Los agentes de IA convertirán el prompting en una habilidad de gestión

Cuanto mejor sean los agentes de IA, más el prompting se asemeja a gestionar trabajo. Debes decidir qué quieres que se haga, explicar cómo se ve un buen resultado y darle al agente suficiente margen para alcanzarlo. Eso se convertirá en una habilidad empresarial básica, incluso para quienes nunca han gestionado a un empleado.

Eso parece sencillo hasta que intentas delegar una tarea real. Es fácil solicitar un sitio web mejor o un informe de investigación útil. Es más difícil explicar qué haría que cualquiera de los dos sea útil para tu negocio.

Cuando un agente puede investigar un tema, trabajar entre archivos y producir un entregable, una asignación vaga puede enviarlo lejos en la dirección equivocada. Más capacidad le brinda más formas de actuar según tus instrucciones. También hace que las decisiones que omites sean más trascendentales.

Creo que aquí es donde gran parte del valor de aprender a usar IA se trasladará. Saber cómo describir el trabajo, proporcionar el contexto adecuado y reconocer un buen resultado será importante con cualquier herramienta que aparezca a continuación.

La parte más difícil es decidir qué solicitar

Imagina pedirle a un agente que mejore una página de destino. Podría reescribir el titular, reorganizar las secciones y hacer que la página quede más pulida visualmente. Todos esos cambios podrían cumplir la instrucción. Ninguno explica necesariamente la oferta de manera más clara al cliente objetivo.

Quizá los visitantes no pueden identificar a quién sirve el producto. Quizá la página les pide comprar antes de explicar el valor. Son problemas diferentes. Si no has decidido cuál importa, el agente tiene que tomar esa decisión por ti o volver y preguntar. Ni un prompt más largo ni un diseño más pulido lo resuelven.

En mi propio enfoque del trabajo con IA, quiero decidir cuál será el resultado antes de que comience la ejecución. Una tarea de investigación necesita una pregunta a responder. Un sitio web necesita una oferta que el cliente objetivo pueda entender. Puedo darle al agente libertad sobre cómo llegar allí una vez que haya dejado claro el destino.

Los gerentes se encuentran con esto todo el tiempo: alguien completa la asignación exactamente como se pidió, y el resultado aún no resuelve el problema. He escrito sobre el mismo asunto con AI pilots que endurecen los flujos de trabajo existentes. Antes de acelerar un proceso, alguien debe decidir si merece seguir existiendo.

Un preprint de Stanford publicado en agosto de 2026 encontró que la colaboración liderada por humanos dominaba las conversaciones de Claude que los investigadores examinaron. Las personas moldearon el trabajo mediante sus prompts y los intercambios posteriores. Eso coincide con mi forma de pensar sobre la delegación: establecer la asignación es el comienzo de tu participación.

Una tarea terminada necesita un resultado útil

Un documento pulido y un mensaje de finalización confiado pueden hacer que una tarea parezca terminada. Aún así, quiero ver qué ocurrió realmente. ¿El agente resolvió el problema o produjo algo que solo parece el entregable que solicité?

Anthropic hace una distinción útil en su guía para evaluar agentes: el registro de lo que hizo un agente está separado del resultado que realmente produjo. Creo que ese es un buen punto de partida para quien asigne trabajo de IA.

Si solicitas una reserva, verifica que la reserva correcta exista. Si pides una hoja de cálculo, revisa los cálculos y supuestos. Si solicitas investigación, abre las fuentes y comprueba si respaldan las conclusiones. El mensaje de finalización del agente te indica que está listo para revisión.

Establecer ese estándar al inicio facilita la ejecución de la asignación. El agente puede revisar su trabajo y devolver problemas específicos. Si una fuente contradice la conclusión, quiero saberlo antes de dedicar tiempo a revisar el texto. Si una hoja de cálculo depende de un supuesto, quiero que ese supuesto sea visible.

La cantidad de revisión debe ajustarse al trabajo. No quiero pasar diez minutos supervisando un cambio de formato que puedo deshacer en segundos. Un compromiso público merece más atención. Saber dónde importa tu atención es parte de mejorar en esto.

Dé al agente espacio para trabajar

Una buena delegación también implica decidir dónde puede actuar el agente sin volver a ti. Tener acceso a una herramienta de correo no determina si puede enviar un mensaje. La asignación debe dejar claro cuándo el trabajo es preparación y cuándo incluye la toma de acción.

Los límites claros ahorran atención. Un agente puede investigar, preparar un resultado y gestionar revisiones rutinarias mientras deja las decisiones trascendentales a la persona responsable. Esa dirección debe estar disponible en el entorno de trabajo, junto al contexto empresarial pertinente. Lauren Hanford, vicepresidenta de Operaciones de Producto en Sonar, hace este punto en su ensayo sobre el diseño de entornos operativos de agentes: necesitamos proporcionar el contexto y la dirección de los que depende el trabajo.

Los investigadores de Stanford también descubrieron que la fricción a menudo era productiva: la gente aclaraba solicitudes y corregía malentendidos. Creo que a veces tratamos esos intercambios como un fracaso de la herramienta cuando simplemente forman parte de resolver un problema. La pregunta útil es si la conversación avanza el trabajo.

Por eso no evalúo la supervisión por cuántas veces alguien aprueba una acción. Puedes revisar una docena de solicitudes y aun así pasar por alto la decisión que importa. Quiero que el trabajo rutinario avance y que las decisiones importantes regresen con suficiente contexto para que yo pueda tomarlas.

Una corriente de actualizaciones de actividad no ayuda mucho por sí sola. Dime qué necesita una decisión, por qué es importante y qué ocurre a continuación.

Esto cambia lo que significa ser bueno con la IA

Para un operador solitario, esto representa un cambio real en la forma del trabajo. Puede que estés acostumbrado a mantener las razones de una decisión en tu cabeza porque también eres la persona que realiza la tarea. La delegación hace que esas razones sean útiles para otra persona, o para otra cosa. Sacarlas de tu cabeza forma parte de facilitar la gestión del negocio.

Los beneficios deberían acumularse con el tiempo. Cuando una asignación falla porque falta una preferencia, registra esa preferencia donde la próxima asignación pueda utilizarla. Si la misma pregunta sigue reapareciendo, decide si el agente carece de contexto o si la decisión realmente necesita de ti. Las correcciones repetidas son una oportunidad para mejorar la forma en que se asigna el trabajo.

Me gustaría que la educación en IA dedicara más tiempo a esas situaciones. Proporciona a las personas una asignación incompleta y déjalas descubrir qué falta. Muéstrales un resultado pulido con una conclusión débil. Los prompts reutilizables pueden ser útiles, pero la gente necesita practicar la toma de decisiones de las que dependen esos prompts.

A medida que los agentes llevan más trabajo hasta su finalización, sus usuarios pasarán más tiempo definiendo la dirección y decidiendo qué es suficientemente bueno. Algunos tendrán equipos. Otros gestionarán negocios por cuenta propia. En cualquier caso, la capacidad de convertir una intención en una asignación clara se convertirá en parte de su competitividad. Por eso, la generación de prompts es en realidad una habilidad de gestión.