Esto empezó como un setup para videollamadas.
Tenía un iPad mini guardado que casi no usaba, y quería convertirlo en algo más deliberado: una estación pequeña y portátil para reuniones. Cámara externa. Mejor audio. Iluminación decente. Un hub USB-C. Batería suficiente para correr horas sin depender de un enchufe.
Al principio el problema parecía físico. ¿Cómo hago que la cámara, el micrófono, la luz, el hub, la batería y el iPad se comporten como un solo sistema? ¿Cómo monto todo de forma limpia? ¿Cómo lo hago lo bastante portátil para llevarlo a un hotel, a una reunión con un cliente o a otro cuarto sin rearmar el setup cada vez?
Quería el mismo encuadre, la misma luz, el mismo sonido, la misma interfaz. Un entorno repetible.
Pero mientras lo diseñaba, me di cuenta de que el hardware estaba resolviendo un problema mucho más interesante.
La laptop se vuelve una interfaz
Cada vez trabajo más con agentes que no se comportan como asistentes de código de vida corta.
Algunas sesiones corren durante períodos largos. Otras despiertan con un horario. Algunas reaccionan a tickets, comentarios, builds u otros eventos. Algunas corren loops buscando trabajo útil. Otras operan contra objetivos durante 24 o 36 horas seguidas.
Mientras más persistente se vuelve la arquitectura, menos útil resulta pensar en mi laptop como el lugar donde ocurre el trabajo.
La laptop se vuelve una interfaz.
El trabajo real puede ocurrir en otro lado: en una máquina host, en un servidor, en entornos en la nube, dentro de repositorios, a través de sistemas de tickets, monitores, agentes, pipelines y ciclos de revisión.
Eso me llevó a una pregunta simple. Si la arquitectura de software puede seguir trabajando mientras yo estoy lejos de la computadora, ¿por qué mis reuniones siguen dependiendo tanto de que yo esté frente a la computadora?
Yo soy la capa de integración
Eso empezó a sentirse como un cuello de botella.
Puedo tener agentes corriendo continuamente, pero yo sigo teniendo una reunión, cierro la llamada, abro la laptop, escribo notas, copio contexto, creo un ticket, explico la conversación otra vez, apunto un agente al repositorio correcto, y luego espero a que el sistema retome donde la conversación humana terminó.
Ahí hay una discontinuidad.
La reunión ocurre en un mundo. El sistema de trabajo vive en otro. Y yo soy la capa de integración.
Eso es lo que quiero quitar.
Un arnés físico de agentes
El setup que estoy construyendo empezó a tener más sentido cuando dejé de pensarlo como un rig de video y empecé a pensarlo como un arnés físico de agentes.
Un arnés físico de agentes es la frontera de hardware entre la actividad humana y un sistema agéntico.
En mi caso, empieza con la reunión.
Me siento frente al iPad. La cámara, el micrófono y la luz ya están configurados. El entorno es el mismo esté en mi oficina o de viaje. Tomo la llamada.
La conversación se transcribe. Un sistema como Granola puede capturar la reunión, y un agente conectado a través de su MCP puede empezar a hacer algo más útil que simplemente producir notas.
Puede entender a qué pertenece la reunión.
Esta fue una conversación con el Cliente A. Pertenece a este workspace. Se tomaron estas decisiones. Se crearon estos compromisos. Esto tiene que volverse un ticket. Esta parte va a la memoria del proyecto. Este documento hay que actualizarlo. Esta acción debería despertar a otro agente.
La reunión deja de ser un texto que tengo que procesar después. Se vuelve un evento. Y ese evento entra a la misma infraestructura donde ya ocurre el resto del trabajo.
De la conversación a la ejecución
Una transcripción puede aterrizar en un repositorio bajo algo como /docs/meetings/. Un proceso de monitoreo la detecta. Un agente la lee usando un skill especializado. Extrae decisiones y tareas. Esas se vuelven tickets. Los tickets se etiquetan. Otro entorno de agentes reacciona a esas etiquetas.
Un agente puede actualizar documentación. Otro puede trabajar en la implementación. Otro puede revisar el trabajo resultante. Una sesión de monitoreo puede seguir vigilando el ticket por cambios.
La conversación se vuelve ejecución. Esa es la transición que me importa.
El arnés físico captura la parte del mundo que los agentes normalmente no pueden ver: conversaciones humanas, intención, contexto, decisiones, relaciones, matices.
El arnés de software se encarga de lo que pasa después.
El hardware, reconsiderado
Una vez que empecé a pensarlo así, el diseño del hardware también cambió.
La batería no está ahí sólo porque quiero una webcam portátil. Quiero que el sistema pueda operar de forma independiente durante períodos largos.
El iPad no es sólo una pantalla pequeña. Es una superficie de control ligera.
La cámara no es sólo para verme mejor en una llamada. Es parte de un entorno de captura estandarizado.
El micrófono no es un simple accesorio de audio. Es un sensor de entrada para un sistema persistente de conocimiento y ejecución.
Incluso el hecho de que el setup se pueda mover importa.
Quiero poder llevar la misma interfaz física conmigo. Oficina. Hotel. Airbnb. Sitio del cliente. Otro país.
El cuarto cambia. La arquitectura no.
Eso significa que puedo empezar a separar mi capacidad de producir trabajo de mi ubicación física. Los sistemas pesados pueden quedarse en casa o en la nube. Mi máquina personal puede seguir siendo ligera.
Si necesito interactuar con el host, me conecto por VPN o por terminal. Si necesito asignar trabajo, creo un ticket. Si necesito inspeccionar algo, reviso el resultado.
Y si necesito generar contexto nuevo, tengo una conversación.
Subir de nivel
Esto se vuelve especialmente interesante cuando el propio sistema de agentes se vuelve persistente.
Imagina una máquina host corriendo una colección de entornos especializados. Algunos agentes despiertan a las 9:00 AM y revisan tickets. Algunos vigilan comentarios. Algunos monitorean repositorios o despliegues. Algunos operan continuamente en loops. Algunos trabajan contra objetivos de más largo plazo.
El sistema no requiere que yo esté sentado viéndolo.
Mi responsabilidad se mueve gradualmente hacia arriba. En lugar de ejecutar cada paso, defino la intención. Reviso el output importante. Tomo decisiones. Hablo con la gente. Intervengo cuando hace falta juicio.
Siempre habrá cosas difíciles de automatizar. La revisión de UX es un buen ejemplo. Un agente puede revisar código, correr pruebas, comparar capturas de pantalla, inspeccionar el comportamiento del navegador e incluso usar un navegador directamente, pero aun así puede pasar por alto algo que a un humano le parece obviamente mal.
La respuesta, sin embargo, no es necesariamente que yo tenga que hacer toda la revisión de UX personalmente para siempre. Puedo construir otra sonda. Un agente de revisión de diseño con navegador. Un revisor de frontend. Otra capa en el arnés.
El punto no es que todo se vuelva completamente autónomo de un día para otro. El punto es que cada frontera manual repetida se vuelve candidata a sistematizarse.
Y las reuniones son una de las fronteras más grandes que todavía veo.
Si puedo automatizar el 90% del trabajo pero cada conversación importante todavía requiere que yo traduzca a mano lo que pasó en tickets, contexto, memoria e instrucciones para agentes, entonces yo sigo siendo el cuello de botella.
El arnés físico de agentes es mi intento de quitar ese cuello de botella.
El punto de llegada
El punto de llegada al que apunto es sorprendentemente simple.
Tomo la reunión. Explico lo que pienso. Tomo la decisión. Cuelgo.
Y la arquitectura continúa.
La transcripción llega a donde pertenece. La memoria se actualiza. El ticket aparece. Los agentes correctos despiertan. El trabajo avanza.
Para cuando vuelvo al sistema, no estoy reconstruyendo la conversación. Estoy revisando lo que pasó a causa de ella.
Esa es la parte que me emociona.
La meta no es realmente el trabajo remoto. El trabajo remoto todavía asume que cargo el lugar de trabajo conmigo. Esto se parece más a quitar el requisito de que el lugar de trabajo me siga a todas partes.
El entorno computacional se queda donde está. Los agentes siguen corriendo. La infraestructura sigue viva.
Yo cargo sólo la interfaz. Una computadora ligera. Una cámara. Un micrófono. Una batería. Y un pequeño arnés físico que convierte mi presencia en el mundo en input estructurado para un sistema que puede seguir trabajando después de que me voy.
El objeto puede parecer un rig portátil de video.
Pero cada vez menos lo veo así.
Lo veo como el nodo de borde de mi arquitectura de agentes, el que mira hacia el humano.