He utilizado muchos flujos de trabajo y automatizaciones tradicionales en ClickUp. Son estupendos para trasladar tareas de A a B, actualizar estados o asignar propietarios. Pero, en algún momento, me di cuenta de algo importante: ninguna de esas automatizaciones estaba realmente pensando en mis campañas.
Necesitaba un sistema que combinara la ejecución con la inteligencia. Y encontré la respuesta en un agente de decisión basado en IA, al que denomino Gestor de la biblioteca de recursos.
En esta entrada, te explicaré paso a paso cómo he creado este agente de toma de decisiones basado en IA dentro de ClickUp (utilizando los «Super Agents» de ClickUp ) y por qué era necesario para mi empresa.
Acerca de mí: ClickUp Verified Consultant y gestor de procesos empresariales de la empresa
Como ClickUp Verified Consultant y gestor de procesos de negocio con más de 5 años de experiencia, he ayudado a agencias y startups a crecer mediante sistemas estructurados y una ejecución eficaz. He creado y gestionado marcos operativos para más de 40 empresas, he liderado la gestión del cambio en más de 115 equipos y he facilitado un crecimiento operativo de hasta 16,4 veces, al tiempo que he mejorado la rapidez y la coherencia en la entrega en entornos con múltiples clientes.
Por qué las automatizaciones sencillas no eran suficientes para mis campañas
Mis recursos estaban dispersos por distintas ubicaciones, las tareas de las campañas se encontraban en diferentes listas y seguía siendo yo quien decidía dónde debía ir cada recurso a continuación. Cada nueva campaña, región o canal suponía más decisiones manuales y más posibilidades de duplicidades, oportunidades perdidas o lagunas de visibilidad.
Fue entonces cuando planteé una pregunta diferente:
¿Y si dejara de crear flujos de trabajo y empezara a desarrollar un sistema inteligente en ClickUp, uno que pudiera tomar decisiones en mi nombre?
¿Y si dejara de crear flujos de trabajo y empezara a desarrollar un sistema inteligente en ClickUp, capaz de tomar decisiones en mi nombre?
🦾 ¿Eres nuevo en ClickUp Super Agents?
Los «Superagentes» de ClickUp son agentes basados en IA que operan dentro de tu entorno de trabajo para analizar tus tareas, datos y actividad, y actuar en función de ese contexto. Puedes asignarles un rol específico (como priorizar el trabajo, actualizar el estado de los proyectos o distribuir recursos), y operan a partir de la información del entorno de trabajo en tiempo real.
¿Qué los hace diferentes?
A diferencia de las automatizaciones básicas, los «Super Agents» no se limitan a seguir reglas. Ellos:
- Comprende el contexto en todas las tareas, documentos y comentarios
- Toma decisiones (no te limites a ser un desencadenante)
- Adáptalo en función de cómo evolucione tu flujo de trabajo
No los veas tanto como automatizaciones del tipo «si esto, entonces aquello», sino más bien como compañeros de equipo de IA integrados en tu sistema.
El cambio de mentalidad: de los flujos de trabajo a los sistemas inteligentes
Antes de crear un agente de IA en ClickUp, doy un paso atrás y defino el sistema.
No me refiero a la automatización, sino al sistema.
Para mí, todo se reduce a tres preguntas:
- ¿Cuál es el objetivo? ¿Qué problema fundamental estoy intentando resolver?
- ¿Mi sistema es compatible? ¿Mi configuración actual de ClickUp permite realmente que un agente funcione sin problemas?
- ¿Cuál es el verdadero rol del agente? ¿Se limita a mover tareas de un sitio a otro, o puede pensar, decidir y actuar en mi nombre?
Quería que mi agente de decisión basado en IA se hiciera cargo de la carga mental que supone tomar decisiones sobre las campañas.
En el caso de mi gestor de la biblioteca de recursos, así es como quedó.
1. Objetivo: ¿Qué problema pretende resolver este agente de decisión basado en IA?
Quería disponer de un único lugar donde se reunieran todos los recursos de las campañas —vídeos, imágenes, textos—:
- Todo ello a través de una única fuente de información fiable
- Seguimiento en todas las ubicaciones y campañas
- A salvo de duplicidades y lagunas de visibilidad
- Fácil de realizar la elaboración de informes sin tener que cambiar de herramienta
En otras palabras, quería que mi agente se encargara de las decisiones sobre la distribución de recursos dentro de ClickUp para que nada se pasara por alto.
2. Capacidad del sistema: ¿Mi configuración tiene compatibilidad con la toma de decisiones basada en IA?
La eficacia de un agente de decisión basado en IA depende del sistema en el que se integra. Por eso tiene sentido crearlo en un lugar donde convivan tus tareas, documentos, relaciones y datos de campaña. Cuando un agente puede ver el panorama completo (recursos, ubicaciones, estados, historial) en un único entorno de trabajo digital conectado, sus decisiones se basan en la realidad, no en conjeturas.
Para mí, el entorno de trabajo de IA convergente de ClickUp es ese lugar.
Con ClickUp, en lugar de tener que ir encajando un mosaico de herramientas de IA independientes que solo ven una parte de tus operaciones, dispones de una capa inteligente que se integra en todo lo que tu equipo lleva a cabo. El resultado son recomendaciones más inteligentes, sin cambios de contexto, y decisiones cuya calidad mejora con el tiempo, ya que la memoria del agente y tu entorno de trabajo crecen juntos.
He diseñado mi configuración de ClickUp para que el gestor de la biblioteca de recursos pueda:
- Realiza el seguimiento de los recursos en docenas de ubicaciones (y, con el tiempo, en más de 100)
- Almacena datos fiables sobre dónde se han utilizado los recursos
- Comprende los tipos de recursos y los pilares (por ejemplo, contenido sobre recuperación frente a contenido sobre movilidad)
- Ejecuta tareas según horarios y desencadenantes sin que se genere el caos
Si mis listas, Campos personalizados y relaciones no fueran sólidos, el agente se atascaría o provocaría un caos. Por eso consideré el diseño del sistema como parte del propio agente.
📮ClickUp Insight: El 30 % de las personas afirma que lo que más les frustra de los agentes de IA es que parecen seguros de sí mismos, pero se equivocan.
Esto suele ocurrir porque la mayoría de los agentes funcionan de forma aislada. Responden a una única indicación sin saber cómo te gusta hacer las cosas, cómo trabajas o cuáles son tus procesos preferidos.
Los «Superagentes» funcionan de forma diferente. Operan con un contexto al 100 % extraído directamente de tus tareas, documentos, chats, reuniones y actualizaciones en tiempo real. Además, conservan la memoria reciente, basada en tus preferencias e incluso la memoria episódica a lo largo del tiempo.
Y eso es lo que convierte a un agente de alguien que se limita a adivinar con confianza en un compañero de trabajo proactivo capaz de adaptarse a medida que evoluciona el trabajo.
3. Rol del agente: operador, no solo mensajero
Por último, definí el rol del agente.
La mayoría de los sistemas están diseñados así: Si ocurre X → haz Y
A eso es a lo que llamamos automatización sencilla.
Lo que quería era algo diferente: un agente de decisión basado en IA que pudiera evaluar el contexto y utilizarlo para tomar decisiones tal y como lo haría un ser humano.
- No a «mover tareas de la lista A a la lista B»
- Sí a «pensar, decidir y actuar en nombre de la empresa»
Mi gestor de la biblioteca de recursos se encarga de:
- Decidir cuál debe ser el siguiente paso para los recursos
- Evitar la duplicación
- Informar al sistema y al equipo cuando surge un problema o cuando se ha tomado una decisión
Una vez que esos tres aspectos quedaron claros, todo lo demás se volvió más fácil. Ya no me limitaba a crear una automatización ingeniosa. Estaba creando lo que yo denomino un «Beyond Super Agent»: un agente que comprende el propósito, opera dentro de un sistema capaz y tiene un rol claramente definido.
📚 Lee también: Cómo utilizo un «superagente de enfoque diario» para mantener los proyectos en marcha en ClickUp
Cómo estructuré las indicaciones para que el agente de decisión basado en IA fuera fiable: mis 5 pilares de las indicaciones
Una vez que el sistema estuvo listo, pasé a la parte a la que la mayoría de la gente se salta directamente: las indicaciones.
Pero, en lugar de escribir una única instrucción larga, la dividí en cinco componentes claros. Eso hizo que el agente de decisión basado en IA fuera más fácil de controlar, probar y perfeccionar.
Estos son los pilares de las indicaciones de IA que determinan la calidad de las decisiones que toma mi agente:
1. Definición del rol: ¿Quién representa este agente?
No me limito a decirle al agente qué hacer, le digo quién debe ser.
📌 Para el gestor de la biblioteca de recursos, le pedí que actuara como:
«Propietario de una agencia con amplia experiencia y arquitecto de operaciones que gestiona múltiples clientes.»
«Propietario de una agencia con amplia experiencia y arquitecto de operaciones que gestiona múltiples clientes.»
Esa única línea lo cambia todo. Ahora, cuando el agente responde, lo hace desde la perspectiva de alguien que:
- Gestión de campañas complejas en numerosas ubicaciones
- Equilibrio entre capacidad, impacto y coherencia de marca
- He aprendido a evitar la duplicación y el esfuerzo innecesario.
2. Contexto y alcance: ¿En qué ámbito opera?
A continuación, defino el contexto y el alcance con la mayor claridad posible:
- ¿Qué listas, espacios o campañas están en juego?
- Qué contiene la biblioteca de recursos
- ¿Qué tipos de recursos y pilares debe tener en cuenta el agente?
Esto le indica al agente dónde están las paredes de la habitación, para que no se adentre en la parte equivocada de mi entorno de trabajo.
3. Lógica de decisión: ¿Cuándo y cómo debe tomar decisiones?
A continuación, detallo la lógica de decisión. En lugar de decirle al agente qué debe hacer, definí cómo debe pensar.
Especifico:
- Cuando se permite al agente tomar una decisión de enrutamiento
- ¿Qué campos o patrones deberían ser los desencadenantes de una recomendación?
- Cómo gestionar los diferentes tipos de recursos o las distintas fases de una campaña
De este modo, el agente no se limita a generar ideas. Sabe cuándo actuar y cómo son las decisiones acertadas.
4. Datos de entrada: ¿En qué datos se basa?
La calidad de cualquier decisión depende de los datos en los que se basa. Por eso conecto mi agente a las capas de datos que necesita:
- Registros de recursos en mi biblioteca
- Ubicaciones y campañas en las que ya se ha utilizado cada recurso
- Pilares y tipos de creatividad (p. ej., recuperación frente a movilidad)
Lo dejo claro en la indicación: estas son las entradas que debes utilizar a la hora de decidir qué hacer a continuación.
5. Resultados: ¿Qué acciones y formatos espero obtener?
Por último, defino los resultados:
- ¿Debería el agente crear tareas de campaña?
- ¿Debería actualizar los campos personalizados o los estados?
- ¿Debería enviarme un resumen, una lista de recomendaciones o ambas cosas?
Una vez que estos cinco elementos están en su sitio —rol, contexto, lógica de decisión, entradas y salidas—, la solución suele ajustarse muy bien al problema real que estoy intentando resolver.
🎥 Aquí tienes un breve vídeo explicativo por si quieres intentar crear tu propio «Superagente»:
👀 ¿Sabías que...? Solo una de cada cinco empresas cuenta con un marco de gobernanza maduro para los agentes autónomos de IA, a pesar del rápido crecimiento de la IA agentiva.
Cómo funciona realmente mi agente de decisión basado en IA, también conocido como «Gestor de la biblioteca de recursos», dentro de ClickUp
Una vez sentadas las bases, integré el agente en mi entorno de trabajo de ClickUp para que pudiera funcionar de dos formas principales.
Opción 1: Desencadenante manual desde la biblioteca de recursos
El primer modo es sencillo y directo.
- Elijo una ubicación a la que el agente debe enviar un recurso a continuación
- Hago clic en un desencadenante (como Enviar a la ubicación)
- El agente crea una tarea de campaña en mi gestor de campañas para ese recurso concreto.
Esto por sí solo elimina una gran cantidad de trabajo manual de distribución. Pero el verdadero potencial reside en el segundo modo.
Opción 2: Toma de decisiones basada en un calendario
El segundo modo es donde el sistema realmente se convierte en «Más allá del superagente».
En este caso, el agente utiliza todo el contenido de la biblioteca de recursos para tomar decisiones por sí mismo:
- Sabe en qué ubicaciones ha estado ya un recurso
- Conoce el tipo de recurso y el pilar
- Muestra el historial de acciones realizadas sobre ese recurso.
📌 A partir de ahí, puede tomar decisiones como:
«En cuanto a este recurso estratégico que ya ha estado en Islamabad y que es un vídeo de recuperación, enviemos a continuación una imagen de recuperación o una imagen de movilidad».
«En cuanto a este recurso estratégico que ya ha estado en Islamabad y que es un vídeo de recuperación, enviemos a continuación una imagen de recuperación o una imagen de movilidad».
En lugar de tener que estar comprobando constantemente dónde se ha publicado un recurso y cuál debe ser el siguiente paso, el agente analiza los datos y toma la decisión.
📚 Lee también: Cómo creé un «superagente» sencillo en ClickUp que mantiene todos los proyectos web al día
Por qué utilizo el chat de ClickUp para colaborar con mi agente de IA
En ClickUp, los agentes pueden actuar en todo tu entorno de trabajo. Puedes activarlos mediante automatizaciones en listas, carpetas y espacios (que reaccionan ante cambios de estado, nuevas tareas o actualizaciones de campos), asignarlos directamente a tareas, @mencionarlos en comentarios de tareas y documentos, o interactuar con ellos en el chat de ClickUp a través de mensajes directos y @menciones.
Pero chateo más con mi agente, y hay una razón para ello.
En mi chat de Asset Library Manager, tengo dos metas:
- Perfecciona el agente para que su capacidad de toma de decisiones siga mejorando
- Comprender mejor mi propio sistema gracias a los resúmenes y las recomendaciones del agente
El chat me ofrece una interfaz de conversación en tiempo real, casi como tener a un compañero de trabajo a mi disposición. Puedo utilizarlo para:
- Haz preguntas de seguimiento
- Perfecciona mis instrucciones sobre la marcha, y
- Obtén recomendaciones inmediatas sin tener que cambiar de contexto
Es la diferencia entre enviar una solicitud y mantener una conversación interactiva.
En el caso de un agente como el Gestor de la biblioteca de recursos, en el que las decisiones se basan unas en otras y el contexto es fundamental, ese tipo de diálogo iterativo es lo que hace que todo el sistema funcione a la perfección.
Cuando el agente se enfada
Con el tiempo, me di cuenta de algo curioso: si mi comando no era claro, el agente montaba una especie de «rabieta». No porque no funcionara, sino porque mi indicación no le permitía tener un intento correcto.
Es entonces cuando siempre vuelvo a las cinco indicaciones fundamentales:
- ¿He definido el rol con suficiente claridad?
- ¿Le he dado el contexto y el alcance adecuados?
- ¿He explicado bien la lógica de decisión que me interesa?
- ¿He especificado las entradas y las salidas?
Cuando todo esto está en marcha, la conversación se vuelve increíblemente productiva.
Prueba de resistencia del sistema con un simple mensaje
Uno de mis momentos favoritos con este agente fue realizar una prueba de estrés completa con un solo comando de chat.
📌 Le dije al agente:
«Quiero hacer una prueba de estrés. Desencadena la prueba automáticamente seleccionando ubicaciones aleatorias y crea tareas de campaña según el flujo. Asegúrate de que no falte ninguna parte del flujo y de que no haya duplicidades en las tareas. Pregúntame lo que necesites antes de ejecutar la prueba.»
«Quiero hacer una prueba de estrés. Desencadena la prueba automáticamente seleccionando ubicaciones aleatorias y crea tareas de campaña según el flujo. Asegúrate de que no falte ninguna parte del flujo y de que no haya duplicidades en las tareas. Pregúntame lo que necesites antes de ejecutar la prueba.»
🌟 Esto es lo que pasó:
- El agente respondió con algunas preguntas aclaratorias.
- Les respondí directamente al chatear.
- El agente realizó la prueba en todas las ubicaciones pertinentes
- Creó las tareas de la campaña sin que yo tuviera que tocar manualmente la biblioteca de recursos.
En una sola conversación, se necesitaron entre 15 y 30 acciones, y me hice una idea clara de dónde podría fallar mi sistema a medida que creciéramos.
¿El resultado? Me di cuenta de que mi configuración funcionaba bien hasta unas 50 ubicaciones, pero que si intentaba pasar a más de 100, el sistema podría tener dificultades. Esa información no la obtuve de un panel, sino hablando con mi agente.
Utilizar el agente como herramienta para la elaboración de informes
👉🏼 Yo también chateo para plantear preguntas sencillas pero muy útiles, como:
- «¿Qué recursos se han distribuido en las últimas 10 horas?»
- «Vale, ¿y qué ha pasado en las últimas 24 horas?»
👉🏼 El agente responde con una lista de recursos, indicando dónde se han enviado, y enlaces que redirigen a ClickUp. A continuación, voy un paso más allá:
«Dame un resumen de las últimas 24 horas y recomiéndame las 10 mejores ubicaciones para la distribución de estos recursos a continuación, con un razonamiento claro para cada recomendación».
«Dame un resumen de las últimas 24 horas y recomiéndame las 10 mejores ubicaciones para la distribución de estos recursos a continuación, con un razonamiento claro para cada recomendación».
Ahora el agente utiliza:
- En los casos en que ya se hayan utilizado recursos
- Cómo se utilizan los pilares y los tipos de creatividades
- ¿Qué mercados aún no se han explotado al máximo?
…para que me recomiende exactamente a dónde debería ir a continuación, y por qué.
👉🏼 Si quiero profundizar más, puedo hacer preguntas de seguimiento como:
- «¿Qué recursos deberían enviarse a Tokio a continuación?»
El agente utiliza los mismos datos y la misma lógica para darme una respuesta concreta.
📚 Lee también: Cómo eliminé el desorden en los chats y creé un centro de comandos para empresas en ClickUp
De un único agente de decisión inteligente basado en IA a un motor de decisión escalable
A estas alturas, mi «Asset Library Manager» se ha convertido en una sólida capa de toma de decisiones basada en IA integrada en mi entorno de trabajo de ClickUp.
Antes de esto, me pasaba el tiempo:
- Comprobación manual del uso de los recursos
- Referencias cruzadas entre ubicaciones
- Tomar decisiones sobre la marcha
Ahora, el agente de decisión basado en IA se encarga de este proceso.
Yo sigo tomando la decisión final cuando es necesario. Pero ya no tengo que empezar desde cero. Y ese cambio es cada vez más habitual.
Según un informe de McKinsey & Company, las empresas están observando el mayor impacto cuantificable de la IA en áreas como el marketing, las ventas y la estrategia, donde la toma de decisiones desempeña un rol fundamental.
Siguiente paso: Cómo crear tu propio agente de decisión basado en IA en ClickUp
Si tienes que gestionar recursos en múltiples ubicaciones, canales o clientes, no tienes por qué seguir dependiendo de hojas de cálculo y procesos manuales para siempre.
Empieza por preguntarte:
- ¿Cuál es la única fuente de verdad que mi agente debe proteger?
- ¿Mi configuración de ClickUp es lo suficientemente clara y estructurada como para que un agente pueda basarse en ella?
- ¿En qué aspecto necesito más ayuda: gestionar el trabajo, tomar decisiones o extraer información relevante?
A continuación, diseña tu primer agente basándote en esas respuestas.
💡 Consejo de experto: Crea un agente especializado, no uno que «lo haga todo». Dota a tu agente de:
- Una responsabilidad clara
- Fuentes de datos definidas
- Reglas de decisión sencillas
- Un formato de salida estructurado
Cuanto más concreto sea el alcance, mejores serán los resultados.
Por último, chatea: haz preguntas, realiza pruebas de estrés y deja que el agente te muestre en qué aspectos debe mejorar tu sistema.
Así es como se va más allá de las automatizaciones y se empieza a crear un sistema inteligente en ClickUp que realmente trabaje por ti.
De la experimentación con IA a la toma de decisiones real basada en IA
Si quieres automatizar la toma de decisiones con IA, este es mi consejo más importante:
Deja de pensar:
❌ «¿Cómo puede ayudarme la IA a hacer esto más rápido?»
❌ «¿Cómo puede ayudarme la IA a hacer esto más rápido?»
Y empieza a pensar:
✅ «¿En qué aspectos debería la IA tomar decisiones por mí?»
✅ «¿En qué aspectos debería la IA tomar decisiones por mí?»
La mayoría de los equipos aún se encuentran en la primera fase. Están experimentando. Probando herramientas. Realizando tareas de automatización.
Pero la verdadera ventaja surge cuando se integra un agente de decisión basado en IA en un sistema que ya está estructurado para ello.
Esto es lo que ocurre cuando:
- El trabajo se paraliza si depende de la memoria humana
- Las personas dejan de ser un obstáculo para la toma de decisiones
- Los sistemas empiezan a funcionar con claridad
Por eso funciona dentro de ClickUp.
Como todo —tareas, datos y contexto— se encuentra en un mismo lugar, tu agente de decisión basado en IA puede ver realmente lo que está sucediendo. Y, lo que es más importante, puede actuar en consecuencia.
👉🏼 ¿Quieres ver qué podría aportar un agente de decisión basado en IA a tus flujos de trabajo?