MARKETING
Mia
Opera el marketing de Appropia con 18 procesos automáticos y 7 objetivos con indicador.
Gestiona redes sociales, campañas y pipeline de leads en CRM. Genera contenido, hace seguimiento y escala cuando hay interés real de compra.
CASO DE ESTUDIO · DE USO INTERNO A PRODUCTO
Lo que aprendimos construyendo una empresa con agentes de IA
Esto no es un whitepaper. No es un estudio de caso de un cliente. Es lo que aprendimos corriendo agentes autónomos en nuestra propia operación, con errores reales incluidos. Lo que aprendimos aquí se convirtió en AgenticOS, nuestro producto y servicio para operar agentes gobernados sobre OpenClaw.
Primero lo usamos nosotros. Después se lo ofrecimos a usted.
- operando con agentes desde marzo de 2026
- Mar. 2026operando con agentes desde marzo de 2026
- de agentes en producción en clientes
- Docenasde agentes en producción en clientes
- procesos automáticos en Mia
- 18procesos automáticos en Mia
- self-hosted
- 100%self-hosted
CONNECT PROGRAM PARTNER01 · El problema en casa
Necesitábamos escalar marketing y proyectos. Sin crecer en equipo.
En Appropia construimos software empresarial (gestión documental, BPM, compliance legal) para empresas en Latinoamérica. El marketing y la gestión de proyectos crecían más rápido que el equipo. En lugar de contratar para cada tarea, pusimos agentes de IA a trabajar adentro, en nuestra propia operación.
Si está evaluando si los agentes empresariales tienen sentido para su organización, este caso es para usted.
Advertencia honesta: esto no es un software que se instala en una tarde. Implementar agentes empresariales que funcionen bien es un proceso de ingeniería complejo que requiere cientos de horas de configuración, ajuste fino y supervisión continua.
02 · Lo construimos para nosotros
Mia y Alfred: nuestros agentes internos, desde marzo de 2026.
Mia opera el marketing y Alfred, la gestión de proyectos. Trabajan dentro de Appropia con las mismas reglas que después llevamos a nuestros clientes.
GESTIÓN DE PROYECTOS
Alfred
Actúa como gestor de proyecto en una implementación para cliente: planea, hace seguimiento y reporta.
Gestiona un proyecto activo de gestión documental para un cliente enterprise.
Stack técnico
Qué estamos haciendo y cómo
Cada agente conoce el contexto de la empresa, su dominio específico, y tiene restricciones claras sobre lo que puede hacer sin aprobación humana. No son bots de FAQ. Ejecutan.
MODELO BASE
Claude (Anthropic) u otro modelo, según el caso
Motor de razonamiento principal. Por defecto usamos Claude por su desempeño en tareas de largo contexto; el modelo se elige según el caso y puede cambiarse sin rehacer el agente.
RUNTIME DE AGENTES
OpenClaw
OpenClaw como sistema operativo del agente. Arquitecturas controladas para despliegues que requieren modelos locales o garantías estrictas de privacidad.
ORQUESTACIÓN
OpenClaw Sessions + Subagents
Agente orquestador central que delega a subagentes especializados. Cada subagente tiene contexto limitado y permisos explícitos.
MEMORIA
Vectores semánticos + Archivos .md
Qdrant para memoria semántica. Archivos Markdown estructurados para contexto persistente de empresa, proyectos y preferencias.
CANALES
Telegram, Email, GitHub
Telegram como canal principal de comando. Email vía SMTP para comunicaciones externas. GitHub vía gh CLI para acciones de repositorio.
INFRAESTRUCTURA
Self-hosted en cada cliente
Sin multi-tenancy. Cada empresa tiene su instancia propia. Más caro, más seguro, habilita industrias reguladas.
La decisión más importante que tomamos
Fuimos 100% self-hosted desde el inicio. Cada empresa cliente tiene su propia instalación en un servidor dedicado. No hay multi-tenancy, no hay datos mezclados. Esta decisión encareció el despliegue, pero nos abrió industrias reguladas (salud, sector público, seguros) que con una solución cloud compartida habrían sido imposibles.
03 · Lo que aprendimos, sin filtro
Aprendizajes reales
01Las reglas en archivos son sugerencias. Las reglas en código son ley.
Empezamos poniendo las restricciones en archivos de texto que el agente "lee". Funciona mal. Si necesita que el agente nunca haga algo, esa restricción tiene que estar en el código: en el tool, en el handler, en el middleware. No en el prompt.
Error crítico: Un agente envió un correo comercial al cliente equivocado. La restricción estaba en el SOUL.md (texto). El agente la ignoró bajo presión de contexto.
02La memoria persistente es el diferenciador real, no el modelo.
Un agente que recuerda el contexto de la empresa, las decisiones pasadas y las preferencias del equipo genera mucho más valor que uno que responde bien a prompts aislados. Invertimos semanas en arquitectura de memoria. Valió la pena.
Error crítico: Construimos una arquitectura completa ignorando que ya existía otra. El agente no tenía acceso al historial de decisiones. Resultado: trabajo duplicado y contradicciones.
03Los agentes necesitan jerarquía real, no solo instrucciones.
Cuando tiene múltiples agentes, necesita un orquestador con autoridad real. No basta con decirle a cada agente "coordínate con los otros". El orquestador decide, delega y escala.
04Los canales de mensajería son la clave de adopción.
Los agentes que se integran en Telegram o WhatsApp tienen una adopción mucho mayor que los que requieren abrir una interfaz aparte. El canal correcto no es el que tiene mejor UX: es el que el equipo ya usa.
05Separar los contextos es sagrado.
Los agentes comparten infraestructura pero tienen bases de conocimiento completamente separadas por empresa y dominio. Esta separación requirió trabajo de arquitectura explícito (no ocurre sola) y es lo que habilita industrias reguladas.
Error crítico: Un error de un carácter ($ no escapado en bash) llegó a un correo comercial con precios corruptos. Solución: construir todos los correos HTML con precios usando Python, nunca bash directo.
Los problemas más difíciles
Retos que todavía no están completamente resueltos
01
El tuneo nunca termina
Cada vez que el negocio cambia (un nuevo proceso, un cliente diferente, una política nueva) los agentes necesitan ser reconfigurados. No es una instalación puntual: es un sistema vivo. Las primeras semanas son las más intensas; después el ritmo baja, pero nunca llega a cero.
02
Alucinaciones en contexto de negocio
Un agente que "inventa" un precio, una fecha o el nombre de un módulo que no existe es peligroso. Resolvemos esto con knowledge bases estructuradas y reglas explícitas del tipo "si el dato no está en contexto, el campo va vacío". Pero sigue requiriendo supervisión humana en documentos importantes.
03
Coordinación entre agentes sin duplicar trabajo
Cuando múltiples agentes tienen acceso al mismo canal o cliente, hay riesgo de contradicción o duplicación. Nuestro modelo actual (agente orquestador + subagentes especializados) ayuda, pero la coordinación fina sigue siendo un problema abierto.
04
Compliance en un régimen regulatorio que está evolucionando
Colombia aún no tiene una ley de IA: el proyecto 043/2025, con un enfoque por riesgo similar al del EU AI Act, se archivó en 2026, y en julio de 2026 se radicó uno nuevo en la Cámara. Una ley futura podría exigir a los agentes de sectores de alto riesgo controles formales de auditoría y explicabilidad. Hemos diseñado un compliance checker propio, a la espera de un marco definitivo.
"El mayor reto no es técnico. Es organizacional: rediseñar los procesos para que un agente pueda ejecutarlos, con los límites correctos, sin que eso paralice la operación."
La guía práctica
¿Cuándo tiene sentido un agente empresarial?
Con agentes en producción desde marzo de 2026, estas son las señales más claras.
CASOS DONDE SÍ TIENE SENTIDO
- Tareas repetitivas de alto volumen con reglas claras
- Procesos que cruzan múltiples herramientas (email + CRM + calendar)
- Necesidad de disponibilidad 24/7 sin costo de personal adicional
- Seguimiento de compromisos que hoy "se cae" por falta de tiempo
- Gestión documental con flujos definidos y predecibles
- Equipos pequeños con carga administrativa alta
- Industrias con compliance formal donde el audit trail es obligatorio
- Liderazgo dispuesto a invertir semanas en configuración inicial
CASOS DONDE TODAVÍA NO
- Procesos completamente no estructurados o sin precedente
- Decisiones que requieren empatía humana real (conflictos graves, despidos)
- Organizaciones sin procesos documentados mínimos
- Cuando el costo de un error supera ampliamente el costo de un humano
- Expectativa de "instalar y olvidar": esto no funciona así
- Liderazgo que no va a supervisar ni iterar en las primeras semanas
- Contextos donde la confianza del cliente es frágil y un error la destruye
El perfil de empresa donde más valor hemos visto
10–200 empleadosProcesos documentadosLiderazgo tech-friendlyLATAM o EspañaAlto volumen de email/documentosCEO saturado de carga administrativa
04 · LO CONVERTIMOS EN AGENTICOS
Lo que aprendimos con Mia y Alfred hoy se llama AgenticOS.
Reglas en código y no en el prompt, memoria persistente, canales que el equipo ya usa y contextos separados: esos aprendizajes son el gobierno que AgenticOS le pone a cada agente. Nuestro producto y servicio, construido sobre OpenClaw y operado por Appropia.
Conocer AgenticOSBASEOpenClawFramework abierto de agentes: canales, memoria, tareas, herramientas y habilidades.
APPROPIAAgenticOS
- Permisos por agenteQué sistemas ve, qué datos lee y qué acciones ejecuta.
- Aprobación humanaLas decisiones sensibles esperan el visto bueno de una persona.
- Registro de cada acciónQué hizo, cuándo, con qué dato y por qué.
- Integración y operaciónConexión con su plataforma, monitoreo y ajustes continuos.
05 · Hoy
Docenas de agentes en producción. En clientes.
Primero lo usamos nosotros. Después se lo ofrecimos a usted. Hoy hemos desplegado docenas de agentes en producción para clientes, con las mismas reglas que aplicamos en casa: restricciones en código, memoria persistente, canales que el equipo ya usa y contextos separados.
Ver AgenticOS, producto y servicioHorizonte
Lo que sigue
Estamos en un punto de inflexión. Los modelos mejoran cada mes. Las herramientas de orquestación multiagente están madurando. El marco regulatorio colombiano está tomando forma. Y las empresas que empiezan ahora van a tener una ventaja operacional real sobre las que esperen a que "sea más fácil".
Nuestra apuesta: agentes con RBAC real, compliance checker integrado al runtime, y despliegues en sectores donde hoy la IA agéntica todavía genera más miedo que entusiasmo, pero donde el caso de negocio es innegable.
Trabajamos con el ecosistema NVIDIA para que esos despliegues sean posibles en Latinoamérica a escala.
¿Evaluando agentes para su empresa?
Tenemos una demo funcional disponible. Sin PowerPoint: un agente real respondiendo casos reales de su industria. Y le decimos de frente cuánto tiempo y esfuerzo va a requerir antes de que esté en producción.
¿Prefiere verlo por su cuenta? Entre a la Brújula Appropia: encuentre su solución en 10 minutos.