Experto en IA y Ex-Gerente de Producto Profundiza en el Uso de Flujos de Trabajo Agénticos en la Entrega de Proyectos
Nate Jones es un ex-gerente de producto que ahora construye sus propios productos, mientras educa a las masas sobre cómo aprovechar los sistemas agénticos. Es el referente al que debes acudir si quieres conocer los detalles más minuciosos del uso de flujos agénticos para la entrega de proyectos. Y por eso mismo nos sentamos a conversar con él.
Nate Jones
Head de Producto en Rockerbox
Los flujos de trabajo agénticos redefinen la entrega de proyectos: Los agentes de IA ahora pueden encargarse de la clasificación, la planificación y la documentación a gran escala. Cuando se combinan con reglas empresariales claras, aumentan drásticamente la velocidad y la consistencia en los proyectos.
El nuevo gerente de proyectos es un gestor de agentes: Los gerentes de producto y de proyecto deben pasar de crear artefactos a validar las salidas de los agentes. Ahora el trabajo se centra en la supervisión, el control de calidad y en guiar a los sistemas de IA para que aprendan y mejoren.
Adoptar la IA requiere un cambio operativo profundo: Adoptar flujos de trabajo impulsados por IA no es una solución instantánea. Exige nuevos hábitos, gestión clara del contexto y documentación transparente para que los humanos se concentren en el 2% del trabajo estratégico que impulsa el 98% ejecutado por la IA.
Esto es lo que nos contó.
Conozca al “Sr. Rogers de la IA” y su obsesión por la inteligencia artificial
Soy Nate, conocido en internet como el tipo del gorro que habla mucho sobre IA. Recientemente alguien me llamó “el Sr. Rogers de la IA” y debo decir que me encantó. Provengo de la gestión de productos, así que estoy muy familiarizado con los desafíos de la entrega, y trabajo con empresas que desarrollan sistemas de IA agentica.
En mi opinión, lo más importante que puedes hacer ahora es aprender IA. Por eso la enseño.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Estoy obsesionado con ello. Y las personas que conozco que también la obsesionan son quienes mejor les está yendo en sus carreras. Tienes que mirar la velocidad de fluidez — qué tan rápido estás mejorando tu capacidad de usar herramientas de IA — como un indicador nuclear de carrera.
Cómo multiplicar por 10 tu eficiencia y velocidad de entrega con IA en 24 meses
¡La IA lo ha cambiado todo! Ha transformado completamente mi rol. Ahora, comienzo por defecto con IA.
De hecho, diría que he multiplicado mi alcance y velocidad de entrega por 10, al mismo tiempo que elevo la calidad en solo 24 meses. Así es como tú también puedes hacerlo:
- Cambia tu mentalidad: Prioriza los LLM por defecto. Es la única manera de aprender.
- Espera entregables, no solo consejos: La IA es una herramienta poderosa que puede generar entregables completos, especialmente en la gestión de proyectos. Solo tienes que exigirle que entregue. Exige un estándar de alta calidad. Sé directo cuando la salida no sea suficientemente buena. Luego, revísate a ti mismo porque casi siempre el problema es que no comunicaste clara la intención, y el LLM está deduciendo a partir de una indicación vaga con resultados poco útiles.
- Utiliza la construcción de prompts asistida por LLM: Los LLM pueden ayudarte a construir tus prompts, y esto ahorra muchísimo tiempo.
- Aprende el uso óptimo de LLM: Aprende a dividir los inputs y construir prompts muy limpios. Y obsérvate en los inputs, los datos y el contexto limpio que le das al modelo.
Cómo automatizar la categorización de tickets y descomposición de tareas con sistemas agenticos
Construir la categorización y descomposición de tickets a escala usando sistemas agenticos ha sido muy importante. Especialmente para lograr arquitecturas de planificación limpias, tipadas y declarativas, y flujos de agentes.
Este es un flujo de trabajo agentico de categorización de tickets de extremo a extremo:
- Una llamada de cliente se transcribe con Granola (aplicación de toma de notas). La transcripción entra en una cadena agentica.
- El primer agente utiliza GPT-5 Thinking para analizar la transcripción e identificar la voz del cliente. Muestra solicitudes claras.
- Esa salida se pasa al siguiente agente, que usa Notion (software de gestión de proyectos) vía MCP, registra la información y solicitudes del cliente, y adjunta la transcripción completa como referencia.
- El siguiente agente invoca un LLM de análisis, en mi caso, Gemini 2.5 Pro para escanear toda la base de datos de Notion empleando un prompt personalizado. Devuelve una visión ponderada de la prioridad de las solicitudes entre todas las peticiones conocidas.
- Luego, otro agente utiliza un LLM ligero (como GPT Turbo) para consultar Linear vía MCP. Compara esas prioridades contra los tickets existentes, identifica superposiciones y resalta posibles huecos.
- Si existen huecos, el flujo regresa a GPT-5 Thinking con un prompt para generar problemas de producto y requisitos de solución.
- Después, un agente llama a ChatPRD vía MCP para redactar un documento de requisitos de producto (PRD).
- Luego, GPT-5 Non-thinking toma el relevo para descomponer el PRD en tickets individuales — un paso muy lineal — y los envía de vuelta a Linear vía MCP.
- Finalmente, si quieres ir más allá, otro agente puede extraer la lista de desarrolladores humanos y agenticos (como Devin IA) y comenzar a asignar tareas automáticamente en Slack.
Construir un sistema de triaje y descomposición de tickets a escala utilizando sistemas agentivos ha sido muy importante. Especialmente para obtener arquitecturas de planificación limpias, tipadas y declarativas, y flujos de agentes.
Qué son las canalizaciones agentivas y cómo construirlas para una entrega escalable
Las canalizaciones agentivas podrían ser todo un día de lecciones por sí solas, pero aquí va la idea principal: le das a un LLM las herramientas, la orientación y el alcance para abordar un problema por ti. Construidas mediante API, tu objetivo es extraer datos relevantes —por ejemplo, usando el servidor MCP de Atlassian o un sistema similar— y luego emparejar los tickets entrantes con la indicación adecuada para iniciar una acción autónoma.
Aquí es donde la indicación declarativa y limpia es importante. Encuentro útil depender menos del lenguaje en la petición, e incorporar la estructura directamente en el flujo de trabajo. Esto permite escalar entre diferentes tipos de tickets. Llegar a una inteligencia determinista —donde las salidas son consistentes y predecibles— forzando claridad y reglas de negocio en los flujos de trabajo escala hasta miles de tickets.
Solo mira el flujo agentivo que describí antes. No se trata de hacer buenas indicaciones. Hay una o dos peticiones, pero principalmente son reglas de negocio, datos devueltos y tareas de razonamiento cuidadosamente estructuradas en pequeñas piezas. Grandes peticiones para modelos pensantes no son tan confiables como muchas tareas secuenciadas para modelos simples. Pero es importante señalar que tienes que integrar verificación con modelos simples.
Por qué adoptar IA en los flujos de trabajo de entrega requiere una gestión de cambio seria
En general, ¡me ha sorprendido cuánto trabajo lleva adoptar la IA en los flujos de trabajo! Es un esfuerzo de gestión de cambio masivo — probablemente el más grande que hemos visto en tecnología. Hay que reorientar todo el flujo de trabajo asumiendo que el humano aporta el 2% de la atención, mientras que el LLM proporciona el 98%.
Todo el proceso de trabajo debe ser reconstruido.
¿Cómo se ve avanzar hacia ese mundo? ¿Cuál es el 2% adecuado de atención humana para obtener verdadera ventaja de ese enfoque? ¿Cómo puedes multiplicar por 10 el alcance con la atención extra del LLM? ¿Cómo reconstruyes plantillas, expectativas de contexto, expectativas de documentación y procesos?
Piénsalo de esta manera: tu trabajo en producto no es ahora redactar artefactos. Es:
- Pensar en la dirección futura
- Validar los sistemas agentivos que empiezan a escuchar, construir PRDs por ti y pasarlos a desarrollo.
- Y participar activamente e intervenir cuando ves mejores opciones.
Así que construye sistemas que te permitan revisar un flujo de ideas que la IA comienza a generar.
De manera similar, en los proyectos, el trabajo de mantener los trenes en las vías no trata de artefactos o reuniones. No es sobre actualizaciones para partes interesadas. Es observar un flujo automatizado como el que describo antes y decir: "No, creo que aquí hay una estimación base incorrecta", y entonces intervenir y poner tus manos en el trabajo para asegurar la corrección, mientras también te aseguras de que el sistema aprenda de esa intervención.
Ahora eres gestor de agentes.
Un vistazo al stack tecnológico de IA de Nate Jones para construir y gestionar proyectos
Aquí tienes un vistazo a mi stack para inspirarte:
- Linear es una excelente opción para la gestión de proyectos — creado para la IA
- Las funciones de IA de Superhuman (software de productividad) para buscar, redactar y programar facilitan la correspondencia
- Granola para transcripciones de reuniones
- Perplexity para investigación
- ChatGPT Deep Research para un primer vistazo a temas complejos
- GPT-5 Pro para razonamiento y resolución de problemas muy complejos
- Codex para la resolución guiada de problemas de código
- Claude para tareas de edición y redacción complejas
- Claude Code como agente de propósito general con acceso a archivos locales
- Claude en móvil como asistente personal
- Riverside para grabaciones con IA
- Comet Browser para navegar por la web de forma inteligente con IA
Y diré esto: la gente no presta suficiente atención a las herramientas de Claude. Puede crear Excel y PowerPoint desde cero. Y puedes usar Claude Code para mucho más que solo programar. De hecho, escribí todo un artículo sobre eso.
Por qué la IA está acabando con las reuniones y posibilitando la colaboración completamente asíncrona
Ahora puedes trabajar de manera mucho más asíncrona gracias a la IA. He creado productos completos sin una sola reunión con mis colaboradores. Solo necesitas excelentes sistemas de documentación y tomar decisiones en Slack.
La IA permite esto gracias a la documentación, la programación y mucho más, todo potenciado por inteligencia artificial.
Pero, sobre todo, se trata de un cambio de mentalidad.
Por qué la gestión de proyectos tradicional está desapareciendo en la era de la IA
El gusto no va a desaparecer. Tampoco la responsabilidad. Ni la gestión de partes interesadas y las relaciones. Ni tampoco las tareas no deterministas con contextos ambiguos. Para eso aún se necesitan humanos.
Pero la gestión de proyectos, como la práctica de controlar múltiples variables y empujar iniciativas adelante, va a desaparecer. Todas las tareas de seguimiento y control serán asumidas por la IA.
Así que mi consejo es entusiasmarte con las partes ambiguas y humanas del trabajo. Y empieza a involucrarte de verdad en construir y gestionar sistemas de agentes de IA — puedes comenzar con OpenAI agent builder y n8n.
Mi consejo es entusiasmarte con las partes ambiguas y humanas del trabajo. Y empieza a involucrarte de verdad en construir y gestionar sistemas de agentes de IA — puedes comenzar con OpenAI agent builder y n8n.
Sigue la conversación
Puedes seguir la conversación y aprender de Nate a través de su boletín y YouTube.
Pronto llegarán más entrevistas con expertos en The Digital Project Manager.
