Dario Amodei dijo que una empresa de mil millones de dólares con una sola persona tiene un 70-80% de probabilidades de aparecer para 2026. Lo dijo en el escenario durante la conferencia de desarrolladores de Anthropic el año pasado.
Matthew Gallagher lo demostró al iniciar Medvi, una empresa de telesalud operada por IA, con $20,000 y sin empleados. Generó $401 millones en ingresos en su primer año.
El stack de Gallagher eran agentes de IA hablando entre sí. Cuando dos no podían comunicarse, construía más agentes para manejar la coordinación. Él mismo probaba los prompts e intervenía cuando algo se rompía.
Alook (Repositorio de GitHub) es una plataforma open-source y auto-alojada que convierte a tus agentes de codificación en un organigrama real.
Repositorio de Alook en GitHub →
La forma en que funciona es que creas un agente, le asignas un rol y le das una bandeja de entrada de correo real.
Los agentes se envían correos entre sí y te mantienen actualizado. Se ejecutan como sesiones reales de Claude Code o OpenCode en tu máquina, con acceso completo a tus herramientas.
Un organigrama le da a cada agente un rol definido y una línea de reporte. Se coordinan entre sí sin que tú tengas que retransmitir ni un solo mensaje o arreglar las conexiones tú mismo.
Vamos a configurar Alook desde cero, construir un organigrama de cuatro agentes y ver qué sucede cuando se le asigna un trabajo real.
Configuración
Alook se ejecuta como un daemon en tu propia máquina, y este comando lo conecta:
1npx @alook/app onboard
Detecta cualquier runtime de agente de codificación que ya tengas instalado, ya sea Claude Code o OpenCode, y despliega la empresa de agentes.
Esto abre un panel local en http://localhost:15210.
Desde allí, puedes comenzar con un organigrama en blanco o con una de las plantillas predefinidas de Alook, la que más se acerque a lo que estás construyendo.
Cada agente en el organigrama es una sesión real de Claude Code o OpenCode ejecutándose en tu máquina, con acceso completo a las mismas herramientas que usas tú, y una bandeja de entrada real en @alook.ai.
La bandeja de entrada es la capa de coordinación. Los agentes se envían correos electrónicos entre sí, de la misma manera que lo haría un equipo, en lugar de pasar datos a través de un disparador que conectaste manualmente.
Construyendo la empresa
La inteligencia competitiva generalmente significa que alguien revisa una página de precios, copia los números en una hoja de cálculo y lo vuelve a hacer al día siguiente.
Vamos a reemplazar eso con cuatro agentes que construyen un rastreador de precios, lo ejecutan en un horario y te envían un correo electrónico en el momento en que algo cambia.
Primero, creamos los agentes uno por uno, asignándoles roles distintos y reclamando sus bandejas de entrada reales en @alook.ai:
- Atlas (CEO) es el único punto de contacto para el humano. Delega tareas a Mara.
- Mara (PM) convierte los briefs de Atlas en especificaciones y los dirige a Theo o Ren. Ella es la única enrutadora en el organigrama.
- Theo (ingeniero) construye y mantiene los scrapers para la inteligencia competitiva.
- Ren (Operaciones y atención al cliente) notifica al humano cuando se detecta un cambio rastreado.
Una vez que los agentes están activos, conectamos la jerarquía de reportes: Atlas a Mara, y Mara a Theo y Ren.
Theo y Ren nunca se hablan entre sí, ni directamente con Atlas. Solo se comunican a través de Mara.
Esta configuración evita construir un caótico chat grupal de IA donde cada agente habla por encima de los demás y pierde el contexto.
El trabajo de Theo involucra los rastreadores del sitio de la competencia, por lo que necesita una forma de extraer datos de manera confiable y programar.
Por eso le hemos dado acceso a la CLI de Bright Data, que le permite extraer cualquier sitio web, aprovisionar scrapers personalizados si es necesario… todo mientras evita bloqueos de IP y CAPTCHAs que afectan a cualquier agente que extraiga datos a escala real.
Para construir un scraper personalizado para cualquier sitio web, puedes describir la página en lenguaje natural, y este construye el scraper que devuelve datos estructurados:
Ahora veamos cómo nuestra empresa de IA maneja la tarea real.
Ejecutando la empresa
Como se mencionó anteriormente, no necesitamos gestionar cada agente nosotros mismos. En cambio, solo hablamos con Atlas, el CEO, y dejamos que el organigrama se encargue del resto.
Le pedimos que rastree los precios en railway.app/pricing.
Atlas responde en el chat, y detrás de esa respuesta, le está dando instrucciones a Mara por correo electrónico, y el hilo aparece en la misma ventana:
Mara convierte el brief en una especificación y se la entrega a Theo.
La especificación cubre un scraper para la página, instantáneas con marca de tiempo, detección de cambios, una ejecución diaria y un informe que podamos leer realmente.
Theo confirma la recepción de la especificación por correo electrónico, de la misma manera que lo hicieron Mara y Atlas, luego la construye usando la CLI de Bright Data e informa una vez que está en funcionamiento.
Este es el scraper que Theo acaba de construir, ubicado en el panel de Bright Data:
Es un scraper personalizado real que el agente aprovisionó por sí mismo al comprender el sitio web especificado, no una llamada única a la CLI que desaparece después de ejecutarse. Puedes activarlo manualmente desde esta misma pantalla, o llamarlo directamente usando la API:
Mara transmite la finalización de la construcción a Atlas, y Atlas nos informa en el mismo chat:
La empresa funciona sin ti
Una vez que Theo confirma que la construcción está activa, el trabajo no termina. El horario aún debe ejecutarse, y alguien aún debe vigilar lo que encuentra.
El agente añade el scraper al calendario de la empresa como una tarea recurrente a las 9 a.m., por su cuenta.
Este es el trabajo de Ren. Él vigila la salida del rastreador, y en el momento en que el precio en la página realmente cambia, envía una nota.
Todo el ciclo se ejecuta sin supervisión.
Le entregamos un brief a Atlas, y la organización aprovisionó un scraper, lo programó y mantuvo a alguien vigilando la salida, sin necesidad de más información de nuestra parte.
Pruébalo tú mismo
Cada agente en este tutorial se ejecutó como Claude Code, pero Codex y OpenCode funcionan de la misma manera, ya que Alook te permite traer tu propio agente y le da al que elijas un rol, una bandeja de entrada y un runtime que permanece activo.
Cada tarea completada construye contexto para la siguiente, por lo que los agentes no están reaprendiendo la empresa desde cero en cada ejecución.
Cada correo electrónico entre ellos se registra de la misma manera, para que puedas leer exactamente cómo se tomó una decisión.
Aquí está el repositorio de GitHub de Alook →
Y aquí está la CLI de Bright Data →
(no olvides darles una estrella 🌟)
¡Saludos! :)
