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 de la conferencia de desarrolladores de Anthropic el año pasado.
Matthew Gallagher lo demostró creando Medvi, una empresa de telesalud impulsada por IA, con $20,000 y sin empleados. Generó $401 millones en ingresos en su primer año.
El stack de Gallagher consistía en 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 fallaba.
Alook (Repositorio de GitHub) es una plataforma de código abierto y autoalojada que convierte 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 electrónico real.
Los agentes se envían correos electrónicos 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 transmitir ni un solo mensaje ni arreglar las conexiones tú mismo.
Configuremos Alook desde cero, construyamos un organigrama de cuatro agentes y veamos 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 esté instalado, Claude Code u OpenCode, y despliega la empresa de agentes.
Esto abre un panel de control 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 esté más cerca de lo que estás construyendo.
Cada agente en el organigrama es una sesión real de Claude Code o OpenCode que se ejecuta en tu máquina, con acceso completo a las mismas herramientas que usas tú, y una bandeja de entrada real de @alook.ai.
La bandeja de entrada es la capa de coordinación. Los agentes se envían correos electrónicos entre sí, como lo haría un equipo, en lugar de pasar datos a través de un desencadenador que conectaste manualmente.
Construyendo la empresa
La inteligencia competitiva generalmente significa que alguien revisa una página de precios, copia números en una hoja de cálculo y lo repite 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 de @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 chat grupal de IA caótico donde cada agente habla por encima de los demás y pierde el contexto.
El trabajo de Theo toca los rastros del sitio del competidor, por lo que necesita una forma de extraerlo de manera confiable y programarlo.
Por lo tanto, 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 extrae a escala real.
Para construir un scraper personalizado para cualquier sitio web, puedes describir la página en inglés sencillo, y 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, está informando 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 realmente podamos leer.
Theo reconoce 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 control de Bright Data:
Es un scraper personalizado real que el agente aprovisionó por sí mismo al comprender el sitio web especificado, no una llamada CLI única que desaparece después de ejecutarse. Puedes activarlo manualmente desde esta misma pantalla, o llamarlo directamente usando la API:
Mara transmite 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 agrega 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 ninguna entrada adicional 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! :)
