اينٿروپڪ جي ايجنٽ صلاحيتون: انٽرپرائز ۾ اي آءِ ايجنٽن لاءِ نئون کليل معيار

La industria de la inteligencia artificial empresarial está viviendo un pequeño terremoto con el movimiento de Anthropic y su propuesta Agent Skills. Lejos de lanzar otra función cerrada, la compañía ha optado por publicar una especificación abierta que permite a cualquier organización definir, compartir y gobernar habilidades de IA de forma estandarizada, algo especialmente relevante para empresas europeas que operan en entornos regulados.

En la práctica, esto significa que los asistentes de IA dejan de depender de prompts improvisados y pasan a trabajar con bibliotecas de “skills” estructuradas, versionables y auditables, que pueden reutilizarse en múltiples equipos, aplicaciones y proveedores. Para las compañías en España y en el resto de Europa que ya están probando agentes de IA en legal, finanzas o atención al cliente, este enfoque promete más control, menos “magia negra” y una integración más ordenada con sus sistemas internos.

¿Qué es Agent Skills y por qué marca un antes y después en la IA empresarial?

Agent Skills es, en esencia, un marco común para enseñar a los agentes de IA tareas de trabajo muy concretas, empaquetando el conocimiento en módulos independientes. Cada skill es una carpeta o paquete con instrucciones paso a paso, scripts, ejemplos de uso y recursos específicos que indican a modelos como Claude cómo actuar en un contexto profesional determinado: generar un informe financiero conforme a normativa, preparar una presentación con la guía de marca, o tramitar un reembolso según la política de una compañía.

Frente al enfoque clásico de “pedirle cosas” al modelo con prompts largos, las organizaciones pueden crear colecciones internas de skills que reflejen sus procesos reales. Esas bibliotecas se comparten entre equipos, se revisan como si fueran código y se integran en las herramientas que ya se usan en el día a día. Para muchas empresas europeas, este planteamiento encaja mejor con sus necesidades de cumplimiento normativo, gobernanza de datos y trazabilidad.

Un cambio importante es que Anthropic no se limita a usar Agent Skills dentro de su propio ecosistema: la especificación se publica como estándar abierto, de forma similar a lo que la compañía hizo con su Model Context Protocol (MCP), hoy ampliamente adoptado para conectar agentes con servicios externos. Cualquier proveedor, ya sea un gigante cloud o una empresa de software sectorial en la UE, puede implementar y extender el estándar sin quedar atado a un único proveedor.

En un mercado donde conviven modelos de OpenAI, Google, Anthropic y otros actores, disponer de un lenguaje común para describir habilidades de los agentes apunta a reducir la dependencia de plataformas propietarias y a facilitar migraciones o despliegues híbridos, algo cada vez más valorado por bancos, aseguradoras o administraciones públicas europeas.

Cómo funcionan las Agent Skills y qué problema resuelven

Las Agent Skills se plantean como módulos encapsulados que viven entre el modelo de lenguaje y los sistemas internos. El modelo sigue siendo el que entiende, razona y conversa, pero cuando tiene que “hacer cosas” concretas —consultar un saldo, abrir un ticket en Jira, generar un informe regulatorio— recurre a la skill adecuada, que define con precisión cómo proceder.

Cada skill suele incluir un archivo de definición (como el conocido SKILL.md) donde se describen, en un formato mixto de YAML y texto estructurado, el nombre de la habilidad, los pasos a seguir, los parámetros permitidos, ejemplos de uso y las herramientas o APIs que puede invocar. Los pasos sensibles no se dejan al azar: se implementan como código determinista que llama a servicios empresariales, mientras que el modelo se centra en la parte conversacional y de decisión.

Para mejorar la eficiencia, Anthropic ha incorporado un diseño de “divulgación progresiva”: el asistente no carga todos los detalles de todas las skills en su contexto, sino que solo accede a la información completa cuando realmente la necesita. De este modo, una organización puede tener una biblioteca muy amplia sin saturar la memoria del modelo, algo especialmente útil en entornos complejos como bancos, telcos o grandes retailers europeos.

Otro componente habitual es el llamado agente orquestador, que actúa como supervisor: recibe la petición del usuario, detecta la intención, decide qué combinación de skills y herramientas es necesaria y las secuencia. Una simple consulta de facturación puede activar una skill de clarificación de intención, otra de “explicar mi factura” y, por debajo, una herramienta que consulta los sistemas de facturación sin que el usuario tenga que conocer esa complejidad.

En este enfoque, las skills se convierten en el tejido de ejecución de los agentes: el plano conversacional se mantiene flexible, mientras que los procedimientos quedan definidos, reutilizables y sometidos a control de calidad. Esto corrige una de las grandes carencias de los primeros bots y asistentes basados en IA, cuya conducta era difícil de auditar y cambiaba de forma impredecible cuando se modificaban los prompts.

Apertura, estándar y primeras adopciones del ecosistema

El paso más llamativo de Anthropic ha sido publicar la especificación técnica de Agent Skills y su SDK como estándar abierto a través de agentskills.io, invitando a que la comunidad y otros proveedores la adopten y la evolucionen. Este movimiento sigue la estela del MCP, que recientemente ha pasado a estar gestionado por la Linux Foundation dentro de la ايجنٽڪ اي آءِ فائونڊيشن, en la que participan actores como AWS, Google, Microsoft o Block.

En torno a Agent Skills ya se observa una adopción temprana por parte de grandes tecnológicas. Herramientas como Microsoft VS Code, GitHub y agentes de codificación como Cursor o OpenCode han incorporado la arquitectura de skills para definir flujos de trabajo de desarrollo. El propio OpenAI ha introducido en ChatGPT y en su CLI para desarrolladores estructuras muy similares, con directorios de capacidades que recuerdan al planteamiento de Anthropic, lo que apunta a cierta convergencia del sector hacia este tipo de modularidad.

En paralelo, compañías de software empresarial de referencia —Atlassian, Figma, Stripe, Canva, Notion, Cloudflare, Zapier o Ramp, entre otras— están publicando sus propias skills para conectar sus productos con agentes de IA. Estas habilidades permiten, por ejemplo, crear tareas en Jira o Trello siguiendo convenciones internas, aplicar estilos de marca en diseños de Figma o automatizar flujos de marketing sin necesidad de integraciones ad hoc para cada cliente.

La comunidad de desarrolladores también se está sumando: el repositorio de skills de Anthropic ha acumulado decenas de miles de estrellas en GitHub y ya existen miles de skills compartidas públicamente, que abarcan desde utilidades para manipular PDFs hasta automatizaciones específicas para equipos de ingeniería o equipos financieros.

Este ecosistema es especialmente interesante para empresas europeas que utilizan de forma intensiva herramientas como Atlassian, Microsoft 365 o Figma y desean que sus agentes de IA trabajen con ellas respetando políticas internas, normativas sectoriales y requisitos de privacidad como el RGPD, sin depender de extensiones opacas de un solo proveedor.

De herramienta para desarrolladores a infraestructura empresarial

Cuando Anthropic introdujo estas capacidades en octubre, las skills se percibían sobre todo como una utilidad para desarrolladores y entusiastas del código. A través de un “skill-creator” interactivo en Claude, los propios usuarios podían generar la estructura de carpetas y el SKILL.md necesario para automatizar flujos concretos, sin grandes despliegues de ingeniería.

Con la actualización reciente, la compañía ha dado un giro hacia la empresa: Agent Skills se integra ahora con herramientas de administración organizacional, un directorio central de habilidades y funciones de gestión pensadas para responsables de TI y equipos de seguridad. La idea es que las skills dejen de ser experimentos dispersos y pasen a convertirse en activos estables, documentados y gobernados como parte de la infraestructura de IA corporativa.

En organizaciones suscritas a los planes Team y Enterprise de Claude, las skills pueden gestionarse desde un panel central, donde los administradores deciden qué habilidades se aprovisionan a cada grupo de usuarios, cuáles vienen activadas por defecto y cuáles requieren opt-in. Esta capa de control permite alinear el uso de agentes con las políticas internas, algo clave para sectores altamente regulados en Europa, como salud, seguros o banca.

Además, Anthropic ha abierto un Skill Directory de socios comerciales que funciona como catálogo de habilidades listas para usar, con contribuciones de empresas como Atlassian, Canva, Figma, Notion, Cloudflare, Stripe, Zapier o Sentry. Para muchas pymes y grandes compañías europeas, este tipo de repositorio agiliza los pilotos: en lugar de construir todo desde cero, pueden empezar con skills ya testeadas y adaptarlas a sus procesos.

Todo ello apunta a que, más que una simple característica de producto, Agent Skills está evolucionando hacia una capa de infraestructura sobre la que construir agentes y aplicaciones de IA, en la línea de lo que supuso la estandarización de APIs en su momento: un lenguaje común sobre el que diferentes herramientas pueden cooperar.

Productividad, casos de uso y beneficios para empresas europeas

Los primeros despliegues reales muestran que la adopción de Agent Skills no se queda en teoría. Equipos de ingeniería han reportado aumentos de productividad de hasta un 50% gracias a la automatización de tareas repetitivas y a la estandarización de flujos como la revisión de código, la documentación técnica o la generación de pruebas.

En el ámbito financiero y contable, las skills permiten codificar procedimientos regulados: desde comprobaciones previas a la emisión de un informe, hasta controles de cumplimiento que se ejecutan automáticamente antes de aprobar determinados movimientos. Para empresas españolas sujetas a normativa europea —como MiFID II en servicios de inversión o Solvencia II en seguros—, poder trasladar esas reglas a skills auditables es una ventaja frente a prompts poco estructurados.

En operaciones y back office, las organizaciones están usando bibliotecas de skills para compartir conocimiento institucional: aquello que antes solo conocían unos pocos empleados veteranos, ahora se plasma en módulos que un agente o un nuevo trabajador pueden seguir paso a paso, reduciendo la dependencia de personas concretas y acelerando la formación interna.

Incluso se han probado experimentos más ambiciosos, como el proyecto interno de Anthropic para gestionar una pequeña tienda de merchandising con agentes equipados con skills para inventario, ventas o atención al cliente. Aunque seguía habiendo supervisión humana en los casos límite, las pruebas apuntan a que los agentes equipados con skills bien diseñadas pueden ejecutar tareas de punta a punta en entornos controlados.

En el contexto europeo, donde la Comisión y los reguladores nacionales empiezan a exigir más transparencia y control sobre los sistemas de IA, este enfoque modular facilita la evaluación de riesgos: cada skill puede documentarse, testearse y certificarse de forma independiente, mientras que el modelo general se utiliza como capa de razonamiento y lenguaje natural.

Riesgos, gobernanza y escepticismo en torno al estándar

La apertura de Agent Skills no está exenta de riesgos. Al permitir que cualquiera publique y comparta habilidades, existe la posibilidad de que surjan skills maliciosas o de baja calidad, con instrucciones que conduzcan a errores, incumplimientos normativos o incluso fugas de información si se conectan a sistemas sensibles.

Anthropic aconseja a las empresas que limiten la adopción de skills a fuentes auditadas y desarrolladores verificados, y que integren la revisión de estas capacidades en sus procesos habituales de seguridad y cumplimiento. La compañía también participa en debates con la comunidad sobre quién y cómo debe gestionar la evolución del protocolo abierto a largo plazo, una cuestión importante si se quiere evitar que el estándar quede capturado por un solo actor.

Otro debate en marcha es el impacto sobre las habilidades humanas dentro de las organizaciones. A medida que los agentes automatizan procedimientos completos, algunos expertos advierten del riesgo de “atrofia” de competencias: si un equipo se acostumbra a que la IA prepare siempre los informes, presente reclamaciones o gestione procesos de atención al cliente, puede perder la destreza para hacerlo manualmente cuando algo falle.

Analistas del sector también señalan que, aunque MCP se ha convertido en un estándar de facto, no está garantizado que Agent Skills repita el mismo éxito. Las organizaciones ya están acostumbradas a trabajar con APIs y firmas de comunicación estandarizadas, y existen múltiples formas de enseñar capacidades a los agentes. En otras palabras, las bondades técnicas de Agent Skills no bastan por sí solas para asegurar una adopción masiva.

Para las empresas europeas, acostumbradas a operar en ecosistemas multivendedor, este escepticismo se traduce en prudencia: muchas están experimentando con Agent Skills en proyectos piloto, pero manteniendo en paralelo estrategias propias de orquestación y gobierno de agentes, con capas de control que se sitúan por encima de cualquier estándar puntual.

Ventajas estratégicas para founders y CTOs de startups en España y Europa

Más allá de las grandes corporaciones, Agent Skills abre una ventana interesante para startups tecnológicas y scaleups europeas. Para muchos equipos fundadores, el verdadero diferenciador ya no es limitarse a usar el “mejor modelo” del mercado, sino codificar su propio know-how en forma de skills propietarias que capturen sus procesos, su forma de trabajar y su comprensión del cliente.

En este sentido, invertir recursos en construir bibliotecas de skills que representen la inteligencia organizacional puede convertirse en un activo a largo plazo, comparable a poseer una API bien diseñada o una infraestructura de datos sólida. Estas habilidades se pueden desplegar sobre distintos modelos y plataformas, reduciendo la dependencia de un proveedor concreto y facilitando el cumplimiento de requisitos europeos sobre soberanía de datos o localización geográfica.

El estándar abierto también favorece la interoperabilidad entre soluciones de diferentes proveedores. Una startup española que desarrolle un producto SaaS para, por ejemplo, la gestión documental en despachos de abogados, podría exponer sus capacidades como skills compatibles con Claude, pero también con otros agentes que adopten la misma especificación, ampliando así su mercado sin rehacer integraciones para cada plataforma.

Además, el ecosistema de partners —con herramientas como Atlassian, Figma, Stripe o Zapier— ofrece a las startups un atajo: en lugar de construir conectores complejos para cada servicio, pueden apoyarse en skills ya existentes y centrarse en añadir capas de lógica y experiencia propia encima. Esto encaja bien con la realidad de muchas compañías europeas, que operan con equipos reducidos y buscan maximizar el retorno de cada sprint de desarrollo.

Para los CTOs que empiezan a diseñar su estrategia de agentes, la lección es clara: tratar las skills como activos de larga duración, versionarlas, monitorizarlas y mejorarlas con datos reales, y alinearlas con la capa de control y gobernanza que la organización vaya definiendo. De ese modo, cuando el ecosistema madure —y los estándares se estabilicen—, la empresa ya dispondrá de un catálogo de capacidades propio, listo para integrarse donde más convenga.

La apertura de Agent Skills por parte de Anthropic está redefiniendo cómo se conciben los agentes de IA en la empresa: de asistentes generales dirigidos a golpe de prompt, a plataformas de trabajo basadas en habilidades modulares, portables y auditables. Para España y Europa, donde la presión regulatoria y la necesidad de interoperabilidad son especialmente altas, este modelo ofrece una vía intermedia entre la innovación rápida y el control riguroso, dejando la puerta abierta a que el verdadero valor diferencial resida en las skills que cada organización sea capaz de construir y gobernar.