determinismo, y acompaña el criterio delegado de barreras de seguridad y aprobación humana. Basado en la información oficial de los proveedores, con preguntas frecuentes.

¿Puedes delegar a la IA la operación de AWS? En 2026 puedes delegar mucho. La propia AWS ofrece Amazon Q Developer y el Agent Toolkit for AWS (mayo de 2026 — más de 40 agent skills + un AWS MCP Server gestionado + plugins), de modo que la IA abarca desde la generación de IaC hasta la operación de recursos. Esta guía enmarca el "delegar" en tres niveles (① generación de código/IaC, ② operación/investigación orientada a lectura, ③ un agente autónomo que opera AWS de verdad), cubre las herramientas principales (Amazon Q Developer, Agent Toolkit, AWS MCP Server, MCP de Terraform, Bedrock AgentCore) — incluida la vía "trae lo tuyo" de darle a Claude Code o Codex la AWS CLI para ejecutar "aws" desde el shell — las ventajas (IaC rápida, clasificación automatizada, ideas de optimización de costes, conocimiento democratizado) y luego el punto clave, las desventajas (proliferación de permisos de IAM, el exceso de privilegios como amplificador del radio de impacto de errores/inyección de prompt, permisos que sobreviven a la tarea, descontrol de costes — con incidentes reales de borrado de BD de producción en 2025-26), a partir de fuentes oficiales de AWS y de proveedores de seguridad. El giro clave: la pregunta no es "¿se puede?" sino "¿cómo delegar sin un descontrol o una explosión de la factura?" — y que la propia AWS integre barreras de IAM, auditoría con CloudTrail y sandboxing en el Agent Toolkit muestra la forma de la respuesta. Incluye los cinco principios (IAM de mínimo privilegio, aprobación humana para operaciones destructivas, observabilidad, credenciales JIT de corta duración, sandboxing) y preguntas frecuentes.