Open Engine: cómo automatizar los traspasos entre agentes de IA sin ser ingeniero

Por Nate (Nate's Substack).

El artículo parte de una observación cotidiana pero reveladora: cuando terminas una llamada con un cliente, el trabajo real apenas empieza su propio «viaje». La transcripción va a Claude para extraer los argumentos clave; Codex modifica el archivo de código correspondiente; ChatGPT relee el borrador resultante; un agente de navegador verifica que la página se haya renderizado correctamente; Slack recoge la conversación, Linear registra la tarea y el calendario decide si algo de eso sobrevivirá la tarde. Nate lo resume con precisión: no son siete trabajos distintos, sino uno solo cruzando siete sistemas.

El problema central no está en la capacidad de ninguno de los modelos. Está en el «aburrido intermedio» entre ellos: el momento en que el resultado de una herramienta tiene que convertirse en la tarea de la siguiente, con las fuentes relevantes adjuntas, los límites de acción visibles y un rastro suficiente para que la siguiente persona o agente no tenga que releer un chat enorme para ponerse al día. Hoy en día, ese eslabón intermedio es una persona. La capa de integración eres tú.

Nate distingue dos tipos de usuarios avanzados. Por un lado están los ingenieros, que pueden cablear las herramientas con APIs, arneses personalizados y cron jobs, una opción que se vuelve más accesible cada mes. Pero esa no es una solución para el resto del mundo, ni siquiera para un equipo pequeño. Por otro lado están los usuarios serios no técnicos: aquellos que conocen bien Claude, Codex, un agente local, y que no quieren «coronar a un favorito y fingir que el resto del mundo desapareció». Su problema no es la falta de herramientas potentes, sino la fricción entre ellas.

El autor ilustra el problema con el caso real de una directora de producto que tiene una agencia y un recién nacido. Usa Claude Code, tiene bucles y automatizaciones, ha explorado OpenClaw. No es principiante. Pero cuando una llamada de cliente colisiona con una cita médica del bebé, el alcance del producto aún tiene que avanzar, el equipo necesita saber qué cambió, y ella es quien copia y pega el estado de su vida entre cinco herramientas mientras sostiene al bebé. Según Nate, esa es exactamente la carga que Open Engine pretende quitarle: no el juicio, no el criterio, sino los traspasos alrededor de ellos.

Open Engine es el sistema que el propio Nate lleva usando para publicar contenido, organizar su vida, mudarse de casa y coordinar con su equipo. Lo publica ahora porque, en su opinión, el próximo problema real de la IA no es «qué modelo es el más inteligente», sino si el trabajo puede moverse entre modelos en absoluto.

El contenido del producto se organiza en varios bloques:

**Open Engine en sí.** La construcción que Nate usa realmente, empaquetada como plantillas de copiar y pegar que se entregan al agente de IA que ya utilizas, de modo que puedas tener un bucle funcionando el mismo día.

**El traspaso, no el modelo.** Una tesis sobre por qué lo que falla nunca es «¿puede el agente hacerlo?» sino «¿puede el trabajo sobrevivir el viaje a la siguiente herramienta?». Este es el cambio de perspectiva central del sistema.

**La versión mínima útil.** Una lista de tareas compartida y un registro de tarea de siete partes que transportan el trabajo entre herramientas, de modo que una buena respuesta deje de morir en un chat privado. La idea es que el contexto y el estado sobrevivan al cambio de herramienta sin intervención humana.

**La auditoría de un solo bucle y la construcción de 30 minutos.** Nueve preguntas que convierten un traspaso problemático en una tarea que un agente puede reclamar, pausar, reanudar y terminar con evidencia. Es el núcleo operativo del sistema para usuarios que quieren empezar rápido.

**El recibo (the receipt).** Un vocabulario corto que mantiene a un agente responsable una vez que la ejecución termina, de modo que «hecho» deje de significar «ahora ve a auditarlo tú mismo». Se trata de crear trazabilidad post-ejecución sin esfuerzo manual.

**Equipos y el panorama del sector.** Cómo el agente de una persona le entrega trabajo real al agente de otra persona, y dónde se sitúa Open Engine respecto a herramientas comparables como OpenClaw, Hermes y Symphony.

Como contexto del sector, la orquestación multi-agente es uno de los temas más activos en el ecosistema de IA aplicada en 2025-2026. Frameworks como LangGraph, CrewAI o AutoGen abordan problemas similares desde una perspectiva más técnica. Lo que propone Nate apunta a un nicho diferente: usuarios avanzados no ingenieros que ya tienen varios agentes en su flujo de trabajo pero carecen de una capa de coordinación accesible.

El artículo cierra con una invitación directa: empezar donde todos lo sienten primero, el momento en que el trabajo tiene que abandonar una herramienta y aterrizar en la siguiente.