Aquí tienes un resumen en 60 segundos y la demo del proyecto AI STRATEGIC PLANNER, una entrega para el Google AI Agents Writing Challenge que muestra cómo Historia del fundador + URL + agentes IA = Tu propio Business Model Canvas. En este artículo explico cómo el intensivo de 5 días de AI Agents con Google y Kaggle me permitió diseñar un sistema multiagente que convierte la historia y la web de un fundador en un plan de negocio estructurado.

Quién soy y por qué este curso importó: No soy desarrollador a tiempo completo. Trabajo en una entidad financiera regional en Japón apoyando a pymes con planificación, solicitudes de subsidios y estrategia a largo plazo. Vivo entre plantillas y formatos que muchos fundadores encuentran fricción: planes de ingresos a 3 años, descripciones de ventaja competitiva en formatos rígidos, y complejos documentos de negocio. Antes del curso mi visión de la IA era limitada: modelos grandes que ayudan a escribir, resumir y responder. Los sistemas agenticos me parecían abstractos: cómo pasar de una llamada al modelo a un sistema que planifica, usa herramientas, recuerda y distribuye trabajo entre componentes. El intensivo me dio vocabulario, patrones arquitectónicos y, sobre todo, la confianza para diseñar un sistema multiagente orientado a ayudar a pequeñas empresas a convertir ideas desordenadas en planes accionables.

Qué significaba agente antes del curso: Pensaba en un agente como una envoltura alrededor de un LLM que toma un objetivo y hace magia. Había leído sobre agentes que usan herramientas, flujos autónomos y orquestación multiagente, pero sin un modelo mental claro era difícil pasar de tutoriales a diseño. Mi patrón era uno: un LLM, un gran prompt y algunos mensajes de seguimiento. Si fallaba, retocar el prompt y repetir. El intensivo cambió esa mentalidad: dejó de verse a los agentes como prompts grandes y pasó a verlos como sistemas.

Conceptos que cambiaron mi forma de pensar: Primero, agentes no son chatbots. Un chatbot responde; un agente hace cosas. Los agentes reciben objetivos, eligen herramientas, llaman APIs y actualizan estados. Funcionan en el tiempo, no solo en una petición-respuesta. Segundo, herramientas y MCP ofrecen interoperabilidad por diseño. En lugar de pegar servicios y meter resultados en un prompt, MCP permite declarar herramientas, exponer sistemas externos como archivos o almacenes de notas y dejar que los agentes descubran y usen esas herramientas de forma consistente. Para mi caso esto hizo posible tratar algo como Obsidian como una herramienta de primera clase para leer y escribir contexto en lugar de codificar todo en prompts. Tercero, ingeniería de contexto: memoria no es historial completo. Hay contexto a corto y largo plazo, resúmenes, datos estructurados y lo que debe almacenarse externamente. Para planificación de pymes es crítico: la historia del fundador, supuestos claves, restricciones de caja, equipo y datos de mercado no deben ir en un único prompt sino en una estructura consultable. Cuarto, calidad, registros y evaluación: hay que registrar decisiones, llamadas a herramientas y trazar los flujos multi paso. Evaluación es parte del diseño. Eso significa revisar entradas y salidas de cada agente, detectar alucinaciones y chequear coherencia interna en secciones y supuestos financieros.

Superar la barrera del idioma: No trabajo en inglés. Los whitepapers, podcasts y notebooks estaban en inglés técnico. Para no abandonar construí una pila de aprendizaje impulsada por IA encima del curso. Con NotebookLM subí PDFs y pedí explicaciones en japonés de 5 a 7 minutos para entender estructura y puntos clave antes de regresar al original. Con Gemini pedí explicaciones de fragmentos de código y preguntas arquitectónicas: qué responsabilidad tiene una función, cómo encaja una clase en el flujo agentico o cómo limpiar una estructura multiagente. Esa combinación me permitió abordar un proyecto serio como capstone.

El capstone: AI STRATEGIC PLANNER para planes de negocio de pymes. Proyecto multiagente que transforma historia y URL en un plan estructurado. Resumen conceptual: Historia del fundador + URL + agentes IA = Tu propio BMC. Problema: los planes de negocio son carga cognitiva. Los fundadores conocen clientes y producto pero se bloquean ante plantillas rígidas y solicitudes de subsidios. Los asesores aportan perspectiva parcial; raramente cubren todo. Un equipo de agentes con roles complementarios resuelve ese problema.

Diseño: cuatro agentes, cuatro roles. Analista que lee la descripción y el sitio web para extraer clientes, propuesta de valor, fortalezas y debilidades. Estratega que propone estructura de modelo de negocio y redacta un primer Business Model Canvas. CFO que genera supuestos financieros aproximados y evalúa viabilidad básica. Editor jefe que convierte todo en un plan narrativo alineado con plantillas de subsidios. Cada rol refleja especialistas reales: analista junior, diseñador de negocio, financiero y redactor final. Gracias al curso pude formalizar esos roles como agentes con responsabilidades y memoria compartida.

Tecnología y arquitectura: Usé el Agent Development Kit de Google para definir y orquestar agentes, el Model Context Protocol para conectar agentes con herramientas externas y una capa de memoria simple para que agentes posteriores lean salidas previas. Los prompts y la ingeniería de contexto fueron específicos por rol y diseñados pensando en qué vería cada integrante humano si trabajara en equipo. Cada decisión respondió a la pregunta: si fuera un equipo humano, quién sería responsable y qué necesitaría ver.

Cómo evolucionó mi modelo mental: De ver agentes como prompts más grandes a verlos como LLMs que llaman sistemas externos, luego como flujos duraderos con memoria y observabilidad, y finalmente como equipos de trabajadores especializados donde arquitectura y evaluación importan tanto como el modelo. Ya no pienso solo en prompts, pienso en roles, herramientas, qué recordar y cómo medir comportamiento.

Aplicación práctica en mi trabajo: Estas ideas son aplicables ahora mismo al soporte a pymes. Posibles usos incluyen borradores interactivos de planes donde los fundadores hablan y los agentes estructuran y redactan, exploración de escenarios con agentes tipo CFO que construyen what if financieros, y reutilización de patrones exitosos como plantillas para industrias similares. Lo más importante es que los agentes dejaron de parecer futuristas y pasaron a ser la siguiente herramienta para hacer experto accesible a negocios pequeños.

Q2BSTUDIO y cómo podemos ayudar: En Q2BSTUDIO somos especialistas en desarrollo de software y aplicaciones a medida, inteligencia artificial para empresas, ciberseguridad y servicios cloud. Diseñamos soluciones a medida que integran agentes IA en flujos de negocio, desarrollamos aplicaciones a medida y plataformas con enfoque en seguridad y escalabilidad, y ofrecemos servicios cloud aws y azure para desplegar arquitecturas robustas. También trabajamos en inteligencia de negocio y Power BI para transformar datos en decisiones accionables y servicios de ciberseguridad y pentesting para proteger activos críticos.

Palabras clave y servicios: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi son parte del núcleo de lo que hacemos. Si buscas integrar agentes IA para automatizar la generación de planes, mejorar la evaluación financiera o crear workflows observables y auditables, podemos ayudarte a diseñar e implementar la solución adecuada.

Reflexión final: El intensivo convirtió agentes de buzzword a caja de herramientas práctica. Si un asesor de pymes en Japón sin ser desarrollador a tiempo completo pudo completar el curso y entregar un prototipo multiagente, muchas organizaciones pueden dar el salto. En Q2BSTUDIO estamos listos para acompañar ese trayecto, desde la definición de roles agenticos hasta la implementación en producción con garantías de seguridad, escalabilidad y valor empresarial.