Construí un equipo directivo de 6 agentes de IA para gestionar mis 15 proyectos paralelos

Tengo 15 proyectos paralelos activos y un trabajo de ingeniería a tiempo completo.

Las cuentas no salen — a menos que delegues.

Así que construí un equipo directivo de 6 agentes de IA. Cada uno tiene su propio dominio, personalidad y conjunto de habilidades. Lo llamo mi Executive Cabinet.

El equipo

Mi rol como Commander

Me enfoco solo en cuatro cosas:

• Decisiones estratégicas — qué construir, qué eliminar
• Ser la cara visible — presentaciones, networking, relaciones
• Construir relaciones — alianzas, colaboraciones
• Validar ideas — probar hipótesis con usuarios reales

Todo lo demás se delega. Código, procesamiento de inbox, posts de blog, seguimiento de objetivos, investigación de competencia — todo agentes.

Cómo funciona en la práctica

Envío un mensaje (generalmente por Telegram). Maya lo clasifica por dominio y lo enruta al agente correcto.

Un día típico:

• Mañana: Maya + Sage hacen la revisión diaria y establecen prioridades
• Mediodía: Viktor revisa PRs, Luna redacta contenido
• Noche: Maya genera un informe, Marco revisa los objetivos semanales

Cada agente corre en su propia sesión de tmux con un git worktree aislado. Entregan pull requests, no solo commits locales. Todo es revisable.

El stack tecnológico

Nada propietario. Ninguna plataforma personalizada.

• Claude Code (Opus) — el cerebro
• Archivos Markdown — definiciones de habilidades, prompts, contexto
• Git worktrees — aislamiento por tarea de agente
• Tmux — sesiones de agentes en paralelo
• Notion — tablero Kanban para seguimiento
• Telegram — interfaz de entrada

Gobernanza: Sociocracy 3.0

El equipo sigue patrones de S3:

• Dominios claros — cada agente es responsable de un área específica
• Decisiones basadas en consentimiento — nadie anula el dominio de otro
• Trabajo basado en drivers — cada tarea empieza con el "por qué" (tensión, driver, requisito, respuesta)
• Responsabilidad — los agentes deben entregar PRs, no solo actualizaciones de estado

Lo que aprendí

1. Los agentes necesitan estructura, no libertad. Prompts vagos producen resultados vagos. Cada agente tiene un archivo de habilidades detallado con procesos paso a paso.
2. Disparar y olvidar supera al micromanagement. Despacho tareas y reviso resultados después con un comando /scrum que lee todos los logs de agentes.
3. El patrón de inbox lo es todo. Un comando (/inbox: <tarea>) crea un worktree, escribe un prompt, lo lanza en tmux y registra todo para reintentos.
4. La personalidad importa. Darles nombres y dominios a los agentes no es solo divertido — crea enrutamiento claro y responsabilidad.

Pruébalo tú mismo

Todo el sistema funciona con Claude Code y archivos de habilidades en Markdown. No se necesita infraestructura especial. Visita Ikigai Team para ver el sistema completo y empezar.

También grabé un video de 7 minutos recorriendo la configuración desde mi espacio de trabajo en Apple Vision Pro. Míralo arriba o en YouTube.

¿Cuál es tu enfoque para gestionar múltiples proyectos con IA? Me encantaría saber cómo lo hacen otros. Encuéntrame en X o deja un comentario en el video de YouTube.

Este equipo de agentes es uno de los proyectos construidos en Learn By Doing Academy. Los estudiantes aprenden a construir sus propios sistemas de agentes IA como parte del programa.