Tengo una regla sencilla: si una tarea se repite más de dos veces, es hora de delegarla. Antes la delegaba a personas. Ahora, a agentes de IA que trabajan directamente con bases de datos, hojas de cálculo y gestores de tareas.
En tres meses, construí un sistema de 17 habilidades de IA que se hizo cargo de toda la información financiera de una plataforma B2B con más de 200 socios. Sin una sola línea de código tradicional.
Contexto: una plataforma B2B y la rutina financiera
Trabajo como PO en una plataforma B2B en la intersección entre seguros y finanzas. Agregamos productos financieros para socios: bancos, entidades de crédito, marketplaces. Cada socio quiere ver su propio embudo: solicitudes, conversiones, desembolsos, comisiones.
Con más de 200 socios activos, los informes se convierten en una cadena de producción:
- Informes diarios - cada mañana el socio espera las cifras del día anterior
- Conciliaciones mensuales - cientos de filas de operaciones desglosadas por proveedores, con diferentes porcentajes de reparto de ingresos
- Solicitudes ad-hoc - "muéstrame la conversión de este producto en las últimas dos semanas"
- Documentos legales - generación de contratos estándar para nuevos socios
2-3 horas al día, dos personas. Un caso de manual para delegar, pero no había a quién hacerlo. Entonces apareció una herramienta capaz de trabajar con SQL, APIs y hojas de cálculo por sí sola.
No un agente, sino una cadena de agentes
Una distinción importante: esto no es "un bot inteligente que hace todo". Es un sistema de agentes especializados, cada uno resolviendo una tarea concreta. En la terminología de Claude Code, cada agente es una habilidad (slash-command) con una lógica claramente definida.
Los agentes están conectados a través de una infraestructura compartida:
- Servidor MCP para la base de datos (MS SQL, solo lectura) - el agente construye consultas SQL y recupera datos
- Google Sheets API - creación de hojas de cálculo, escritura de datos, formato, fórmulas
- Google Drive - almacenamiento de archivos, carga de exportaciones de proveedores
- Gestor de tareas - sincronización con las tareas del equipo
- GitLab API - análisis de productividad del equipo de desarrollo
Un agente genera informes financieros. Otro ejecuta conciliaciones mensuales. Un tercero recopila estadísticas del equipo de desarrollo. Un cuarto transcribe grabaciones de reuniones y produce informes estructurados. No se conocen entre sí, pero operan dentro de un mismo ecosistema.
Cómo funciona la habilidad más utilizada: el informe financiero
Un gestor introduce un solo comando - el nombre del socio y un rango de fechas. 40 segundos después, aparece un informe completo en Google Sheets. Esto es lo que ocurre durante esos 40 segundos:
1. Resolución de contraparte
El agente mantiene un mapeo de alias legibles para humanos a identificadores internos. No es necesario recordar UUIDs - basta con un nombre corto.
2. Consulta a la base de datos
Se genera una consulta SQL que construye el embudo de un producto financiero: solicitudes → transiciones → desembolsos → comisiones. La consulta tiene en cuenta los estados correctos de las operaciones - eso es toda una historia en sí misma, porque la documentación de la base de datos y los valores reales de los enumerados no siempre coinciden.
3. Agregación
Los datos se agrupan por día, se calculan las tasas de conversión entre etapas y se suman los totales de comisiones. Diferentes socios tienen diferentes condiciones de reparto de ingresos - el agente se encarga de eso.
4. Escritura y formato
Se crea o actualiza una hoja de cálculo: encabezados, datos, filas de resumen, formatos numéricos, anchos de columna. El formato se aplica estrictamente después de escribir los datos - si se hace todo simultáneamente, la API a veces aplica estilos a celdas vacías (los datos aún no han llegado).
5. Autoverificación
El agente relee lo que escribió y lo compara con los datos de origen. No es paranoia - la API de Google Sheets realmente pierde filas durante las escrituras por lotes. Sin verificación, los errores son inevitables.
Conciliaciones mensuales: cuando un solo agente no es suficiente
El informe diario es una tarea relativamente sencilla. La conciliación mensual es otra liga completamente distinta.
El tráfico de un solo socio puede pasar por 3-4 proveedores. Cada uno tiene su propio formato de exportación, sus propias reglas de cruce de operaciones, sus propias tasas de comisión. Es necesario:
- Descargar los archivos de los proveedores desde el almacenamiento en la nube
- Cruzar cada operación con los datos de nuestra base de datos
- Calcular las comisiones con diferentes repartos para diferentes socios
- Generar una hoja resumen con fórmulas
- Todo en un solo documento, con pestañas separadas para cada contraparte
Esto antes llevaba una jornada laboral completa. Ahora - un comando con dos parámetros y 3-5 minutos de espera.
Qué más cubre el sistema
En tres meses, los agentes se expandieron mucho más allá de los informes:
| Habilidad | Tarea | Tiempo |
|---|---|---|
| Informe financiero | Embudo para un solo socio | 40 seg |
| Resumen diario | Informe de todos los socios activos | 2-3 min |
| Conciliación mensual | Conciliación con proveedores y fórmulas | 3-5 min |
| Generador de contratos | Contrato estándar para un nuevo socio | 1-2 min |
| Gestor de equipo | Gestión del equipo de producto | interactivo |
| Analítica GitLab | Comparación de actividad de desarrolladores en 17 repos | 2-3 min |
| Informe de reunión | Transcripción de reunión (600+ segmentos) → informe estructurado | 3-5 min |
| Reclutamiento | Búsqueda de candidatos por parámetros | interactivo |
17 habilidades, 9 servidores MCP (SQL, Google Sheets, Drive, Calendar, Gmail, GitLab, Tracker, Telegram, GitHub). Ni una sola línea de Python, Go o TypeScript. Toda la lógica reside en archivos markdown con instrucciones para el agente.
Por qué Claude Code y no LangChain
Probé varios enfoques:
- ChatGPT + Zapier - demasiado primitivo, sin acceso directo a la base de datos
- LangChain/LangGraph - requiere un desarrollador, ciclos de iteración largos
- API personalizada + GPT-4 - funciona, pero cada cambio = reconstruir y redesplegar
Claude Code ganó por una sola cosa: un ciclo de retroalimentación de 30 segundos. Escribes una instrucción → pruebas → corriges → funciona. Sin despliegues, sin CI/CD, sin Docker. Los servidores MCP dan al agente acceso directo a la infraestructura, y las habilidades son simplemente archivos de texto con lógica de negocio.
Arquitectura:
- Claude Code - runtime, el cerebro
- Servidores MCP - puente hacia sistemas externos (base de datos, Google, GitLab, Tracker)
- Habilidades - archivos markdown con instrucciones (lógica de negocio)
- Google Sheets/Drive - capa de presentación para los usuarios
Trampas que conviene conocer
La API de Google Sheets no es atómica. Escribes 100 filas y puede que en la hoja de cálculo solo encuentres 97. La regla: siempre releer y verificar después de cada escritura. Sin esto, los errores aparecerán de forma regular y silenciosa.
La documentación de la base de datos miente. El servidor MCP para SQL devuelve un glosario con descripciones de tablas. Pero los valores reales de los enumerados pueden no coincidir con la documentación. Perdimos un día entero antes de empezar a hacer joins directos con las tablas de referencia en lugar de confiar en el glosario.
El formato es un paso separado. Si escribes datos y aplicas estilos simultáneamente, la API puede formatear celdas vacías (los datos aún no han llegado). Primero datos → verificación → luego la parte visual.
El contexto no es infinito. Al procesar grandes volúmenes (más de 200 filas), el agente puede perder su contexto inicial. La solución: el agente mantiene un registro de cada paso y lo relee periódicamente. Suena extraño, pero funciona - en esencia, el agente crea su propia "memoria externa".
Los merge commits inflan las estadísticas. Al analizar productividad a través de la API de GitLab, resultó que tanto los commits de funcionalidades como los merge commits se cuentan por separado. Y el código autogenerado (migraciones ORM) puede inflar las estadísticas en más de 20.000 líneas. Sin filtrado, los números carecen de sentido.
Los alias de las personas no coinciden entre sistemas. El mismo desarrollador puede aparecer con nombres diferentes en GitLab, el gestor de tareas y el correo corporativo. El agente mantiene un mapeo de alias - sin él, los informes de un equipo de 11 personas simplemente no cuadran.
Las cifras
| Métrica | Antes | Después |
|---|---|---|
| Informes diarios | 2-3 horas/día | 5-10 minutos |
| Conciliación mensual | 8 horas | 5 minutos |
| Generación de contratos | 2-3 horas | 2 minutos |
| Errores en informes | 3-5/mes | 0 (verificación) |
| Personas en rutina financiera | 2 | 0 (lo gestiona el PO) |
~60 horas-persona ahorradas al mes. Coste de Claude Code: 200 $/mes en el plan Max.
Tres cosas que aprendí
Los agentes de IA son una herramienta de gestores, no de desarrolladores. Un PO que entiende el proceso construye automatizaciones funcionales más rápido que un equipo siguiendo el ciclo clásico de especificaciones → sprint → revisión → despliegue. Porque no hay traducción del "lenguaje de negocio" al "código" y viceversa.
Los servidores MCP son lo que convierte un chatbot en un operador. Sin acceso a bases de datos y APIs, un agente solo puede generar texto. Con MCP, se convierte en un participante activo del flujo de trabajo, operando los mismos sistemas que usaría un empleado humano.
La verificación importa más que la generación. El 80 % del esfuerzo no se dedicó a los prompts, sino al sistema de verificación. Cada paso se comprueba: ¿se escribieron los datos? ¿Las fórmulas cuadran? ¿El formato es correcto? Un agente que no verifica su propio trabajo es un agente que tarde o temprano fallará en silencio.
Si eres gestor y pasas horas en rutinas de datos, empieza con una sola habilidad. Automatiza el informe más doloroso. Cuando veas una tarea de tres horas completada en un minuto, las otras 16 habilidades vendrán solas.
Sobre el autor: Georgii Motrenko - PO / Head of Product Growth en una plataforma B2B de InsurTech/FinTech. Construye cadenas de agentes de IA para automatizar operaciones financieras y de producto.
Sígueme:
Top comments (0)