Inteligencia artificial
El marco de habilidades de Claude se convierte silenciosamente en un estándar de la industria
Cuando Anthropic lanzó Skills en octubre, el anuncio parecía una característica de nicho para desarrolladores. Dos meses después, OpenAI ha adoptado la misma arquitectura, y la convergencia silenciosa revela algo significativo sobre hacia dónde se dirigen los agentes de inteligencia artificial.
Las habilidades son deceptivamente simples: carpetas que contienen archivos Markdown que le dicen a los sistemas de inteligencia artificial cómo realizar tareas específicas. Pero su adopción por parte de ambos laboratorios de inteligencia artificial principales sugiere que la industria ha encontrado una respuesta común a una pregunta fundamental: ¿cómo hacer que los asistentes de inteligencia artificial sean consistentemente buenos en trabajos especializados?
Lo que acaba de hacer OpenAI
El desarrollador Elias Judin descubrió la implementación de OpenAI el 12 de diciembre mientras experimentaba con el intérprete de código de ChatGPT. Al solicitarle al modelo que creara un archivo zip de su directorio /home/oai/skills, encontró carpetas para PDF, hojas de cálculo y documentos, cada una con archivos de instrucciones estructuralmente idénticos a la especificación de Anthropic.
La misma arquitectura apareció en la herramienta Codex CLI de OpenAI dos semanas antes, a través de una solicitud de extracción titulada “feat: soporte experimental para skills.md”. La implementación refleja el enfoque de Anthropic: las habilidades viven en un directorio local (~/.codex/skills), cada una definida por un archivo SKILL.md con metadatos e instrucciones.
OpenAI no ha anunciado formalmente la característica. Pero su presencia en ChatGPT y Codex sugiere una estrategia deliberada en lugar de un experimento.
Por qué importan las habilidades
El enfoque tradicional para hacer que la inteligencia artificial sea mejor en tareas específicas implicaba afinar – un entrenamiento de modelo costoso y que consume mucho tiempo en datos especializados. Las habilidades ofrecen una alternativa más ligera: instrucciones y recursos que se cargan solo cuando son relevantes.
El equipo de ingeniería de Anthropic describió el principio de diseño como “divulgación progresiva”. Cada habilidad toma solo unas pocas decenas de tokens cuando se resume, con detalles completos que se cargan solo cuando la tarea los requiere. Esto resuelve un problema práctico: las ventanas de contexto son un recurso valioso, y meter todas las instrucciones posibles en cada solicitud desperdicia recursos.
La arquitectura funciona porque los modelos de inteligencia artificial modernos pueden leer y seguir instrucciones de manera dinámica. Una habilidad para el manejo de PDF podría incluir bibliotecas preferidas, manejo de casos de borde y formato de salida, información que el modelo necesita solo cuando procesa PDF.
La historia de la convergencia
Que OpenAI adopte el enfoque de Anthropic no es inusual en sí mismo. Los laboratorios de inteligencia artificial aprenden regularmente de los trabajos publicados de los demás. Lo notable es la identidad estructural: mismas convenciones de nomenclatura de archivos, mismo formato de metadatos, misma organización de directorios.
Esta compatibilidad podría significar que las habilidades escritas para Claude Code pueden funcionar con la herramienta Codex CLI de OpenAI, y viceversa. Los desarrolladores podrían compartir habilidades en GitHub como paquetes npm. El ecosistema se vuelve interoperable en lugar de fragmentado.
El momento coincide con esfuerzos más amplios de estandarización. Anthropic donó el Protocolo de contexto de modelo a la Fundación Linux el 9 de diciembre, y ambas empresas cofundaron la Fundación Agentic AI junto con Block. Google, Microsoft y AWS se unieron como miembros.
La fundación supervisará el MCP, el proyecto goose de Block y la especificación AGENTS.md de OpenAI. Las habilidades encajan naturalmente en este impulso de estandarización, módulos de capacidad reutilizables que funcionan en varias plataformas.
Qué significa esto para las herramientas de codificación de inteligencia artificial
La arquitectura de habilidades es más importante para las herramientas de codificación de inteligencia artificial, donde el conocimiento especializado mejora dramáticamente la calidad de la salida. Una habilidad para el desarrollo de React podría especificar patrones de componentes, preferencias de gestión de estado y convenciones de pruebas. Una habilidad para migraciones de bases de datos podría incluir controles de seguridad y procedimientos de reversión.
Las startups de codificación de inteligencia artificial como Cursor han construido negocios sobre hacer que la inteligencia artificial sea más útil para tareas de desarrollo específicas. El marco de habilidades da a los proveedores de modelos una forma estandarizada de ofrecer personalización similar, potencialmente amenazando o complementando herramientas de terceros dependiendo de la ejecución.
Para los desarrolladores empresariales, las habilidades interoperables significan que el conocimiento institucional se vuelve portátil. Los estándares de codificación internos de una empresa, los requisitos de seguridad y las preferencias de flujo de trabajo pueden codificarse una vez y aplicarse en todas las herramientas de inteligencia artificial que utiliza el equipo.
El subtexto estratégico
La adopción de OpenAI tiene implicaciones estratégicas. La empresa ha favorecido históricamente los enfoques propietarios, como GPT Actions, GPT personalizados e integraciones específicas de la plataforma. Las habilidades representan un giro hacia estándares abiertos que funcionan en varias herramientas.
Una interpretación: OpenAI reconoce que los ecosistemas de desarrolladores son más importantes que el bloqueo propietario en esta etapa. Si las habilidades se vuelven estándar, ser compatible es más importante que controlar la especificación.
Otra interpretación: competir con la experiencia del desarrollador de Anthropic requiere igualar sus características. Claude Code ha crecido agresivamente, alcanzando $1 mil millones en ingresos anuales y se ha integrado en Slack. Las habilidades son parte de lo que hace que Claude Code sea útil; OpenAI necesitaba responder.
La verdad probablemente incluye ambos factores. Los laboratorios de inteligencia artificial compiten intensamente en benchmarks y capacidades mientras colaboran en estándares de infraestructura que benefician a todos. Las habilidades caen en la segunda categoría.
Qué viene a continuación
La oportunidad inmediata es un mercado de habilidades, repositorios de GitHub donde los desarrolladores comparten conjuntos de instrucciones especializados para tareas comunes. Anthropic ya tiene un repositorio anthropics/skills. Espere que OpenAI siga, y espere que las habilidades contribuidas por la comunidad proliferen.
La pregunta a largo plazo es cómo se integran profundamente las habilidades en los productos de inteligencia artificial. Actualmente, son más relevantes para los desarrolladores que utilizan herramientas CLI. Pero la misma arquitectura podría potenciar la personalización en productos de consumo, asistentes de escritura personalizados, herramientas de investigación especializadas, chatbots de dominio específico.
Por ahora, la convergencia en habilidades representa algo raro en la inteligencia artificial: empresas competidoras que acuerdan que la estandarización sirve a todos. Si esta cooperación se extiende a otras áreas controvertidas, como estándares de seguridad, divulgación de capacidades, pautas de implementación, sigue siendo incierto.
Pero para los desarrolladores que construyen en plataformas de inteligencia artificial, el mensaje es claro: las habilidades se están convirtiendo en infraestructura. Aprender a escribirlas ahora significa estar preparado para cómo funcionarán las herramientas de inteligencia artificial mañana.
