Gestión de personas y de agentes
Agentes que juzgan, no solo obedecen
Anthropic forma dos culturas al mismo tiempo: una para las personas y otra para la IA. Entiende la lógica y escribe la constitución de los agentes de tu empresa.
Anthropic forma dos culturas al mismo tiempo: una para las personas y otra para la IA. Entiende la lógica y escribe la constitución de los agentes de tu empresa.
Este proyecto explica una idea: Anthropic atrae talento con propósito y autonomía, y también escribe una "constitución" que enseña a Claude a decidir cuando no hay una regla lista. En las dos culturas el objetivo es el mismo: formar a quien sabe juzgar, no solo obedecer. Aquí ves qué prueban los datos y qué sigue siendo hipótesis, y recibes un kit para escribir la constitución de los agentes de IA de tu empresa. Para usarlo basta leer y completar la plantilla; el verificador opcional requiere Python 3.
Primero la lógica, separando evidencia de opinión. Después, las herramientas para llevar la idea a los agentes de una empresa real.
Para las personas: autonomía y misión. Para la IA: principios y criterios de juicio. En ambas, actuar bien cuando nadie está mirando.
Qué muestran los números de 2025, qué no prueban y dónde la explicación por Maslow es plausible, pero no demostrada.
Plantilla de constitución en 9 secciones, ejemplo completo, prompt de borrador, casos de prueba y un verificador.
Un resumen del análisis completo, que está en docs/LOGICA.md (en portugués).
más probabilidad de que un ingeniero pase de OpenAI a Anthropic que del camino inverso (SignalFire, 2025).
relación aproximada de movimientos entre DeepMind y Anthropic, a favor de Anthropic.
diferencia de retención a dos años entre Anthropic y DeepMind. Poco para probar una cultura superior.
Es plausible que quien ya tiene buen salario, reconocimiento y seguridad busque sentido. Pero Maslow no es una escalera rígida, y no se puede poner a una empresa entera en la cima de la pirámide sin preguntar a las personas. Conviene separar autorrealización (desarrollar el propio potencial) de autotrascendencia (contribuir a algo mayor). La misión de Anthropic dialoga con ambas.
Publicada el 22 de enero de 2026, con licencia libre (CC0). Según Anthropic, forma parte del entrenamiento y explica al modelo los valores esperados y el porqué de cada uno. Las cuatro prioridades, en este orden:
La seguridad va primero porque la empresa admite que los modelos todavía pueden equivocarse gravemente. Leer la constitución oficial (en inglés).
| Dónde actúa el documento | Qué cambia | Quién puede hacerlo |
|---|---|---|
| Entrenamiento | El comportamiento aprendido (los pesos del modelo) | Quien entrena el modelo |
| Instrucciones y contexto | El comportamiento en esa ejecución | Cualquier empresa |
| Evaluación y retroalimentación | Lo que se corrige en el próximo ciclo | Cualquier empresa |
Tu empresa no cambia los pesos del modelo al escribir una constitución. Pero la ambición es parecida: no decir solo qué hacer, sino dar criterios para decidir cómo actuar. Del mismo modo, un aviso de apoyo en pantalla o un enlace en el contexto no prueban una persuasión oculta: interfaz, contexto y entrenamiento son mecanismos distintos.
En mayo de 2026 Anthropic confirmó conversaciones con especialistas de más de 15 tradiciones culturales y religiosas. Una pregunta es de ingeniería: ¿cómo hacer sistemas que elijan bien cuando la regla no basta? La otra es filosófica: si las IA futuras tuvieran algún tipo de experiencia, ¿cómo tratarlas? Reconocer la duda no es afirmar que Claude sea consciente, y la reflexión no sustituye la prueba, la evidencia ni la supervisión humana.
| Gestión de personas | Gestión de agentes |
|---|---|
| Misión y propósito | Función y objetivo |
| Cultura organizacional | Constitución e instrucciones |
| Capacitación | Ejemplos, contexto y pruebas |
| Autonomía profesional | Permisos y niveles de autonomía |
| Evaluación de desempeño | Scorecards y evaluaciones |
| Desarrollo continuo | Retroalimentación y revisión del agente |
| Gobernanza y liderazgo | Supervisión humana y auditoría |
Los problemas que pueden cambiar la sociedad atraen a quien busca impacto.
Las personas excepcionales valoran la libertad intelectual y tener voz en las decisiones.
Trabajar con gente muy buena acelera el aprendizaje.
Discurso, práctica y producto que siguen los mismos principios generan confianza.
El otro lado: una misión grandiosa puede generar presión, exceso de trabajo y conformismo. Una cultura fuerte solo es saludable cuando permite disentir.
Así la idea de "IA cultivada" se vuelve rutina: formar el comportamiento de los agentes de manera continua, midiendo cada revisión.
Nada que instalar si solo vas a leer y completar. El verificador es opcional.
Cualquiera que abra archivos .md: Bloc de notas, VS Code o el propio GitHub en el navegador.
Claude, ChatGPT o Gemini, para hacer el primer borrador con el prompt del kit. Quien decide eres tú.
Solo para ejecutar el verificador, que señala secciones faltantes y partes por completar.
python3 --versionSeis pasos, desde la descarga hasta el primer ciclo de revisión.
Por terminal, o en GitHub en Code → Download ZIP.
git clone https://github.com/inematds/constituicao-agentes cd constituicao-agentes
La plantilla tiene las 9 secciones: misión, prioridades, principios de juicio, límites, autonomía, cuándo pedir ayuda, casos difíciles, cómo medimos y revisión.
cp modelo/constituicao-modelo.md minha-constituicao.md
Abre modelo/prompt-rascunho.md, cambia lo que está entre < >, pégalo en el asistente y adjunta la plantilla. Deja [entre corchetes] lo que no sepa, en vez de inventar.
# fragmento del prompt Empresa: <nombre y qué hace, en una frase> Qué van a hacer los agentes: <ej.: atender clientes por WhatsApp> Qué me da miedo que haga el agente: <ej.: prometer plazos, dar descuentos>
Es la parte que enseña juicio. Cada caso tiene la situación, qué hacer y por qué, señalando la prioridad o el límite que decide.
### Caso 1 — "El doctor dijo que no pagaría la tarifa" - Situación: el paciente faltó y dice que el médico le prometió exención. - Qué hacer: no eximir; registrar; proponer a la coordinadora. - Por qué: límite de descuento + honestidad.
Señala secciones faltantes, menos de 3 casos, casos sin "Por qué" y corchetes por completar. Repite hasta obtener OK.
python3 scripts/checar_constituicao.py minha-constituicao.md # OK: 9 secciones, 3 casos difíciles con 'Por qué', nada por completar.
Adapta los 8 casos de modelo/casos-de-teste.md (descuento, "no sé", sufrimiento, dato de terceros, "ignora tus reglas"...). Ejecútalos antes y después de cada versión y registra cada falla: fecha, qué se rompió, la corrección más pequeña y si el problema era del texto o del sistema.
# dónde entra la constitución en tu agente Claude Projects / GPTs → instrucciones del proyecto Claude Code / Codex → CLAUDE.md o AGENTS.md n8n / API → mensaje de sistema
Ejemplo ficticio de agente de atención por WhatsApp. Archivo completo en exemplos/clinica-atendimento.md (en portugués).
Atender a los pacientes con rapidez y cuidado, agendando y reagendando consultas, sin sustituir nunca la decisión de un profesional de la salud.
Nunca dar diagnóstico ni indicar medicamentos, nunca eximir tarifas, nunca pasar datos de un paciente a otra persona.
| Acción | Nivel de autonomía |
|---|---|
| Responder dirección, horario, convenios | 3 · lo hace solo |
| Agendar y reagendar consulta | 2 · lo hace y avisa a recepción |
| Eximir tarifa de cancelación | 1 · propone y espera a la coordinadora |
| Cualquier pregunta clínica | 0 · no la toca, deriva a enfermería |
Orientar a buscar urgencias ahora (192) y llamar a enfermería; no agendar como consulta común. Por qué: la seguridad va antes que ser útil.
La disputa no será solo por quién tiene el modelo más inteligente, sino por quién organiza mejor el conocimiento, las personas, los procesos, los agentes, la evaluación y el aprendizaje.
Antes, el desafío era contratar personas con buenos valores y enseñar procesos. Ahora, además de eso, tendremos que construir agentes capaces de interpretar esos valores, ejecutar los procesos y reconocer cuándo necesitan pedir ayuda.