CONTENIDO +
9 de octubre de 2026 · Desarrollo web, automatización e inteligencia artificial
Hay una pregunta que me viene interesando desde hace tiempo: ¿hasta dónde se puede automatizar el funcionamiento de una agencia de desarrollo web sin convertir todo en una sucesión de respuestas de un chatbot?
No me refiero solamente a pedirle a una IA que escriba una landing page. Me refiero a construir un sistema capaz de encontrar oportunidades comerciales, investigar un negocio, preparar una propuesta, conversar con un potencial cliente, reunir requisitos, generar una web, probarla y entregarla. Todo desde un mismo entorno, con información persistente, tareas coordinadas y aprobaciones cuando hacen falta.
Con esa idea empecé a desarrollar AgentWeb, el proyecto detrás de Forja Studio: una plataforma de agencia web con 13 agentes especializados, un centro de operaciones, CRM, herramientas de comunicación, un generador de sitios y una infraestructura pensada para funcionar en Docker sobre una VPS.
El proyecto sigue evolucionando. Parte del sistema ya funciona en desarrollo local y cuenta con pruebas; otras piezas, especialmente la orquestación totalmente autónoma y la validación de producción, todavía están en proceso. En este artículo quiero mostrar qué estoy construyendo, cómo está organizado y qué funcionalidades incorpora.

AgentWeb reúne el trabajo comercial, creativo y técnico de una agencia en una sola plataforma.
1. La idea: una agencia que trabaja por procesos, no por prompts aislados#
La visión es sencilla de explicar, aunque no tanto de implementar: transformar el trabajo repetitivo de una agencia en un conjunto de procesos coordinados.
Un ejemplo del recorrido al que apunto:
Descubrir un negocio
↓
Analizar su sitio y detectar oportunidades
↓
Crear y puntuar el prospecto en el CRM
↓
Preparar una comunicación personalizada
↓
Gestionar la conversación y los requisitos
↓
Crear el proyecto y producir una demo
↓
Validar diseño, SEO y funcionamiento
↓
Recibir cambios y corregir
↓
Aprobar, publicar y mantener
La diferencia con un chatbot común es que acá cada etapa tiene estado, herramientas, datos y responsabilidades. Si falla una tarea, el sistema debe saber qué falló. Si falta información, debe pedirla. Si un proveedor de IA deja de responder, no debería perder el proyecto.
Y si hay una acción sensible —por ejemplo, contactar a una empresa por primera vez, comprometer un precio o publicar un sitio— tiene que existir un control explícito.

2. Los 13 agentes de IA: un equipo con responsabilidades concretas#
Diseñé una estructura de agentes que funciona como un equipo de trabajo. Cada agente tiene un nombre, un área y una tarea principal:
| Agente | Área | Responsabilidad |
|---|---|---|
| ATLAS | Dirección | Coordinar tareas, agentes, aprobaciones y workflows. |
| NOVA | Adquisición | Descubrir empresas y posibles clientes. |
| ARIA | Investigación | Analizar negocios, sitios web y oportunidades de mejora. |
| IRIS | Adquisición | Puntuar y priorizar leads. |
| MIA | Ventas | Preparar emails y mensajes comerciales personalizados. |
| LEO | Ventas | Interpretar respuestas y gestionar conversaciones y propuestas. |
| ORION | Relevamiento | Recopilar requisitos y estructurar briefs de proyectos. |
| LYRA | Producción | Generar contenido y trabajar con recursos visuales. |
| PIXEL | Desarrollo | Crear y modificar sitios web con herramientas de programación. |
| NEXUS | Ecommerce | Trabajar sobre tiendas, catálogos y funcionalidades comerciales. |
| SAGE | SEO | Analizar y mejorar el posicionamiento técnico de los sitios. |
| VERIFY | Calidad | Ejecutar comprobaciones y detectar fallos. |
| SHIP | Operaciones | Preparar previews, despliegues y tareas de publicación. |
No quiero que sean trece nombres conectados a un mismo prompt. El objetivo es que cada agente disponga de herramientas reales, permisos delimitados y resultados verificables. Una tarea no está terminada porque la IA diga «listo»: debe existir una acción concreta y una evidencia.
La Digital Office: ver a los agentes trabajando#
Una de las partes más visuales es la Digital Office, una representación de los agentes organizada por áreas, con sus tareas y estados. La pantalla permite distinguir quién está disponible, quién está trabajando, quién espera información, quién necesita una aprobación y qué operaciones fallaron.
El sistema incorpora vista de workflows, inspección de tareas, actividad, rendimiento, filtros y perfiles de agentes. Los estados se conectan con el worker y la base de datos: la intención es visualizar actividad real, no reproducir animaciones ficticias. También existe un modo demo, separado de la ejecución operativa.


ATLAS y la orquestación#
ATLAS es la pieza que debería enlazar todo: recibir eventos, decidir cuál es la próxima tarea permitida, derivarla al agente correcto y mantener el contexto de punta a punta.
Ya desarrollé la infraestructura de tareas, prioridades, estados, reintentos, handoffs y aprobaciones. La conexión completa de todos los ejecutores reales en un único recorrido autónomo sigue en desarrollo. Es una de las áreas en las que más estoy trabajando ahora.

3. Prospección: encontrar negocios que puedan beneficiarse de una web mejor#
Uno de los módulos que más me interesa es el de prospección automatizada.
La idea no es enviar miles de correos genéricos. Quiero identificar negocios, observar su presencia digital y preparar una propuesta basada en un problema concreto y comprobable.
Para descubrir oportunidades, AgentWeb incorpora integraciones y adaptadores para:
- OpenStreetMap y Overpass, con búsquedas por ubicación y rubro.
- Geofabrik, para trabajar con extractos de datos locales.
- SearXNG y búsqueda web, para complementar el descubrimiento.
- Importaciones CSV/XLSX, para procesar bases existentes.
- Detección de duplicados y normalización de los datos.
La interfaz permite iniciar búsquedas y organizar los resultados. La parte técnica ya fue probada con fuentes locales y simuladas; aún estoy cerrando la validación sostenida contra fuentes públicas reales.

ARIA: investigar antes de ofrecer#
Una vez identificado un negocio, ARIA puede analizar aspectos como:
- Estado HTTP y HTTPS del sitio.
- Redirecciones y enlaces rotos.
- Experiencia en celulares y problemas de diseño responsive.
- Títulos, descripciones, encabezados y otros elementos SEO.
- Imágenes pesadas, estructura y tiempos de respuesta.
- Formularios, llamadas a la acción y opciones de contacto.
- Presencia de catálogo, carrito y checkout.
El objetivo es guardar hallazgos con evidencia, por ejemplo una captura de una página que se desborda en móvil, en lugar de emitir afirmaciones sin respaldo.
IRIS: convertir una lista de negocios en prioridades#
Después de investigar, IRIS utiliza dos criterios: un OpportunityScore, para evaluar el potencial de mejora digital, y un LeadPriority, para decidir a qué prospectos conviene dedicar atención primero.
Esto permite pasar de una lista de contactos a un pipeline razonado: qué problema detecté, por qué podría ayudar y qué debería revisar antes de escribir.

4. CRM: una vista comercial de todo lo que está pasando#
La prospección se conecta con un CRM propio, diseñado para que cada oportunidad mantenga su historia: de dónde vino, qué se investigó, qué se le ofreció, qué respondió y en qué etapa se encuentra.
Entre sus funciones están:
- Pipeline comercial en vista Kanban y tabla.
- Búsqueda y filtros por origen, etapa, etiquetas y prioridad.
- Puntuación de prospectos y clasificación por interés.
- Datos del negocio, notas e historial de actividad.
- Próxima acción y seguimiento pendiente.
- Conversaciones vinculadas al lead.
- Propuestas y proyectos relacionados.
- Exportación CSV y acciones rápidas.
- Indicadores de oportunidades abiertas, ganadas y vencidas.
Quiero que el CRM sea el centro de información compartida entre agentes, no otra base de contactos aislada.


5. Ventas con IA: MIA, LEO y ORION#
La etapa comercial no debería depender de mensajes genéricos construidos sin contexto.
MIA prepara comunicaciones apoyándose en lo que se investigó del negocio. LEO se ocupa de interpretar respuestas, identificar preguntas, detectar interés o rechazo y trabajar con una lista de precios controlada. ORION reúne los requisitos necesarios para desarrollar el proyecto adecuado.
Un principio importante: el modelo de IA no puede inventar presupuestos o descuentos. El sistema consulta los precios configurados y valida los importes mediante reglas de software.
El trabajo comercial contempla aprobación humana para contactos iniciales, límites de envío, registro de conversaciones y baja de destinatarios. Las conversaciones automáticas más extensas y el recorrido comercial completamente autónomo siguen en etapa de integración y validación.

6. Correo multicuenta: distintas casillas, un mismo sistema#
Otro componente que incorporé es el correo IMAP/SMTP multicuenta. No quiero que todo dependa de una sola dirección: una agencia necesita separar ventas, soporte, administración y otras áreas, incluso cuando las casillas pertenecen a proveedores diferentes.
El módulo contempla:
- Múltiples cuentas IMAP y SMTP.
- Credenciales cifradas por casilla.
- Asociación de cada dirección con departamentos y agentes autorizados.
- Firmas y límites de envío por cuenta.
- Sincronización independiente y manejo de reconexiones.
- Bandeja unificada con búsqueda, no leídos y destacados.
- Redactor enriquecido, plantillas, CC/CCO y adjuntos.
- Detección de rebotes, hilos y envíos inciertos.
- Comprobaciones de SPF, DKIM y DMARC.
Además, el CommunicationRouter decide cómo asignar cada conversación según su casilla, el proyecto, el contexto del hilo y las reglas configuradas.
El código y las integraciones están desarrollados; la validación final con todas las cuentas reales y sus proveedores forma parte de las pruebas pendientes.


7. WhatsApp y Telegram: comunicación conectada al CRM#
También estoy extendiendo la bandeja hacia otros canales:
Telegram: integración con bots, asociación de chats mediante enlaces o códigos QR, recepción por polling o webhook y respuestas desde la interfaz de comunicaciones.
WhatsApp: integración mediante vinculación por QR con WAHA autoalojado y una base de integración con la Cloud API oficial. El diseño incorpora restricciones para evitar automatizaciones no autorizadas, contacto en frío por canales inapropiados y cargos inesperados.
Estas conexiones tienen pruebas técnicas con servicios simulados. No las presento todavía como canales validados de forma prolongada con números y conversaciones reales.

8. Un AI Gateway para distintos modelos, no un proveedor obligatorio#
No quiero que el proyecto dependa de una única API de IA ni que una automatización produzca gastos inesperados.
Por eso desarrollé un AI Gateway, con un sistema de proveedores y selección de modelos según tarea, disponibilidad y costo. El proyecto contempla OpenRouter, NVIDIA NIM, Gemini, Groq y opciones de inferencia local compatibles con APIs de modelos; también tiene adaptadores para otros servicios que pueden permanecer desactivados.
El motor incluye:
- Registro y descubrimiento de modelos.
- Selección según tipo de tarea.
- Preferencias de modelo por agente.
- Modos priorizando calidad, velocidad o ejecución local.
- Manejo de límites de uso y errores
429. - Fallback entre proveedores permitidos.
- Control de tokens, latencia y costos.
- Espera y recuperación cuando no hay capacidad disponible.
- Clasificación de información y controles de exposición de secretos.
Una de las decisiones del proyecto es el modo FREE_ONLY: si el costo de un modelo no puede verificarse, el sistema no debe usarlo automáticamente.
También busco utilizar modelos locales para tareas que involucren información que no debería enviarse a servicios externos. En las pruebas documentadas se utilizaron proveedores gratuitos; eso no significa que su disponibilidad o sus cuotas estén garantizadas para siempre.

9. Una fábrica de sitios: del brief a la primera demo#
La producción web se apoya en una fábrica de proyectos. En lugar de crear cada cliente a mano desde una carpeta vacía, AgentWeb puede generar un proyecto con una base versionada y personalizarla con los datos y necesidades del negocio.
La idea es combinar velocidad con consistencia: estructura inicial, configuración, contenido, branding, assets, vista previa e historial de cambios.
Landing pages premium#
Hay una base de landing con secciones configurables, variantes de portada, servicios, beneficios, testimonios, galería, planes, preguntas frecuentes, formularios, horarios, mapa y acceso a WhatsApp. También incluye diseño responsive, temas y configuraciones SEO.

Sitios institucionales multipágina#
La base institucional permite trabajar con páginas de inicio, servicios, información del negocio, contacto y contenidos específicos, manteniendo navegación, consistencia visual y SEO por página.

Ecommerce#
La plataforma también incorpora templates de tienda online, con un catálogo y un panel de administración. Las tiendas pueden variar por rubro, branding, tipo de producto y estructura comercial.

10. Panel del cliente: editar sin pedir cada cambio al desarrollador#
Un cliente necesita poder participar en el proceso. El panel actual incorpora una edición visual donde es posible modificar secciones y contenidos, revisar una vista previa y administrar borradores y publicaciones.
Entre sus capacidades están:
- Edición de contenido con preview en vivo.
- Selección de secciones y ajustes visuales.
- Deshacer y rehacer.
- Historial de revisiones.
- Datos comerciales y de contacto.
- Configuración SEO y analítica.
- Ajustes propios de la tienda cuando corresponde.
- Acceso a demos sin guardar cambios reales.
Estoy ampliando esta parte hacia un portal más completo para cada cliente, con cuestionarios inteligentes, carga de logos, fotografías y documentos, comentarios y aprobaciones durante la entrega.

El portal de relevamiento y aprobaciones es una de las funciones que estoy completando; esta captura se incorporará cuando esté disponible.
11. Ecommerce: productos, inventario, pedidos y checkout#
No quiero que una tienda sea simplemente una landing con productos dibujados. Por eso la base de ecommerce incluye funcionalidades comerciales concretas:
- Categorías y catálogo con búsqueda, filtros y ordenamiento.
- Productos con imágenes, descripción y datos SEO.
- Variantes como talles o colores, con precio y stock propios.
- Carrito de compras.
- Checkout con alternativas de envío y retiro.
- Cupones y cálculo de importes.
- Gestión de pedidos y estados.
- Administración de clientes.
- Importación de catálogos desde CSV/XLSX.
- Integraciones preparadas para Mercado Pago y Stripe, además de medios manuales.
- Webhooks de pago y credenciales específicas por tienda.
Sigo trabajando en capacidades complementarias como emails transaccionales personalizados, vinculación más simple de medios de pago y una zona donde los compradores puedan consultar sus pedidos.




12. PIXEL: un agente que trabaja con código y pruebas#
PIXEL es la apuesta por ir más allá de rellenar templates.
El proyecto cuenta con un CodingAgentRuntime que trabaja con herramientas de programación como Aider y un mecanismo controlado de respaldo. El objetivo es que PIXEL pueda recibir un cambio, modificar archivos dentro del proyecto, ejecutar validaciones, intentar corregir errores y entregar una versión comprobable.
La arquitectura contempla workspaces separados, lint, TypeScript, pruebas, build y rondas limitadas de reparación. También hay trabajo sobre el modo de código propio para proyectos que necesiten personalizaciones más profundas.
La parte que todavía estoy cerrando es el recorrido completo desde una modificación libre de código hasta su publicación segura y recuperable en un entorno real. Para mí, ese es uno de los grandes saltos entre un generador de páginas y un sistema de desarrollo asistido por agentes.

13. SEO desde el diseño, no como agregado de último momento#
Otra decisión fue tratar el SEO como parte del producto desde el inicio.
El sistema cuenta con herramientas para gestionar:
- Títulos y metadescripciones.
- URLs canónicas.
- Sitemap y robots.txt.
- Open Graph y datos estructurados JSON-LD.
- Redirecciones cuando cambian URLs.
- SEO por producto, categoría y página.
- Detección de enlaces rotos y páginas con problemas.
- Auditorías técnicas y reportes.
- Controles de indexación para demos y previews.
- Reglas de calidad para contenido y páginas locales.
SAGE, el agente especializado, está pensado para detectar problemas, proponer correcciones y trabajar junto a PIXEL y VERIFY. Existen auditorías y arreglos automáticos seguros; la medición con datos de campo y algunas integraciones externas todavía requieren desarrollo o credenciales reales.

14. VERIFY y SHIP: calidad antes de publicar#
Generar una web es solo parte del trabajo. También hay que asegurarse de que cargue, sea navegable y no tenga errores críticos.
El circuito de calidad incorpora comprobaciones de rutas, formularios, viewport, enlaces, SEO y rendimiento. Si algo importante falla, la publicación puede quedar bloqueada hasta corregirlo.
Después entra SHIP, encargado de organizar previews, dominios y despliegues. La infraestructura contempla un runtime compartido para múltiples clientes o contenedores dedicados, con Docker y Caddy para servir aplicaciones y gestionar HTTPS.
En desarrollo local ya hay pruebas de generación, QA y publicación simulada. El despliegue completo en una VPS pública y las pruebas de recuperación en producción siguen siendo una etapa a validar.
15. Command Center: controlar la operación sin abrir diez herramientas#
Toda esta estructura necesita un lugar desde el que se pueda entender qué está ocurriendo.
El Command Center reúne información comercial, proyectos, agentes, tareas, acciones pendientes, comunicaciones, proveedores de IA, SEO, hosting y configuración. Incluye la posibilidad de pausar la automatización y revisar decisiones que requieren intervención humana.
El objetivo es poder responder rápidamente:
- ¿Qué clientes están activos?
- ¿Qué oportunidades comerciales están abiertas?
- ¿Qué agente está trabajando y en qué?
- ¿Qué tarea falló o necesita aprobación?
- ¿Qué sitio está en preview y cuál está publicado?
- ¿Se están consumiendo recursos o tokens inesperados?
- ¿Qué hay que atender ahora?
También estoy incorporando una visión más completa de rentabilidad: ingresos por proyecto, suscripciones, costos operativos y márgenes reales.
16. Una plataforma pensada para correr en infraestructura propia#
AgentWeb está construido como un monorepositorio TypeScript. Utilizo principalmente:
| Tecnología | Para qué la utilizo |
|---|---|
| Next.js y React | Interfaces del dashboard, web de la agencia y sitios de clientes. |
| TypeScript | Código de aplicaciones, agentes y servicios. |
| PostgreSQL + Drizzle ORM | Persistencia de CRM, proyectos, tareas y configuraciones. |
| Zod | Validación de entradas y estructuras de datos. |
| Node.js | Ejecución de servicios y workers. |
| Docker Compose | Despliegue de aplicaciones y servicios. |
| Caddy | Proxy inverso, dominios y HTTPS. |
| Playwright y Chromium | Pruebas de interfaz y análisis visual de sitios. |
| Vitest | Pruebas unitarias e integración. |
| React Flow | Visualización de flujos de trabajo. |
El proyecto está separado en tres aplicaciones principales: el dashboard interno, la aplicación que sirve los sitios de los clientes y la web pública de la agencia. Un worker procesa tareas, correo, auditorías y otros trabajos periódicos.
Busco que pueda ejecutarse de forma razonable en una VPS, sin exigir una infraestructura empresarial compleja. Ya existe configuración de contenedores, scripts de instalación y backups locales; el monitoreo integral, la recuperación y las copias externas son parte del trabajo pendiente para llegar a producción con mayor seguridad.

17. Seguridad: una IA autónoma también necesita límites#
Cuanta más autonomía se le da a un sistema, más importante es delimitar lo que puede hacer.
En AgentWeb estoy aplicando controles de autenticación, permisos por agente, separación entre proyectos, cifrado de credenciales, validación de entradas, prevención de accesos de red inseguros durante el scraping, sanitización de mensajes y aprobación de operaciones sensibles.
Hay dos reglas de diseño que considero especialmente importantes:
- Una IA no debería tener acceso ilimitado al servidor, a las credenciales o a los datos de todos los clientes.
- Una salida generada por un modelo no es una prueba de ejecución: las acciones deben poder validarse mediante el sistema y dejar trazabilidad.
Todavía queda trabajo de endurecimiento y auditoría antes de considerar la plataforma lista para administrar producción de terceros.

18. Qué ya funciona y qué sigo terminando#
No me interesa presentar AgentWeb como un producto terminado cuando todavía hay funcionalidades en construcción. Este es el panorama según el estado del repositorio al 9 de octubre de 2026:
| Área | Situación actual |
|---|---|
| Dashboard, CRM y gestión de proyectos | Implementados y probados en desarrollo. |
| Digital Office, estados y cola de tareas | Implementados con pruebas. |
| Fábrica de landings, webs y ecommerce | Implementada, con demos y pruebas. |
| Editor visual y panel de tiendas | Implementados en desarrollo. |
| SEO y controles de QA | Implementados, con pruebas locales. |
| AI Gateway con proveedores gratuitos | Implementado y probado en escenarios concretos. |
| Prospección e investigación de negocios | Implementadas con pruebas controladas; falta más validación pública. |
| Correo multicuenta y bandeja unificada | Implementados; falta validación integral con cuentas reales. |
| Telegram y WhatsApp | Integraciones desarrolladas; falta prueba sostenida con cuentas reales. |
| Ventas y relevamiento automatizados | Parcialmente operativos; integración integral en desarrollo. |
| PIXEL y personalización avanzada de código | Runtime implementado; ciclo libre de producción en desarrollo. |
| Orquestación integral de punta a punta | En desarrollo. |
| Portal completo de cliente y aprobaciones | En desarrollo. |
| Producción en VPS, monitoreo y recuperación | Infraestructura preparada; validación y mejoras pendientes. |
| Dashboard financiero completo | En desarrollo. |
Mi objetivo para la siguiente etapa no es sumar pantallas porque sí. Es cerrar el recorrido real de trabajo y asegurar que cada fase pueda recuperarse de errores, pedir intervención cuando sea necesaria y entregar resultados comprobables.

19. Lo más interesante que estoy aprendiendo#
Desarrollar una aplicación con IA es una cosa. Diseñar un sistema en el que varios agentes compartan responsabilidades es otra muy distinta.
La parte más compleja no siempre es el modelo. Es lograr que la información sea consistente, que las herramientas tengan permisos razonables, que los costos no se disparen, que una tarea no se ejecute dos veces y que un fallo a mitad de un proceso no obligue a empezar desde cero.
También estoy aprendiendo a separar lo que realmente conviene dejar en manos de un LLM de lo que debe resolver código determinístico. El modelo puede interpretar una respuesta comercial o proponer un diseño; el precio válido, el estado de un pedido, los permisos y la aprobación de un despliegue tienen que verificarse por fuera del modelo.
Ese equilibrio entre automatización, trazabilidad y control es el núcleo del proyecto.
20. Próximos pasos#
En esta etapa estoy concentrado en:
- Conectar los ejecutores de los 13 agentes en workflows reales de principio a fin.
- Completar los procesos comerciales de prospección, negociación y relevamiento.
- Terminar el portal del cliente para requisitos, archivos, cambios y aprobaciones.
- Llevar las modificaciones avanzadas de PIXEL desde el código hasta un despliegue seguro.
- Validar las integraciones externas con servicios y cuentas reales.
- Completar monitoreo, backups externos, restauración y métricas financieras.
- Probar el sistema en producción con escenarios controlados antes de utilizarlo con clientes.
La meta es que una consulta pueda transformarse en una demo funcional y, con las aprobaciones correspondientes, en una web publicada, sin que yo tenga que realizar manualmente cada tarea intermedia.
21. Evolución del proyecto#
Voy a seguir compartiendo los avances, las decisiones técnicas, los resultados de las pruebas y también las dificultades que surjan. Me interesa especialmente mostrar cómo se comporta un sistema multiagente fuera de una demo preparada, con errores reales, límites de proveedores y procesos que necesitan continuidad.
AgentWeb todavía está en desarrollo. Pero la dirección es clara: pasar de usar IA para hacer tareas sueltas a construir un sistema capaz de coordinar un trabajo completo.
¿Estás desarrollando sistemas multiagente, automatizaciones o herramientas para crear sitios web? dejame tus comenatios, opiniónes o que te gustaría que se le agregue al proyecto en la casilla de comentarios.
// Todavía no hay comentarios. Iniciá el hilo.