Un agente de IA en mi pyme: experiencia con OpenClaw
Ámbito: Agentes de IA / Autoalojamiento / Seguridad
Periodo: 2025 a julio de 2026
Cliente: Proyecto interno — el asistente de IA de mi propia empresa
Contexto
Durante varios meses, hice funcionar en mi propio servidor un asistente de IA al que llamaba «Jarvis». Se basaba en OpenClaw, una pasarela de agentes de código abierto (licencia MIT) que conecta un modelo de lenguaje con canales de conversación, herramientas y una memoria. Le escribía desde una mensajería de equipo autoalojada. Llevaba mis tareas en mis notas, consultaba mi ERP, buscaba en la web y preparaba correos.
Quería responder, con mi propia empresa, a la pregunta que se hacen muchos directivos: un agente de IA para pymes, ¿es una ganancia real o un riesgo más? Esto es lo que funcionó, lo que se atascó y lo que sigue siendo válido hoy, ahora que he cambiado de herramienta.
Problema
- Un agente que lo hace todo tiene acceso a todo. Si lee los correos, navega por la web y ejecuta comandos, un correo trampa o una página maliciosa pueden dictarle instrucciones. Se llama inyección de prompt: las ejecuta con todos sus permisos.
- Olvida. Sin memoria, cada conversación empieza de cero y hay que volver a explicar el contexto varias veces al día.
- Actúa sin preguntar. Un comando en el servidor o un envío no siempre tienen vuelta atrás.
- Cada activación cuesta. En cada llamada, un agente reenvía al modelo sus instrucciones y el historial de la tarea. Sin control, la factura sube.
Solución
Construí la instalación por capas, cada una para uno de estos problemas. Las documenté en las guías del Protocolo IA Soberana.
1. Separar los agentes según la confianza
En lugar de un agente todopoderoso, cuatro agentes con permisos separados: un agente principal que recibe mis peticiones y orquesta, un agente de operaciones para el servidor, un agente de comunicación para el correo y la agenda, y un agente web para las búsquedas. Los dos últimos leen contenido externo, por tanto no fiable: funcionaban en un contenedor desechable, con herramientas reducidas. El agente web no podía enviar correos y el de comunicación no podía administrar el servidor. Para una búsqueda, el agente principal delegaba en el agente web y solo recibía su resumen: una instrucción trampa en una página se quedaba dentro del contenedor.
2. Dar una memoria que se queda en casa
Añadí una memoria persistente alojada en mi servidor: Cognee, un motor de memoria de código abierto, con búsqueda por significado y grafo de conocimiento. Antes de responder, el asistente recuperaba los recuerdos útiles: decisiones tomadas, estado de los proyectos, preferencias. Ya no le volvía a explicar el contexto cada mañana, y ese historial no salía hacia ningún proveedor.
3. Exigir una aprobación antes de ejecutar
OpenClaw prevé «aprobaciones de ejecución»: una política por agente que indica si un comando se rechaza, se permite porque figura en una lista o requiere validación humana. Los agentes expuestos a contenido externo no podían ejecutar comandos en el servidor. El agente principal sí tenía permisos amplios: era mi zona de operador, una decisión asumida.
4. Controlar el costo
Un modelo elegido según la tarea, un modelo rápido y barato para los agentes secundarios, caché de las instrucciones repetidas, purga de las sesiones inactivas y supervisión del gasto. En mi instalación, tal como la publiqué en mi página dedicada a la IA: unos 57 dólares al mes en total (7 para el servidor, 46 para las API de los modelos, 4 para accesorios), para 200 a 400 solicitudes al día, unos 1,5 millones de tokens al día y tres usuarios.
5. Simplificar cuando la complejidad deja de compensar
En mayo de 2026 revisé la arquitectura. El agente principal y el de operaciones tenían los mismos permisos y las mismas reglas, así que los fusioné. Conservé los dos agentes aislados, la única barrera técnica real contra los contenidos trampa. Y planifiqué retirar, agente por agente, el acceso a los conectores del ERP y de las notas: el agente web no los necesita.
Bajo el capó: para su informático
OpenClaw es una pasarela de código abierto: un proceso «gateway» en el host y agentes que tienen cada uno su espacio de trabajo, sus sesiones y su política de herramientas, asociados a los canales mediante reglas de enrutamiento («bindings»). Lo que me enseñó su explotación:
- La política de herramientas va antes que el sandbox. Una herramienta denegada a un agente no vuelve a través del contenedor. Las herramientas de los servidores MCP pasan por la misma política que las demás: se puede restringir su acceso agente por agente.
- El espejismo del aislamiento por el shell. Denegar la herramienta de navegación a un agente que conserva un shell completo no le impide lanzar un curl. La consigna «delega la navegación en el agente web» es una guía de comportamiento, no una barrera. Solo el contenedor y la ausencia de shell la convierten en barrera.
- El sandbox Docker no es una fortaleza. La propia documentación lo dice: no es una frontera de seguridad perfecta y la pasarela sigue en el host. Espacio de trabajo de solo lectura o ausente, ejecución denegada. Una imagen personalizada (cliente de correo, agenda) hay que reconstruirla con cada actualización.
- Aprobaciones de ejecución. Modos deny, allowlist o full, petición off, on-miss o always, y rechazo por defecto si ninguna interfaz responde. Las aprobaciones solo pueden endurecer la configuración, nunca relajarla.
- Memoria. De forma nativa, archivos Markdown en el espacio de trabajo y búsqueda híbrida. Yo añadía Cognee (pgvector, grafo) con recuperación automática antes de cada respuesta. Antes de compactar el historial, OpenClaw pide al agente que escriba lo esencial en disco.
- Las averías reales. Una sesión nueva tardaba de 30 a 60 segundos en arrancar. Una compactación confiada a un modelo remoto que expiraba bloqueaba la pasarela y cortaba el canal. La caché de instrucciones se desplomaba en cuanto cambiaba el prompt de sistema.
- Control. El comando de auditoría de seguridad integrado señala las desviaciones de configuración: hay que lanzarlo tras cada cambio.
Resultado
- Durante varios meses, un asistente accesible desde mi teléfono, que recordaba mis proyectos y trabajaba en mis herramientas.
- Un costo medido y publicado: unos 57 dólares al mes para tres usuarios.
- Un método documentado en diez guías, con una guía de introducción gratuita.
- Una evolución: en julio de 2026 detuve mi pasarela OpenClaw para hacer otras pruebas, en torno a Claude Code, la herramienta oficial de Anthropic, como cuento en claudeVPS. OpenClaw reutilizaba mi suscripción de Claude de una forma que las condiciones de Anthropic regulan cada vez más estrictamente. La base, en cambio, no ha cambiado: el servidor seguro, la memoria y el monitoreo siguen funcionando y sostienen estas nuevas pruebas. Esa base es lo que documentan mis guías, y sigue siendo válida sea cual sea el agente que instale en ella.
Lo que me llevo
- Separar vale más que vigilar. Un agente que lee la web no debe poder escribir en el ERP. Mantengo esa separación sea cual sea la herramienta.
- Una consigna no es una barrera. Lo que protege es lo que el agente técnicamente no puede hacer.
- La memoria hace al asistente. Es lo que convierte un chatbot en un colaborador, y debe quedarse en su casa.
- Un agente es un software que hay que mantener. Actualizaciones, migraciones, averías: presupueste tiempo de explotación, no solo tokens.
- Los principios sobreviven a la herramienta. Permisos separados, memoria, aprobaciones, presupuesto: los trasladé tal cual a mi instalación actual. Detallo las salvaguardas en este artículo, y cómo presupuestar sus agentes en este otro.
Para ir más lejos
La arquitectura se describe paso a paso en las guías de mi servidor de IA: guía 6, multiagentes y aprobaciones, guía 5, memoria persistente, guía 7, control de costos. La guía 0 es gratuita: arquitectura, costos y nivel técnico. Antes de conectar un agente a su ERP, lea también Seguridad MCP. Para hablar de su caso: una llamada de descubrimiento de 20 minutos.
Las guías paso a paso
Cada capa descrita aquí tiene su guía, a 39 CHF: la n.º 4 para la mensajería de equipo conectada al asistente, la n.º 5 para la memoria persistente, la n.º 6 para los agentes con permisos separados y las aprobaciones. El paquete de guías (149 CHF) reúne las guías 0 a 8: una pila completa, documentada y probada en producción, desde el servidor seguro hasta las copias de seguridad, los secretos y el monitoreo.
Fuentes
- openclaw/openclaw, OpenClaw, GitHub, licencia MIT, consultado el 15 de noviembre de 2026
- Multi-Agent Routing, OpenClaw, documentación, consultado el 15 de noviembre de 2026
- Sandboxing, OpenClaw, documentación, consultado el 15 de noviembre de 2026
- Exec approvals, OpenClaw, documentación, consultado el 15 de noviembre de 2026
- Memory, OpenClaw, documentación, consultado el 15 de noviembre de 2026
- MCP, OpenClaw, documentación, consultado el 15 de noviembre de 2026
- Security, OpenClaw, documentación, consultado el 15 de noviembre de 2026
Foto de portada: Pixel.la Free Stock Photos / Wikimedia Commons, dominio público (CC0).
Etiquetas: agente de IA, pymes, OpenClaw, multiagentes, memoria persistente, inyección de prompt, costo LLM, autoalojamiento