Contexto Técnico
Me encantan estas noticias no por el bombo publicitario, sino por su enfoque práctico. Por fin se habla no de agentes abstractos, sino de una configuración real donde Claude, Codex y Gemini operan como orquestadores CLI de alto nivel, y Telegram sirve como un simple punto de entrada para las tareas.
En esencia, el esquema es sencillo: envío una tarea a un bot, el orquestador la divide en subtareas, inicia las sesiones CLI necesarias y recopila el resultado. Para la automatización con IA, esto ya no es un juguete, sino una arquitectura de trabajo viable, siempre que no se intente ejecutar todo sin límites.
He investigado los patrones disponibles y el panorama es bastante claro. Claude se usa a menudo como coordinador, Codex como un potente ejecutor de código y Gemini como un trabajador dedicado para un rol específico. VS Code y Copilot han comenzado a destacar oficialmente estos escenarios, mientras que la comunidad lleva tiempo implementándolos con scripts de shell, instrucciones en markdown y estado basado en archivos.
El punto más práctico aquí no es la elección de la marca, sino el modelo de ejecución. Un arranque en frío (cold start) proporciona un contexto limpio y menos sorpresas, pero consume tiempo en cada inicio. Un arranque en caliente (hot start) es más rápido, especialmente si las tareas llegan en serie desde Telegram, pero luego comienza la deriva del contexto y el agente recuerda información innecesaria.
Me hizo sonreír el límite de 10 agentes en un Mac. Sí, suena a un experimento de ingeniería normal, hasta que tu portátil empieza a sonar como un dron. En la práctica, al acercarse a este umbral, aparecen picos de CPU, presión de memoria, ralentización del IDE y un molesto retraso al lanzar nuevos procesos CLI.
¿Qué cambia esto para los negocios y la automatización?
Siendo realistas, ganan los equipos que necesitan un pipeline en lugar de un único "chat inteligente": descomposición, implementación paralela, revisión y ensamblaje de la respuesta. Aquí, la integración de la inteligencia artificial en Telegram o en un chat interno realmente ahorra tiempo, porque los empleados escriben las tareas en una interfaz familiar en lugar de alternar entre cinco herramientas.
Pierden aquellos que intentan mantener todo este zoológico localmente en un Mac y considerarlo un entorno de producción. Yo mantendría un orquestador en caliente localmente y trasladaría los trabajadores pesados a un servidor Linux o a la nube. De lo contrario, el coste del caos anula rápidamente cualquier beneficio.
En Nahornyi AI Lab, resolvemos este tipo de problemas a nivel de arquitectura: dónde mantener sesiones en caliente, qué lanzar en frío, cómo limitar el paralelismo y dónde externalizar a los ejecutores. Si sus procesos ya están atascados en la coordinación manual, mi equipo y yo podemos desarrollar una solución de IA adaptada a su flujo de tareas real, sin el circo de diez agentes sobrecalentados en un portátil.