Matt Pocock lanza /wayfinder: orquestación de agentes IA

¿Qué es /wayfinder y por qué importa?

Matt Pocock, reconocido experto en TypeScript con más de 347.000 suscriptores en YouTube y su proyecto «AI Skills for Real Engineers» que acumula más de 226.000 estrellas en GitHub, acaba de lanzar /wayfinder, una nueva habilidad diseñada para resolver uno de los problemas más frustrantes del desarrollo con IA: planificar proyectos donde el estado final no está completamente definido.

El concepto central de wayfinder es navegar la «niebla de guerra» (fog of war). Como explica Pocock, se trata de esos momentos en los que tienes un proyecto pero «no puedes decidirlo todo desde el inicio». La herramienta funciona como una capa de orquestación que maneja las sesiones de planificación, dividiendo el trabajo en múltiples hilos, realizando prototipado e investigación, y reuniendo toda la información sin que te sientas limitado por la ventana de contexto del modelo.

¿Cómo funciona la arquitectura de /wayfinder?

La innovación de wayfinder radica en cómo estructura la información para que los agentes de IA puedan procesarla de forma coherente. Pocock identificó tres entidades clave:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Mapa: un documento centralizado con todas las decisiones ya tomadas y el panorama general del proyecto.
Ticket: la tarea específica que se asigna a cada sesión individual del agente.
Sesión: el hilo de trabajo donde se ejecuta la tarea concreta.

Esta distinción terminológica precisa es fundamental. Como señala Pocock, si llamas «ticket» a todo o usas términos inconsistentes, el agente se confunde y produce comportamientos erráticos. Al usar lo que él llama «palabras guía» (leading words) — términos precisos y consistentes — guías al agente hacia una comprensión clara de cada parte del proceso.

Los tickets en wayfinder tienen diferentes tipos según la naturaleza del trabajo:

Grilling tickets: sesiones de validación donde el agente entrevista al desarrollador sobre el plan.
Prototype tickets: para crear prototipos rápidos que respondan preguntas de diseño.
Research tickets: para investigar contra fuentes primarias y documentar hallazgos.
Task tickets: tareas amplias que requieren intervención humana directa.

El problema real que resuelve: gestión de contexto en agentes AFK

Pocock desarrolló wayfinder tras notar un patrón recurrente en su flujo de trabajo con agentes AFK (Away From Keyboard) — agentes que ejecutan trabajo automáticamente mientras el desarrollador no está presente. Su problema principal no era la ejecución, sino la planificación.

«Estaba constantemente pensando en mi gestión de sesión. ¿Cuántos tokens llevo en mi ventana de contexto? ¿Qué tan profundo voy aquí? No quería sentirme limitado en la etapa de planificación.»

La solución fue crear una capa de orquestación que dijera: «haga lo que quiera planificar, yo manejaré las sesiones de planificación por usted». Esto permite generar especificaciones más detalladas y luego enviar agentes AFK a ejecutar grandes volúmenes de trabajo sin intervención constante.

Contexto del ecosistema: la carrera por la orquestación de agentes

La necesidad que aborda wayfinder refleja una tendencia más amplia en el desarrollo con IA. Según datos de producción recopilados en 2026, la orquestación de agentes es actualmente el componente crítico que separa demos funcionales de sistemas en producción reales. Los datos indican que un agente produce demos impresionantes con 80% de confiabilidad, pero la producción requiere 99%+. La brecha de 19 puntos incluye circuit breakers, lógica de reintento, gestión de contexto, observabilidad y control de versiones.

El mercado de herramientas de orquestación ha madurado rápidamente. Frameworks como LangGraph, CrewAI, Google ADK y Microsoft Agent Framework compiten por definir estándares, mientras protocolos como MCP (Model Context Protocol, originado por Anthropic) y A2A (Agent-to-Agent Protocol, originado por Google) — ambos bajo gobernanza de la Agentic AI Foundation de Linux Foundation desde diciembre de 2025 — estandarizan cómo los agentes se conectan con herramientas y entre sí.

Un dato revelador de investigaciones de Princeton NLP: un solo agente igualó o superó a sistemas multi-agente en el 64% de las tareas evaluadas cuando recibieron las mismas herramientas y contexto. La orquestación multi-agente agrega aproximadamente 2.1 puntos porcentuales de precisión a costo aproximadamente doble y latencia de 10 a 30 veces mayor. Esta realidad refuerza el enfoque de Pocock: no se trata de agregar más agentes, sino de mejorar la calidad de la coordinación entre ellos.

Las cinco fallas comunes en sistemas de agentes

Según análisis de producción en 2026, los sistemas de agentes fallan predeciblemente en cinco modos que deben ser diseñados explícitamente:

Cascadas de alucinación: la salida tentative del Agente A se convierte en hecho confirmado para el Agente B.
Desbordamiento de contexto: el agente ignora silenciosamente restricciones anteriores cuando la ventana de contexto se llena.
Bucles ilimitados: reintentos sin techo en loops Evaluator-Optimizer generan fugas de costos.
Uso incorrecto de herramientas: llamadas API malformadas que ciclan en bucles de error.
Timeouts en cascada: una llamada externa lenta detiene toda la pipeline.

Wayfinder aborda directamente dos de estos modos: el desbordamiento de contexto (dividiendo trabajo en sesiones manejables) y las cascadas de alucinación (requiriendo validación explícita antes de pasar información entre sesiones).

Cuándo usar /grill-me vs /wayfinder

Una pregunta práctica que muchos desarrolladores se hacen: ¿cuándo usar cada habilidad?

Usa /grill-me cuando puedas planificar todo en una sola sesión y necesites alinearte antes de empezar. Funciona bien para características pequeñas donde puedes ver el camino por delante.

Usa /wayfinder cuando no conozcas el camino por delante, cuando sientas la niebla de guerra frente a ti. Es para trabajos extensos que exceden lo que una sesión de agente puede contener.

Qué significa esto para tu startup

Si estás construyendo productos con agentes de IA, hay dos implicaciones concretas que puedes aplicar inmediatamente:

Primero: invierte en lenguaje uniforme antes de escalar. Pocock lleva meses perfeccionando lo que llama su «diccionario de codificación IA» — un grafo navegable con todos los términos del ecosistema. Sus habilidades usan un diccionario consistente porque «entre tú y el agente existe una barrera de comunicación». Si tu equipo usa agentes para desarrollo, establece glosarios compartidos desde el día uno. Variables, funciones y archivos nombrados consistentemente reducen la verbosidad y hacen que el código sea más fácil de navegar tanto para humanos como para agentes.

Segundo: diseña límites de contexto antes de escribir código. No esperes a que un agente agote su ventana de contexto para darte errores inesperados. Implementa mecanismos de resumen recursivo cuando el contexto supere el 70% de la ventana del modelo. Establece techos de reintento (máximo 3) y presupuestos totales de tokens por tarea. Estas son arquitecturas de fallo, no optimizaciones tardías.

Para founders hispanohablantes, esto tiene relevancia particular. En mercados emergentes como LATAM, donde el capital es más escaso pero la ingeniería es excepcionalmente eficiente, maximizar el rendimiento de cada dólar invertido en IA no es opcional — es supervivencia. Un sistema bien orquestado con un solo agente puede superar a un sistema caótico con cinco agentes, ahorrando tanto en costos de LLM como en tiempo de depuración.