0 0
Aprender a trabajar con empleados de IA · UPO 2026

Aprender a trabajar con empleados de IA

Read Time:7 Minute, 5 Second

El 3 de noviembre de 2026 abrí la Jornada Inaugural de Másteres del Departamento de Organización de Empresas y Marketing de la Universidad Pablo de Olavide, en Sevilla, con una presentación de diez minutos antes de la mesa redonda «El impacto de la IA en los procesos empresariales. ¿Qué hacen ahora las personas?». Soy Joaquín Peña Siles, profesor de la Universidad de Sevilla, investigador en sistemas multiagente y creador del método FAST de productividad, y defendí una idea: la inteligencia artificial multiplica lo que producimos cuando deja de ser un chat y trabaja en equipo, y eso nos obliga a aprender a trabajar con empleados de IA. La grabación está aquí debajo.

«Aprender a trabajar con empleados de IA». Jornada Inaugural de Másteres, Universidad Pablo de Olavide, 3 de noviembre de 2026. La descripción del vídeo tiene los capítulos.

¿Qué es el vampiro de la IA?

Empecé por el texto sobre IA que más me ha incomodado este año. Lo publicó en febrero Steve Yegge, un programador veterano que pasó por Amazon y Google y que es de los mayores entusiastas del trabajo con agentes. Se titula The AI Vampire y dice algo que no esperaba de él: la IA funciona tan bien que nos está agotando. Quien aprende a usarla produce varias veces más, la empresa coloca el listón ahí y la persona termina exhausta, a veces enganchada.

No lo cuento desde fuera. Me he sorprendido más de una vez andando por la calle con el portátil abierto, algo que en mi caso no tiene ningún sentido y, aun así, pasa.

¿Por qué un equipo de agentes rinde más que un chat?

Porque cada peldaño de la escalera hace más trabajo por nosotros. El chat responde a lo que le preguntamos. El asistente es un chat con unas instrucciones fijas, como los GPT que muchos ya habéis creado. El agente recibe un encargo y lo ejecuta: lo conectas al CRM o al ERP de la empresa y hace el trabajo. Y el equipo de agentes reparte una tarea larga entre especialistas que se coordinan entre sí. Pasamos de ser una persona que trabaja con un ordenador a ser una persona que trabaja con un grupo de compañeros.

La diferencia se puede medir. En SWE-bench, la prueba que consiste en arreglar errores de programas de código abierto que se usan a diario (Jimenez et al., ICLR 2024), los mejores sistemas resolvían el 2 % de los casos en 2023 y los sistemas de agentes llegaban al 79 % a finales de 2025. Unas cuarenta veces más, y buena parte del salto viene de lo que se pone alrededor del modelo: planificar, usar herramientas, comprobar el resultado y volver a intentarlo.

El ejemplo más llamativo es de septiembre. OpenAI anunció que unos 10.000 agentes, trabajando durante 88 horas, habían demostrado que las ecuaciones de Navier-Stokes pueden tener singularidades, uno de los problemas del milenio del Instituto Clay (Quanta Magazine, 8 de septiembre de 2026). Falta que lo validen los matemáticos, y los agentes partieron de la estrategia que Diego Córdoba y Luis Martínez-Zoroa llevaban años construyendo. Como dije en la sala, me importa un pimiento si hemos llegado ya a la inteligencia artificial general. Un equipo de agentes hace trabajo que antes hacíamos nosotros, y a partir de ahí ya no trabajamos solos: dirigimos.

¿Qué aprendimos en la NASA que sigue valiendo hoy?

En 2005, al terminar la tesis, pasé tres meses en el Goddard Space Flight Center de la NASA trabajando en sistemas multiagente para misiones de enjambres de naves que debían explorar el cinturón de asteroides. Cada nave tenía objetivos, planes e indicadores de rendimiento, y todas tenían que coordinarse. El gran problema era el juego del teléfono: uno le cuenta algo a otro, ese se lo cuenta a un tercero y al final nadie sabe qué se ha entendido. Los agentes interactuaban y el resultado era difícil de prever, lo que en investigación llamamos comportamiento emergente (Rouff, Hinchey, Peña y Ruiz-Cortés, IEEE Swarm Intelligence Symposium, 2007). Si gastas miles de millones en mandar naves al espacio, no puedes permitir que se comporten de cualquier manera.

El problema sigue ahí, y hoy tiene un añadido: una IA que no nos entiende bien puede, para cumplir el objetivo que le hemos dado, hacer cosas que no queremos que haga.

¿Cómo se trabaja con agentes sin que gane el vampiro?

Mi carrera ha tenido siempre una parte de personas. En 2022 fundé el Digital Humanism Institute, que parte de una idea sencilla: la tecnología es como un cuchillo, sirve para cortar jamón o para hacer daño, y cómo se usa la IA no lo decide una empresa tecnológica, lo decidimos nosotros. Y desde 2015 trabajo en el método FAST de productividad, que aplican más de 22.000 profesionales en 54 países y que desde 2026 incorpora la IA en cada fase: FAST IA.

En la charla enseñé su esquema. La Brújula funciona como un cuadro de mando, el Cerebro Externo como el plan de acción, cada herramienta tiene un agente que ayuda a llevarla y, debajo, un equipo de agentes trabaja para nosotros. Pero lo más importante del esquema es lo que olvida el vampiro: mantener la energía y un ritmo propio, que no sea el que marca la IA. De ahí salen dos pautas.

La primera, no copiar y pegar lo que no entendemos. Si aceptamos lo que propone la IA sin comprenderlo, cada vez sabemos menos y nos quedamos por debajo de ella. En nuestro equipo tenemos a una compañera que lleva un año con nosotros y que no ha dado por bueno nada de lo que le propone la IA sin entenderlo antes. Ha crecido a un ritmo que pocas veces he visto.

La segunda, cargar energía. Lo que hacemos fuera del trabajo pesa tanto como el trabajo, y el tiempo que nos libera la IA es para las personas.

¿Qué hace AIFlock?

Con lo aprendido en procesos, automatización y metodología de trabajo en empresas, y con la tesis doctoral detrás, fundamos AIFlock, la plataforma de People1, empresa basada en el conocimiento de la Universidad de Sevilla, que automatiza procesos de empresa con equipos de agentes. Para explicarla la puse al lado de Claude Code, la herramienta de agentes con la que ya programan muchos equipos (y con la que, por cierto, estaban hechas las diapositivas de la charla). Claude Code es todo lo que hay que poner encima de un chat para que muchos agentes se pongan de acuerdo, pero hay que saber programar para usarlo. En AIFlock le cuentas a qué se dedica tu empresa o tu departamento, te propone los agentes que necesitas y los conecta con tus herramientas. Aprenden de tus documentos de SharePoint y de cada corrección que les haces, como harías con un compañero nuevo.

Puse dos ejemplos. En un despacho, ante un caso con problemas mercantiles, fiscales y penales, los agentes de cada especialidad, el que busca jurisprudencia y el que revisa las consultas vinculantes de Hacienda analizan la carpeta del caso y preparan un informe. En ventas, un agente detecta los contactos que entran, otro los investiga, otro ve qué producto encaja, otro redacta la propuesta, otro la registra en el CRM y otro propone la cita. Todo con la aprobación de una persona.

¿Qué tienen que aprender quienes empiezan un máster?

A dirigir a estos compañeros. Casi todo lo que se aprende en un máster ya lo puede hacer la IA, y por eso mismo hay que aprenderlo: no para aprobar, sino para poder dirigirla después. Hay que formarse de forma constante, supervisar lo que hace, porque cada vez acierta más pero nada lo garantiza, y cuidarse, porque el trabajo que tenemos hoy no será el que tengamos dentro de veinte años.

Terminé con dos preguntas que dejé para la mesa. Si vamos a producir diez veces más, ¿quién se queda la diferencia? ¿Y qué hacemos con los perfiles junior que todavía no saben dirigir una IA?

Gracias a Antonio Carmona Lavado por la invitación y la moderación, a Víctor Sánchez Miranda (BBVA) y a Elena Borrego Higueras (Bidafarma) por la conversación de la mesa, y a los estudiantes de los másteres en Dirección de Empresas, Dirección Estratégica de Recursos Humanos, Dirección de Negocios Internacionales y Marketing y Gestión de Marcas de Moda. Las demás charlas grabadas están reunidas en Ponencias y medios.

Joaquín Peña Siles, PhD
Universidad de Sevilla · Digital Humanism Institute · Creador del método FAST

About Post Author

Joaquín Peña Siles

Joaquín Peña Siles es doctor en Informática por la Universidad de Sevilla, donde investiga sistemas multiagente desde hace 25 años y dirige el Secretariado de Digitalización e Inteligencia Artificial. Hizo una estancia de investigación en el Goddard Space Flight Center de la NASA (2005) y completó el programa «AI: Implications for Business Strategy» de MIT Sloan (2024). Fundó AIFlock, plataforma de agentes de IA para empresas, y creó el método FAST, que han aprendido más de 22.000 profesionales en 54 países.
Happy
0 0 %
Sad
0 0 %
Excited
0 0 %
Sleepy
0 0 %
Angry
0 0 %
Surprise
0 0 %
Joaquín Peña Siles: Joaquín Peña Siles es doctor en Informática por la Universidad de Sevilla, donde investiga sistemas multiagente desde hace 25 años y dirige el Secretariado de Digitalización e Inteligencia Artificial. Hizo una estancia de investigación en el Goddard Space Flight Center de la NASA (2005) y completó el programa «AI: Implications for Business Strategy» de MIT Sloan (2024). Fundó AIFlock, plataforma de agentes de IA para empresas, y creó el método FAST, que han aprendido más de 22.000 profesionales en 54 países.