El problema: agentes que se programan sin pensarse
Es fácil abrir un editor y empezar a encadenar llamadas a un LLM. Es mucho más difícil parar antes y contestar las preguntas que de verdad determinan si el agente va a funcionar y cuánto va a costar: ¿para quién es? ¿qué grado de autonomía tiene? ¿cómo sabrás si acierta? ¿con qué se integra? ¿qué pasa cuando se equivoca? Saltarse esas preguntas es la vía rápida a quemar tokens en un agente que nadie usa.
Igual que el Business Model Canvas obliga a pensar un negocio en una hoja antes de montarlo, el Agent Canvas obliga a diseñar el agente antes de programarlo.
Los nueve bloques
- 01 · Segmento / usuario — para quién trabaja el agente y qué trabajo le quita de encima
- 02 · Propuesta de valor — qué hace mejor, más barato o más rápido que la alternativa
- 03 · Autonomía — dónde decide solo y dónde se detiene a pedir aprobación humana
- 04 · Tono / persona — cómo se comunica y qué registro usa con el usuario
- 05 · KPIs — qué se mide para saber si acierta; cómo se evalúa
- 06 · Integraciones — qué herramientas, APIs y fuentes de datos necesita
- 07 · Modelos — qué LLM por tarea: frontera, especializado o local
- 08 · Costes — presupuesto de tokens, coste por tarea, ratio alquilado/propio
- 09 · Riesgos — qué puede salir mal, y qué barreras y gates lo contienen
Por qué importa antes de programar
Cada bloque que dejas en blanco es una decisión que tomarás igualmente —pero por defecto, a mitad del desarrollo, y normalmente mal. Rellenar el canvas primero convierte esas decisiones implícitas en explícitas: el bloque de autonomía te dice dónde poner los gates humanos, el de modelos y costes te evita usar un modelo frontera para tareas que un modelo local haría gratis, y el de riesgos te obliga a diseñar las barreras antes de necesitarlas.
Es el paso previo natural a llevar el agente a un tablero gobernado como Agent Board: primero diseñas el agente en el canvas, luego lo gobiernas en producción.