Por Canuto  

Un formato tan simple como un archivo markdown podría estar convirtiéndose en una de las piezas más importantes de la infraestructura de IA. Según Nate B Jones, Anthropic, OpenAI y Microsoft ya se están alineando alrededor de las llamadas “skills”, un recurso que permitiría a agentes y equipos ejecutar tareas de forma más predecible, reutilizable y escalable.
***

  • Las “skills” pasaron de ser configuraciones personales a infraestructura organizacional para equipos y empresas.
  • El cambio clave es que ahora los principales usuarios de estas habilidades no son humanos, sino agentes de IA.
  • El archivo skill.md o skill.mmarkdown se perfila como una capa común para estandarizar flujos de trabajo en Claude, Copilot, ChatGPT y otras herramientas.

La idea de que un simple archivo de texto pueda cambiar la forma en que operan los sistemas de inteligencia artificial parece menor a primera vista. Sin embargo, esa es precisamente la tesis central planteada por Nate B Jones en Anthropic, OpenAI, and Microsoft Just Agreed on One File Format. It Changes Everything., donde sostiene que las llamadas “skills” ya no son un truco de productividad individual, sino una capa emergente de infraestructura para agentes y empresas.

En esencia, una skill es una carpeta con un archivo principal en markdown, diseñado para contener metadatos, instrucciones y metodología. Su función es dar a un modelo de lenguaje un contexto reutilizable para ejecutar una tarea con mayor consistencia. Lo que antes se resolvía mediante prompts copiados y pegados, ahora empieza a empaquetarse como una unidad persistente que puede ser leída tanto por humanos como por agentes de IA.

El punto central del análisis es que, desde octubre, el ecosistema cambió con rapidez. Jones afirma que las skills pasaron de ser configuraciones personales a convertirse en infraestructura organizacional. Ya no viven solo en la terminal ni en proyectos aislados. Según explica, hoy pueden desplegarse a escala en lugares como Claude, Copilot, Excel o PowerPoint, con control de versiones, disponibilidad en barras laterales y capacidad de ser invocadas dentro de flujos de trabajo empresariales.

Esa transición, en su lectura, obliga a repensar cómo se entiende la automatización basada en IA. Si una organización logra capturar su metodología en archivos legibles para agentes, deja de depender exclusivamente de lo que sus empleados recuerdan o improvisan. La experiencia operativa comienza a convertirse en un recurso documentado, portable y repetible.

De los prompts a una infraestructura reutilizable

Uno de los argumentos más relevantes es que el “caller”, es decir, quien invoca una skill, también cambió. En la etapa inicial, eran principalmente humanos quienes decidían cuándo usar una de estas herramientas. Ahora, según Jones, la mayoría de las llamadas a skills son realizadas por agentes, capaces de ejecutar cientos de invocaciones en una sola corrida.

Ese detalle altera por completo el diseño. Cuando una persona detecta un error, puede corregir el rumbo en tiempo real. Pero si un agente falla durante un proceso automatizado, el resultado puede escalar sin una intervención inmediata. Por eso, el autor insiste en que las skills deben diseñarse con mentalidad “agent first”, es decir, pensando desde el inicio en cómo serán descubiertas, interpretadas y encadenadas por sistemas autónomos.

La comparación con los prompts también es directa. Los prompts siguen siendo útiles, pero Jones los describe como bloques básicos. En cambio, las skills tendrían una propiedad clave: se acumulan y mejoran con el tiempo. Una organización puede afinarlas, versionarlas y reutilizarlas en nuevos procesos, algo que no ocurre igual con instrucciones sueltas dispersas en chats o librerías personales.

En ese sentido, las skills empiezan a parecerse más a componentes operativos que a simples textos auxiliares. Funcionan como una memoria estructurada del trabajo bien hecho, y por eso tendrían un valor creciente a medida que las empresas adoptan agentes para tareas más complejas.

Qué son exactamente y cómo se construyen

Jones resume la estructura mínima de una skill de forma muy concreta. Se trata de una carpeta con un archivo obligatorio, llamado skill.mmarkdown, que contiene dos partes: metadatos al inicio y la metodología o instrucciones debajo. Aunque el formato es simple, subraya que su potencia radica en que puede aplicarse a casi cualquier actividad donde se necesite contexto y resultados relativamente predecibles.

Entre los usos más comunes menciona el llamado “specialist stack” en Claude. Allí, un desarrollador puede cargar un conjunto de skills donde una convierte instrucciones vagas en un PRD, otra descompone ese PRD en issues de GitHub y otra ayuda a redactar pruebas para el código. La idea es que el agente ya no requiera indicaciones expertas paso a paso, porque esa especialización está embebida en los archivos.

El concepto también se extiende fuera del desarrollo de software. Jones cita el caso de un operador inmobiliario identificado en X como Texas Paintbrush, quien habría construido más de 50.000 líneas de skills distribuidas en 50 repositorios. Esas skills cubren estandarización de rent rolls, análisis de comparables, manejo de flujo de caja y protocolos de traspaso entre miembros del equipo, entre otras tareas operativas.

Según el análisis, ese tipo de documentación no solo ayuda a los agentes. También mejora la incorporación de nuevos empleados, porque la metodología deja de depender de la memoria informal del personal senior y pasa a vivir en un repositorio consultable.

Otro patrón mencionado es el de las skills orquestadoras. En comunidades técnicas, explica Jones, ya se documentan casos donde una skill maestra analiza una solicitud entrante y deriva subtareas a distintos subagentes. Un pedido de alto nivel podría dividirse en investigación, código, interfaz o documentación, siempre que existan skills bien descritas para cada fase.

Los errores más comunes y las reglas que más importan

El análisis insiste en que la descripción de la skill es el punto donde muchas fracasan. Una frase vaga como “ayuda con análisis competitivo” aporta poco contexto y puede hacer que el sistema no la active cuando corresponde, o que la active en situaciones imprecisas. La recomendación es usar descripciones específicas, con tipos de documentos, frases disparadoras y formato de salida esperado.

Hay incluso una limitación técnica puntual. Jones advierte que la descripción debe permanecer en una sola línea. Si un formateador de código la parte en dos, Claude podría dejar de leer correctamente la segunda parte, afectando el comportamiento de la skill.

En el cuerpo metodológico propone cinco elementos centrales. Primero, incluir razonamiento y no solo una lista de pasos. Segundo, definir claramente el formato de salida. Tercero, documentar casos límite que un humano resolvería por sentido común. Cuarto, añadir ejemplos que sirvan de referencia. Y quinto, mantener el archivo principal lo más austero posible, idealmente entre 100 y 150 líneas para evitar inflar el contexto innecesariamente.

La distribución del esfuerzo también es llamativa. Jones sugiere dedicar cerca del 80% de la atención a la descripción, porque de ella depende que la skill se active correctamente. El 20% restante debería concentrarse en la claridad del razonamiento general y en instrucciones suficientes para que el modelo sepa moverse en el dominio sin perder flexibilidad.

Diseñar para agentes, no solo para humanos

Cuando el usuario principal es un agente, la descripción deja de ser una etiqueta y se convierte en una señal de enrutamiento. Debe reflejar con precisión el objetivo que el agente busca cumplir. En otras palabras, la redacción de esa línea inicial influye en la forma en que el sistema decide qué skill usar dentro de un flujo más amplio.

Además, Jones sostiene que los agentes necesitan “contratos”. La salida de una skill debería expresarse como un acuerdo declarativo: qué entrega, qué no entrega, qué campos controla y en qué parte del proceso puede ser útil. La analogía que usa es la de un contrato de API, donde cada componente debe dejar claro qué promete y bajo qué condiciones.

También enfatiza la composabilidad. Una skill no debe pensarse solo como respuesta final a un problema, sino como una pieza dentro de una cadena más larga. Si un agente entrega el resultado a otro agente o a otra etapa del flujo, la salida debe estar preparada para ese traspaso. De lo contrario, surgen quiebres en el proceso y pérdidas de confiabilidad.

Hay, no obstante, un límite importante. Si lo que se busca es comportamiento totalmente rígido y determinista, Jones recomienda no usar skills, sino scripts. Las skills están escritas en lenguaje natural y se apoyan en la flexibilidad del modelo. Para tareas donde no puede haber ambigüedad, considera más apropiado recurrir a herramientas programáticas tradicionales.

Cómo podrían organizarse dentro de las empresas

Para equipos y organizaciones, Jones propone una estructura en tres niveles. El primero corresponde a skills estándar, como voz de marca, reglas de formato o plantillas aprobadas. Son aquellas que se repiten de forma consistente en toda la organización y pueden desplegarse ampliamente desde cuentas empresariales.

El segundo nivel lo integran las skills metodológicas. Aquí entra el trabajo de alto valor que suele dominar un grupo pequeño de expertos. La idea es capturar en archivos reutilizables aquello que a un nuevo integrante le tomaría meses aprender de forma informal. Este tipo de conocimiento, según el autor, suele estar disperso en las cabezas de practicantes senior y por eso representa una fuente importante de ventaja competitiva.

El tercer nivel está formado por skills de flujo de trabajo personal. Son herramientas que resuelven tareas del día a día para individuos o pequeños equipos. Aunque podrían parecer privadas o menores, Jones advierte que no conviene dejarlas escondidas en una laptop o carpeta local. Si alguien se ausenta, ese conocimiento puede perderse temporalmente y afectar la operación.

Su propuesta final es tratar las skills como una forma de codificar experiencia. No reemplazan toda la capa de contexto de una empresa, pero sí pueden capturar muchas de las acciones y procesos que deben ejecutarse de manera confiable por humanos o por agentes.

Un estándar abierto aún en construcción

Otro elemento llamativo del análisis es la dimensión comunitaria. Jones sostiene que, a diferencia de otros tipos de ventaja técnica que suelen mantenerse cerrados, en el ecosistema de skills hay un intercambio constante de ejemplos, plantillas y buenas prácticas. Lo describe como un ambiente donde las personas “intercambian skills como tarjetas de béisbol”.

Ese comportamiento tendría una razón práctica. Las mejores prácticas todavía no están plenamente establecidas y deben descubrirse con experimentación colectiva. Por eso, el autor impulsa un nuevo repositorio comunitario integrado a OpenBrain, orientado a reunir skills específicas para trabajo de conocimiento, desde análisis competitivo y revisión de modelos financieros hasta redacción de deal memos, síntesis de investigación y síntesis de reuniones.

Jones recuerda además que Simon Willison había planteado en octubre que las skills podrían terminar siendo más importantes que MCP. Su lectura actual es que esa tesis todavía podría cumplirse, pero solo si la industria desarrolla mayor fluidez para construir habilidades realmente legibles por agentes y útiles para operaciones concretas.

En su visión, el punto decisivo es que las skills persisten y se perfeccionan. A diferencia del prompt aislado, que desaparece cuando termina una conversación, una skill queda como registro durable de una ejecución exitosa. Si ese archivo se mejora con el tiempo, no solo sirve a los modelos actuales, sino también a agentes más capaces en el futuro.

En un momento en que empresas tecnológicas y equipos de conocimiento buscan más productividad con IA, ese detalle puede ser determinante. Si Anthropic, OpenAI y Microsoft efectivamente convergen en torno a este tipo de formato, el archivo markdown humilde podría convertirse en una de las piezas silenciosas más importantes de la próxima capa operativa de la inteligencia artificial.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados