Operaciones creativas · Ingeniería nativa con agentes de IA
Del primer commit a producción con clientes reales en unas seis semanas, sobre un código hecho para que agentes de IA trabajen en él sin romper nada
Una plataforma de producción multi-cliente que reemplazó dos herramientas heredadas y las cadenas de correos que las rodeaban. Construida y operada por un equipo muy pequeño junto a una flota coordinada de agentes de código de IA, bajo reglas que el propio repositorio hace cumplir.
~6 semanas
Del primer commit a trabajo real de clientes en producción
≈ 9 de 10
Commits co-escritos con un agente de código de IA, bajo reglas que el repositorio hace cumplir
99,7%
Trabajos históricos con el mismo precio en el motor nuevo; cada diferencia era un bug real del anterior
~¾
Del backlog abierto de una auditoría independiente, cerrado en una sola entrega por una flota coordinada de agentes de IA
01
El problema
Un estudio de producción creativa entrega un flujo constante de trabajos pequeños y urgentes para marcas y redes de concesionarios: sets de banners, anuncios impresos, ediciones de video, con plazos medidos en horas. Briefs, cotizaciones, comentarios y aprobaciones circulaban por correo, una herramienta de tickets y dos plataformas de producción de terceros. Cada trabajo se definía, cotizaba y perseguía a mano.
Los comentarios llegaban como capturas de pantalla y hilos largos, así que nadie podía distinguir un cambio facturable del cliente de un error interno. Los pedidos de un cliente ya vivían en su propio sistema de anuncios, y volver a digitarlos no era opción. Y con el equipo de producción al otro lado del mundo, cada plazo tenía que calcularse en la zona horaria del cliente, horario de verano incluido.
02
Por qué era difícil
- Multi-cliente y multi-rol desde el primer día: cuatro espacios de trabajo por rol más revisores invitados que entran por enlaces seguros, y cada uno ve solo lo que le corresponde.
- Revisión en todos los formatos: comentarios anclados que se mantienen en imágenes, PDFs de varias páginas, banners HTML5 animados y marcas de tiempo de video, aunque se vuelva a subir el archivo o se haga zoom.
- Una integración hostil: un sistema externo que deja pedidos y paquetes en un servidor de archivos, a veces a medio subir, a veces con fechas corruptas.
- Precisión con el dinero: el precio depende del producto, el plazo, la complejidad, la cantidad de piezas y la duración del video, y el historial no puede moverse una vez entregado el trabajo.
- Varios productores compitiendo por tomar el mismo trabajo en el mismo segundo, sobre infraestructura serverless.
- Un equipo de ingeniería muy pequeño, con hasta una docena de sesiones de agentes de IA trabajando en el mismo código al mismo tiempo.
03
Qué construimos
Una plataforma de producción multi-cliente. Los clientes hacen el brief desde su propio catálogo, las reglas calculan el precio, los productores toman trabajo de una cola compartida, la revisión ocurre sobre la pieza misma y cada aprobación se convierte en una línea de facturación que nunca se puede reescribir.
04
Dónde está la innovación
01
Un código escrito tanto para agentes como para personas
Cada agente que abre el repositorio lee primero las mismas reglas duras, y cada regla existe porque romperla una vez rompió producción. Decenas de skills versionadas viajan con el código, y un prompt para pegar hace que cualquier agente nuevo estudie la documentación antes de tocar nada.
02
Una flota de agentes, coordinada como un equipo
Los agentes trabajan en copias aisladas del repositorio para no chocar entre sí. Después de una auditoría externa, un agente orquestador repartió el backlog abierto entre más de una docena de agentes, con la orden de escalar solo cambios de arquitectura, riesgo de caída o cambios visibles de interfaz. Los pull requests resultantes salieron juntos, y cada ticket cerrado se volvió a verificar contra la rama principal con evidencia adjunta.
03
Evidencia antes que afirmaciones
Una vez un agente propuso una corrección para código que nada llamaba. Eso se convirtió en una regla escrita con un orden claro de autoridad: primero el código que realmente se ejecuta, luego los datos en vivo, luego los artefactos reales y recién después la documentación. Los agentes prueban en un navegador real y corren consultas de solo lectura en producción antes de afirmar un hecho.
04
Probar una migración antes de confiar en ella
El nuevo motor de precios por reglas corrió en paralelo con el anterior sobre todos los trabajos históricos. Más del 99,6% coincidió exactamente, y cada una de las pocas diferencias resultó ser un bug real de facturación del motor viejo, como videos largos cobrados con la tarifa de video corto.
05
La integración como canal de entrada
Los pedidos del sistema de anuncios del cliente se convierten en trabajos normales, y los estados, las pruebas y los paquetes finales vuelven solos. Una protección espera a que los archivos terminen de subir antes de leerlos y reintenta antes de poner nada en cuarentena, así que los paquetes a medio subir ya no generan falsas alarmas. Integrar un cliente nuevo es agregar un adaptador, no cambiar el núcleo.
06
Un historial que no se puede reescribir
Quién causó cada ronda de cambios, el cliente o el estudio, queda registrado en el momento de la decisión, y cada trabajo entregado congela su producto, tarifa y plazo en su línea de facturación. Los paquetes se validan contra reglas por producto antes de que los vea un revisor, incluidos límites que bloquean archivos comprimidos maliciosos.
05
Lo que mostraron los números
Dos mediciones explican la forma en que se construyó esta plataforma: una migración de precios probada contra el historial en lugar de asumida, y un historial de commits donde los agentes de IA escribieron la mayor parte bajo reglas definidas por personas.
Quién escribió los commits
Porcentaje de commits sin merge. Los agentes escriben; las reglas, las revisiones y las decisiones de producción siguen siendo humanas.
Motor de precios nuevo vs. el anterior, en cada trabajo histórico
Porcentaje de trabajos con el mismo precio. Las tres diferencias entre ambos clientes eran bugs reales del motor viejo.
06
Resultados
- En producción con trabajo real de clientes unas seis semanas después del primer commit, reemplazando dos herramientas de producción de terceros y un flujo provisional de tickets.
- Cientos de entregables al mes para dos redes de clientes, con una mediana de una ronda de cambios por trabajo.
- Cerca de nueve de cada diez pedidos de un cliente llegan solos desde su propio sistema de anuncios, sin volver a digitarlos.
- Entre siete y ocho veces más capacidad después de que una prueba de carga destapó tres bloqueos que el QA manual no habría encontrado, y ni una sola toma doble del mismo trabajo bajo competencia.
- Una auditoría independiente de QA y seguridad, con cerca de tres cuartos de su backlog abierto cerrado en una sola entrega, seguida de autenticación de dos factores, cifrado verificado hacia la base de datos, respaldos nocturnos con pruebas de restauración y cientos de pruebas automatizadas.
- La producción diaria creció más de un tercio para el tercer mes en vivo.
Hallazgos abiertos de la auditoría independiente
Índice, hallazgos abiertos antes de la flota de agentes = 100.
07
Lo que aprendimos en el camino
La prueba de carga encontró lo que el QA no
Antes del lanzamiento, una prueba de carga hecha a la medida mostró que una sola línea de configuración del pool de base de datos ponía cada solicitud en fila, y que los números de referencia chocaban con envíos simultáneos. Ambos se corrigieron antes de que entrara el primer cliente.
Un agente se equivocó, y el error se volvió una skill
Una propuesta muy segura de rediseñar una ruta de descargas apuntaba a código que nunca se ejecutaba. En lugar de solo descartarla, la lección se convirtió en una skill versionada que hoy todo agente sigue antes de diagnosticar cualquier cosa.
La documentación es una pista, no una autoridad
A los tres meses, los documentos de arquitectura todavía describían el plan original. Se reconstruyeron a partir del código y la base de datos en vivo, y hoy todo documento abre con la misma regla: verifique antes de confiar en lo que dice.
Stack
- Next.js
- React
- TypeScript
- Tailwind CSS
- PostgreSQL
- Drizzle ORM
- Autenticación con 2FA
- Almacenamiento compatible con S3
- Web Push
- Slack API
- Anotación sobre canvas
- Render de PDF en WebAssembly
- Integración por SFTP
- Vitest
- GitHub Actions
- Vercel
- Claude Code (orquestador + subagentes)
- Servidores MCP
- Git worktrees
¿Su operación todavía corre sobre correos y hojas de cálculo?
Construimos la plataforma que su equipo realmente necesita, con la disciplina de ingeniería que permite que agentes de IA ayuden a construirla y mantenerla sin riesgos.
Agende su discovery sessionEl nombre de la plataforma, los clientes, las personas, los precios y los volúmenes se omiten o redondean por acuerdos de confidencialidad. No se muestran pantallas del producto. Entregado como brazo tecnológico especializado de una agencia de producción y desarrollo, que tenía la relación directa con el cliente.