Cortex IQ vende agentes de IA y usa agentes de IA para gestionarse. Esto no es un detalle de marketing, es una regla de trabajo: nada de lo que entregamos al cliente sale a producción antes de correr en nuestra propia operación. El dicho dice que en casa de herrero, cuchillo de palo. Aquí, el cuchillo es el mismo que forjamos para el cliente.
Este texto muestra cómo funciona eso por dentro, con los números verificados en las carpetas de nuestro repositorio el 30 de octubre de 2026, y con la lista de lo que todavía está incompleto. Quien trabaja con IA en una empresa sabe que las dos partes importan.
Por qué la consultoría de IA no puede operar en una hoja de cálculo
Una empresa que recomienda agentes de IA, gobernanza de datos y arquitectura de software, y lleva su propia rutina con una hoja de cálculo y memoria de WhatsApp, tiene un problema de credibilidad. Peor: tiene un problema de conocimiento. Se puede describir en una diapositiva cómo falla un agente, pero solo quien opera decenas de ellos sabe dónde cae la nota del juez, cuánto cuesta en tokens y cuándo se agota la cuota.
Por eso Cortex IQ adoptó lo que llamamos arquitectura cyborg también hacia adentro: las personas definen la dirección y responden por el resultado, la IA ejecuta, escala y señala. La diferencia es que aquí existe un repositorio que prueba esa división.
Las cuatro piezas y cómo se conectan
El repositorio mantiene cuatro áreas en el mismo lugar, a propósito: el agente tiene que leer la bóveda antes de trabajar y dejar rastro en ella después.
- Skills. Son 126 archivos de reglas de oficio, organizados en 18 raíces (el orquestador y 17 roles, como CEO, CFO, CTO, CMO y CLO) y hasta tres niveles de profundidad. La skill es la única fuente de las reglas. Los agentes y el sitio apuntan a ella y nunca la copian. Si la regla cambia, cambia en un solo lugar.
- Agentes. Son 61, en seis grupos: ingeniería, marketing, C-Level, consejo, operaciones y datos. Cada agente es una skill con contexto propio: persona, contrato de entrada y salida, rúbrica de calidad y la skill fuente que lee antes de empezar. Un archivo por agente, validado por lint.
- agent-core. Es el runtime. Claude genera el artefacto, un linter de portugués sin jerga de LLM ni residuo de chatbot lo revisa, y un segundo modelo, Gemini, juzga el texto con una rúbrica. Quien escribe no se evalúa a sí mismo. Si no aprueba, el texto vuelve al generador con el feedback del juez, hasta tres intentos. Existen 27 rúbricas, todas heredando cuatro criterios base: completitud, ausencia de alucinación, alineación técnica y claridad. La nota mínima es 8,5, y cualquier criterio por debajo de 6 reprueba aunque el promedio sea alto.
- Segundo Cerebro. Es un vault de Obsidian con cuatro bóvedas: la propia Cortex IQ y las divisiones de producto (Assetly), cada una aislada de las demás. El agente lee el contexto de la empresa antes de generar. Después de la aprobación, el orquestador registra el log, el borrador y el índice, siempre añadiendo. Nada se sobrescribe, y una decisión revisada se convierte en una entrada nueva.
El camino de una tarea
Marketing e ingeniería siguen cadenas distintas, y ningún agente llama a otro: quien arma la secuencia es el orquestador o una persona.
En la cadena de marketing, el analista del canal (sitio, LinkedIn, Instagram, email, prensa) produce la pieza. El gerente de marketing activa al brand-guardian como control de calidad. El CMO aprueba, aprueba con ajustes o rechaza, y no reescribe. Quien publica es una persona.
En la cadena de ingeniería, la historia de usuario sale con tareas de front, back y pruebas, y pasa por un portón antes del análisis técnico. El paquete técnico (arquitectura, modelo de datos, flujos, contrato de API y seguridad) pasa por otro portón antes de cualquier código. Solo entonces back y front se construyen en paralelo contra el mismo contrato, seguidos de revisión de PR y de un análisis de seguridad que corre antes y después del código.
Quién decide
La persona decide. La recomendación de un agente C-Level se guarda en la bóveda como "a la espera de decisión humana", y nunca como decisión tomada. Los revisores son de solo lectura y nunca corrigen lo que revisan. El aprobador no reescribe. Los agentes programados vigilan, pero no ejecutan ninguna acción que cambie el entorno.
Para decisiones estratégicas existe además una sala del consejo: seis lentes (lógica, estrategia, primeros principios, ética, pensamiento sistémico y filosofía) leen la misma pregunta en paralelo, y un núcleo las sintetiza. Ese resultado también queda a la espera de decisión humana y solo entra en la bóveda si la persona lo marca.
Hay seis reglas que valen para todo, y la más usada es también la que más incomoda: nunca inventar. Un hecho sin confirmar recibe la marca "pendiente de validación". Un número, un cliente o una fecha solo entran con una fuente.
La oficina virtual
Para registrar, organizar y activar a los agentes existe el Cortex Office: una interfaz en React con una oficina isométrica en 3D, salas por departamento, los agentes en sus escritorios y los indicadores del día en la pared. Se puede contratar un agente nuevo mediante un asistente (con lint antes de guardar), encadenar agentes en flujos de trabajo que se pausan cuando el juez rechaza, abrir la sala del consejo y conversar con cada agente. En modo "investigar" el agente solo lee. En modo "resolver", cada edición, comando o acceso a la web pide aprobación.
El Office corre solo en la máquina local, nunca se expone en red, y no borra nada: un agente eliminado va a una carpeta de archivados, y la eliminación exige escribir una confirmación.
Lo que todavía no funciona
Un relato sobre una operación que solo enumera aciertos no le sirve a nadie. En la revisión que hicimos el 30 de octubre, estos puntos seguían abiertos:
- La carpeta de automatizaciones de n8n existe, pero está vacía. La primera automatización real todavía no se ha definido.
- Los textos de apoyo del repositorio no coinciden entre sí en el conteo de skills y de agentes. La corrección es generar el conteo por script en lugar de mantenerlo a mano.
- Los prompts de imagen de los agentes todavía usan la identidad visual antigua de la marca. La migración está planeada.
- El puente entre la memoria episódica y la bóveda curada está incompleto, y la verificación de aislamiento entre divisiones tiene que llegar antes de activarlo.
- Un flujo de trabajo en curso se interrumpe si el servicio local se reinicia, y corre una ejecución a la vez.
Funciona, y los pendientes son conocidos y están escritos en la bóveda. Ese es el mismo criterio que le exigimos a un cliente.
Qué cambia esto para quien nos contrata
El mismo diseño se convierte en entrega. Un agente de IA en producción necesita una regla de oficio escrita, un contrato claro de entrada y salida, evaluación independiente, memoria rastreable y una persona con la decisión final. Sin eso, el agente funciona en la demo y falla el martes. Ese mismo esqueleto de rastro y decisión responde, en la práctica, a lo que pide la gobernanza de IA: quién lo hizo, con base en qué, quién lo aprobó.
Si la empresa quiere empezar sin reorganizar todo, el camino que recomendamos es elegir un solo oficio, no la empresa entera. Escribir la skill de ese oficio, montar un agente con rúbrica, conectarlo a una bóveda y medir durante 90 días, como mostramos en cómo medir el ROI de un agente de IA. Ese primer recorte cabe en una PoC dentro de Cyborg Forge, y el liderazgo técnico para decidir qué sigue puede venir de CTO As a Service.
Preguntas frecuentes
¿Cuál es la diferencia entre skill y agente? Skill es el texto con las reglas de un oficio, como las de un CFO o de un revisor de marca. Agente es una skill con contexto propio: persona, contrato de entrada y salida, rúbrica de calidad y acceso a la bóveda de memoria. La regla vive en la skill, y el agente la lee antes de empezar.
¿Quién aprueba lo que producen los agentes? Una persona. En marketing, la pieza pasa por el revisor de marca y por el CMO, y la publicación es humana. En estrategia, la recomendación del agente queda registrada como a la espera de decisión humana y nunca como decisión tomada.
¿Por qué usar un modelo para generar y otro para juzgar? Quien escribe no se evalúa bien a sí mismo. Un juez independiente, con rúbrica y el contexto de la bóveda, señala lo que el generador no ve, como un hecho inventado o una afirmación sin fuente. En nuestra configuración, Claude genera y Gemini juzga, con una nota mínima de 8,5 y hasta tres intentos.
¿Los agentes acceden a datos de clientes? Solo lo que está en la bóveda del cliente, en una carpeta propia por proyecto. La bóveda no guarda contraseñas, tokens, claves ni contratos firmados: guarda un resumen y la ruta en Drive. Las divisiones de producto están aisladas entre sí.
¿Se puede montar algo parecido en mi empresa? Se puede, y el mejor comienzo es un solo oficio, como atención al cliente, ventas o marketing. Se escribe la skill, se monta el agente con rúbrica, se conecta a una bóveda y se mide durante 90 días. Ejecutar agentes para clientes exige la cuenta o la clave de API del propio cliente.