Gobernar los agentes de IA en startups de ocho personas ya es un problema de gestión. Rachel Woods, CEO de AMP, escribe playbooks a mano antes de delegar; así evita que la automatización se le vaya de las manos.
El dato que importa: ocho personas sostienen el trabajo de doce
**AMP** nació como The AI Exchange antes de que ChatGPT viera la luz en noviembre de 2022. Hoy la compañía la forman **cuatro empleados a tiempo completo y cuatro colaboradores externos**, y su CEO hace la cuenta sin adornos: sin los agentes que trabajan en segundo plano tendría que doblar el equipo. Aterrizado en contrataciones, son al menos cuatro o cinco personas más, según explicó a Business Insider.
Los puestos que hoy no están en nómina dicen bastante del tipo de trabajo que absorbe la automatización:
- Un responsable de ventas y marketing.
- Un especialista de soporte al cliente.
- Un asistente ejecutivo.
- Un coordinador de operaciones.
El coste tampoco es cero, y aquí conviene separar dos partidas. La primera son las suscripciones de Claude y ChatGPT de cada persona del equipo. La segunda es la que pesa de verdad: **los playbooks que se ejecutan solos, sin que nadie pulse nada**, y que se facturan por uso. El pasado mes de septiembre esa factura ascendió a **8.510 dólares en Claude Code**.
Woods resume su criterio en una expresión que cualquier founder debería apuntar: **’own the playbook, rent the tech’**. El valor no está en la herramienta, está en el proceso documentado. Los mismos agentes podrían correr en ChatGPT, Grok, Gemini, o Copilot; lo que no se cambia de proveedor es el criterio con el que se diseñaron.
El agente no es el sistema: el sistema es el playbook. La herramienta se alquila y el criterio se posee.
Cómo se escribe un playbook de IA que puedas soltar sin miedo
La metodología que usa AMP se llama **playbooking**. Cada departamento tiene su propio sistema, y cada sistema es una colección de playbooks con agentes que pueden ejecutarse por separado, o encadenados. El agente no improvisa: sigue un guion que alguien escribió antes.
El primer paso es analógico. Woods esboza a mano cómo quiere que funcione el playbook antes de tocar la herramienta. La razón es de sentido común: si automatizas un paso que no entiendes, no podrás confiar en el resultado ni detectar cuándo falla.
Así se construye, paso a paso:
- Elige una tarea que repitas cada semana y escribe qué la dispara, qué información entra y qué debe salir al final.
- Redacta los pasos como si formaras a un becario: cada decisión intermedia y qué significa hacerlo bien.
- Lánzalo con la IA delante y compara el resultado con lo que habrías hecho tú.
- Si falla, corrige el playbook, no la salida. Repite hasta poder soltarlo sin supervisión.
El detalle que separa este método de la automatización de despacho es la corrección. Cuando el resultado no cuadra, no se retoca la salida: se reescribe el guion. Y cada persona del equipo empieza automatizando su propio flujo de trabajo, que funciona como campo de pruebas antes de ascender a sistema oficial de la empresa.
📦 Caso de estudio: AMP
- El reto: Una empresa de formación en IA con ocho personas que necesitaba duplicar plantilla para sostener el volumen de trabajo.
- La jugada: Convertir cada tarea repetitiva en un playbook escrito a mano, con disparador, pasos, decisiones y criterio de calidad.
- El resultado: Cuatro empleados y cuatro colaboradores sostienen la operación, con 8.510 dólares de factura en agentes de fondo en septiembre.
- La lección: Automatiza lo que ya sabes explicar por escrito; lo que no sabes describir, tampoco lo sabrás supervisar.
Lo que este caso enseña a un equipo de ocho personas
La lógica no es nueva, solo cambia el objeto. Es la misma secuencia que propone la metodología Lean Startup cuando pide construir, medir y aprender: aquí se construye un playbook, se mide contra el criterio de quien lo escribió y se corrige el sistema, no el síntoma. Tampoco anda lejos de un OKR bien puesto, ese que solo sirve si alguien lo revisa cada trimestre. La diferencia es la frecuencia: un agente ejecuta veinte veces al día lo que una persona hace una.
El criterio que falta en la mayoría de las pymes no es técnico, es de diseño. Muchos equipos compran la suscripción antes de haber escrito el proceso, y ahí aparece el riesgo del que habla Woods: agentes que corren por inercia, sin dueño ni definición de calidad. Un sistema así no se puede auditar, y lo que no se puede auditar no se puede delegar.
Hay además una cuenta que conviene hacer. Si los 8.510 dólares de septiembre se repitieran doce meses, la factura rondaría los 102.000 dólares anuales en un solo proveedor de ejecución: el equivalente a una o dos contrataciones en España. La pregunta correcta, entonces, no es cuánto cuesta la IA, sino **cuánto cuesta la tarea terminada** y cuántas de esas tareas justifican el gasto. Sin playbook, esa comparación es imposible.
Para un founder con ocho personas en nómina, la lección cabe en una secuencia: escribe primero, automatiza después y revisa siempre. La IA no sustituye al criterio; lo amplifica, para bien y para mal.
🚀 Hoja de Ruta para Emprender
- Elige una tarea, no una herramienta: empieza por el proceso que repites cada semana y descríbelo por escrito antes de pagar ninguna suscripción.
- Define qué es ‘bien hecho’: sin un criterio de calidad explícito, no podrás comparar la salida del agente con tu propio trabajo ni corregir el sistema.
- Corrige el playbook, no la salida: cada error es información sobre el guion; retocar el resultado a mano destruye la trazabilidad y el aprendizaje.
- Pon dueño y fecha de revisión: cada playbook necesita una persona responsable y una revisión periódica, igual que cualquier proceso crítico del negocio.
