Si buscas hoy «agent manager», obtienes tres respuestas completamente distintas en la misma página: gestión de talentos de Hollywood, una pasarela de API de código abierto llamada WSO2 Agent Manager, y un puñado de artículos de opinión que se preguntan si ahora cada empresa necesita a alguien cuyo único trabajo sea vigilar una flota de agentes de IA. Ninguna de ellas coincide con las demás. Eso suele ser señal de que un término es lo bastante nuevo como para que el mercado todavía no se haya puesto de acuerdo sobre su significado, y de que vale la pena ser preciso mientras su definición siga abierta.
Esta es la versión que importa si eres tú quien realmente hace funcionar los agentes: los equipos ya están operando en silencio seis, diez, veinte agentes de IA cada uno, sin que una sola persona sea responsable de lo que hace cada uno de ellos ni de por qué. Alguien tiene que acabar asumiendo esa responsabilidad, igual que alguien dirige a un equipo de personas en lugar de que cada una responda ante nadie en concreto. En Tability, esa persona es una función concreta con un trabajo concreto. Se llama Agent Manager. Esto es lo que realmente hace.
Qué es un Agent Manager en Tability
Un Agent Manager no es un chatbot, y tampoco es una persona. Es un agente que asignas a un objetivo, igual que le confiarías un objetivo a alguien recién contratado. En lugar de responder preguntas solo cuando se le pide, asume la responsabilidad de ese objetivo, lo descompone en un plan, recluta los agentes especialistas que necesita para ejecutarlo, e informa del progreso con una periodicidad fija, tanto si alguien se acuerda de preguntar como si no.
Es un trabajo distinto a casi todo lo que hoy se comercializa como «agente de IA». La mayoría de lo que se llama agente se parece más a un asistente muy capaz: útil, pero solo cuando tú lo diriges activamente, tal como lo plantea la propia página de Agent Manager de Tability, comparado lado a lado.
| La mayoría de agentes de IA | Agentes de Tability |
|---|---|
| Responde preguntas cuando se lo pides | Tiene un objetivo hacia el que trabaja, así que no espera tu próxima orden |
| Vive en una barra lateral de chat | Genera sus propias tareas para avanzar hacia su objetivo, sin que se lo pidan |
| Se olvida en cuanto se cierra el chat | Ejecuta trabajo programado a través de modelos conectados (OpenAI, Claude) y skills |
| No le rinde cuentas a nadie | Reporta resultados en check-ins, comentarios y dashboards |
| Pertenece a quien abrió el chat | Figura en el organigrama y cualquiera del equipo puede asignarle trabajo |
La diferencia práctica no es la inteligencia. Es si el agente tiene un objetivo del que es responsable, o solo una ventana de chat esperando el próximo prompt.
Cómo recluta un equipo un Agent Manager: la Agency
Asigna un objetivo a un Agent Manager y ocurren seis cosas, en este orden. Defines un objetivo, con una meta, una fecha límite y una línea base. Le asignas un Agent Manager con un clic, y este asume la responsabilidad. Convierte el objetivo en un plan descomponiéndolo en los resultados clave medibles que realmente puede cubrir con personal. Recluta un agente especialista para cada parte de ese plan. Informa del progreso del plan con una periodicidad fija. Y recoge feedback de orientación, un simple comentario, y vuelve a planificar desde ahí el siguiente lote de trabajo.
Tability llama al resultado una Agency: el Agent Manager más todos los que recluta. Es una elección de palabra deliberada, no un cambio de nombre para «equipo» o «plantilla». Una Agency de Tability no es una agencia externa que contratas. Es un grupo de tus propios agentes que planifica, ejecuta e informa hasta que un objetivo está terminado, de la misma forma en que una agencia real trabaja un brief, y es un término que todavía no verás usado así en ningún otro software de OKR.
Un ejemplo real del propio uso que Tability hace de esta función: un objetivo de crecimiento SEO, «aumentar el tráfico orgánico de 16.000 $ a 25.000 $», es cubierto por cuatro especialistas: un estratega de brechas frente a la competencia, un analista de actualización de páginas en declive, un analista de rankings al alcance de la mano, y un especialista en SEO técnico. Nadie asignó manualmente esos cuatro roles. El Agent Manager analizó el plan y reclutó exactamente lo que necesitaba.
Por ahora, una Agency tiene un tope de seis agentes en total, un Agent Manager más cinco especialistas, mientras Tability aprende hasta dónde escala el modelo antes de relajar ese límite. Conviene saberlo desde el principio: esto no se plantea como una plantilla infinita bajo demanda, es un equipo deliberadamente acotado, del mismo tamaño que un manager puede realmente supervisar siendo responsable.
Lo que un Agent Manager no es
No es un bot de proyectos de propósito general al que apuntas hacia cualquier tarea y luego te desentiendes. Está construido en torno a un objetivo a la vez, con una meta y una fecha límite, no una lista de tareas abierta e interminable. Tampoco carece de supervisión: cada Agency informa con una periodicidad fija y recoge comentarios de orientación, así que siempre hay una persona implicada en la dirección, aunque no esté tocando la ejecución del día a día.
Y no es ilimitado. El tope de seis agentes por Agency es una restricción real hoy en día, no una nota de marketing al pie de página. Si un objetivo realmente necesita más de cinco especialistas, la respuesta honesta por ahora es dividirlo en varios objetivos, cada uno con su propio Agent Manager, en lugar de esperar que una sola Agency escale más allá de lo que Tability ha probado realmente.
El trabajo de la persona: revisar resultados, no gestionar plantilla
Esta es la parte que realmente cambia cómo empleas tu tiempo. Tú no gestionas a los especialistas que recluta un Agent Manager. Nunca ves una plantilla, no gestionas un plan de contratación, ni te sientas en cinco check-ins por separado. Ves un único informe de estado, escrito por el Agent Manager, que resume lo que entregó cada especialista, qué está bloqueado y qué viene después.
Si algo necesita cambiar, no reescribes las instrucciones de cinco agentes una por una. Dejas un único comentario en el informe de la Agency, y el Agent Manager vuelve a planificar el siguiente lote de trabajo y lo distribuye, de la misma forma en que un manager recibe feedback de su propio superior y lo redistribuye a su equipo. El feedback también funciona en todo el espacio de trabajo: puedes comentar una Agency que no gestionas tú directamente, y esta lee el hilo antes de su próxima actualización, igual que al comentar el trabajo de un compañero de equipo.
En otras palabras, estás revisando el resultado de un reporte directo, no gestionando plantilla. Ese es todo el sentido del modelo. La carga de gestionar un equipo de agentes recae en el Agent Manager, no en ti.
Dónde encaja un Agent Manager en cómo ya funciona tu equipo
Nada de esto vale mucho si es un sistema paralelo que nadie revisa. El informe de un Agent Manager llega al mismo sitio donde tu equipo ya hace seguimiento del progreso: frente a un OKR, dentro del mismo ritmo semanal en el que ya funciona una función de StratOps para las personas del equipo. Si los check-ins ya son la cadencia que mantiene honestos a los OKR, un Agent Manager simplemente se convierte en un colaborador más que reporta dentro de ese mismo ritmo, no en un dashboard paralelo que tienes que acordarte de abrir.
Por eso también se sitúa junto a las demás funciones de agentes de Tability en lugar de sustituirlas. Si estás decidiendo si lo que realmente necesitas es un único agente de IA o un asistente de IA, o averiguando qué hace que un agente esté listo para uso en empresa, el Agent Manager es el mecanismo que sostiene ambas respuestas: un responsable con nombre, una cadencia, y un rastro documentado, no solo un modelo capaz.
Una breve nota sobre los datos
Vale la pena señalarlo, ya que los objetivos y la estrategia son sensibles: Tability cumple con el RGPD, con opciones de alojamiento en la UE y Australia, las ejecuciones de agentes pasan por la API de OpenAI bajo condiciones estrictas de uso de datos, de modo que las entradas nunca se usan para entrenar un modelo, y las entradas de IA se eliminan después de 30 días. Si un equipo no quiere involucrar IA en absoluto, cada función de IA se puede desactivar para todo el espacio de trabajo sin tocar el resto de la plataforma de OKR subyacente.
Véelo en acción
La forma más rápida de entender un Agent Manager es ver a uno trabajando. Consulta la función completa de Agent Manager en la página de producto de Tability, incluyendo exactamente cómo recluta una Agency, informa con una cadencia fija, y recoge feedback de orientación. A partir de ahí, regístrate y dale directamente un objetivo real, o reserva 30 minutos con nosotros para ver cómo sería esto para el próximo trimestre de tu equipo.
.jpg)
