Codex calculó 180 horas de trabajo en un producto a partir de git y chats, y ayudó a cerrar cabos sueltos fiscales
El autor del canal «LLM pod kapotom» («LLM bajo el capó») encargó al agente Codex estimar su carga de trabajo a partir del historial de git, los chats de trabajo y el registro de sus diálogos con el propio agente. Resultado: 180 horas en el último producto y 20 horas en un módulo de formación. El mismo enfoque con el «cerebro de la empresa» —una base común de chats, correo y extractos bancarios— le sirvió para localizar y pagar impuestos pendientes. Si el agente tiene rastros de tu trabajo, puedes delegarle las estimaciones y la rutina.
Procesado por IA desde TG: @llm_under_hood (LLM под капотом); editado por Hamidun News
¿Cuántas horas dedicó realmente a su último producto? La mayoría responde de memoria y se equivoca. El autor del canal de Telegram «LLM pod kapotom» («LLM bajo el capó») dejó de adivinar y se lo encargó al agente Codex.
Este repasó el historial de commits en git, los chats de trabajo y el registro de diálogos con el propio Codex, y contó unas 180 horas de desarrollo del último producto y unas 20 horas de preparación de un módulo de formación. Es un ejemplo de proceso «AI-native»: la IA no se limita a responder preguntas, sino que trabaja con los rastros reales de tu trabajo. Por «cerebro de la empresa» (company brain), el autor entiende una base única donde se reúnen chats, correo y extractos bancarios.
El post es personal y no incluye benchmarks, pero sus técnicas se pueden replicar.
Estimar el tiempo a partir de los rastros del trabajo
La primera técnica es sencilla. Cuando necesita saber cuánto tiempo se ha ido en un proyecto, el autor no lo recuerda: le pide a Codex que lo calcule. Para ello, el agente necesita acceso a tres fuentes: el historial de git de todos los proyectos, los chats de trabajo y el historial de trabajo con el propio Codex. Esta última la exporta a un conversation index independiente, es decir, un índice de diálogos con el agente.
El propio autor hace una salvedad importante: las 180 y las 20 horas son solo su tiempo personal. El agente todavía no puede calcular las horas totales del equipo, porque no tiene el mismo acceso a los rastros del resto de personas.
El sentido práctico es claro. Las estimaciones a posteriori hacen falta para planificar, fijar precios y hablar con inversores, y de memoria no son fiables. Los commits y las conversaciones ofrecen al menos una base reproducible. Eso sí, sigue siendo una estimación del modelo y no un registro de jornada: el tiempo de reflexión lejos del teclado no aparece en git.
El «cerebro de la empresa» y los cabos sueltos contables
La segunda técnica es más pesada. Para ordenar la contabilidad y los asuntos pendientes, el autor conecta al company brain todos los chats de trabajo (o directamente todos), la base de correo y los extractos bancarios. Después pide al agente que despeje el asunto como lo haría un gestor de procesos experimentado de Silicon Valley.
Para los datos locales, el autor creó un bridge service independiente que funciona en Mac. Resuelve tres tareas:
- da acceso de solo lectura a la base local de Telegram y del cliente de correo, de modo que el agente no puede modificar ni borrar nada;
- mantiene una caché propia en un formato cómodo para las búsquedas;
- entrega los datos mediante una interfaz con progressive disclosure: primero resúmenes breves y luego detalles bajo demanda.
El último punto importa para la economía de tokens. Volcar de golpe en el contexto toda la correspondencia y los extractos sale caro y reduce la calidad de la respuesta. Cuando el agente ve primero el índice y abre solo los fragmentos necesarios, gasta menos tokens y se pierde con menos frecuencia en información irrelevante.
Según el autor, así consiguió localizar con precisión los impuestos pendientes, pagarlos rápido, conciliar los resultados y ordenar los documentos en carpetas. De paso, el agente ayudó a enviar al banco un informe de bug sobre un fallo en su sistema de exportación de extractos.
Ideas para la noche y limitaciones
La tercera técnica tiene más que ver con la forma de pensar. Al mirar los procesos de empresas más maduras a través del prisma del company brain, se ve cuánto se puede mejorar en la propia. Enseguida surgen ideas sobre qué fuentes de datos conectar y dónde integrarlas.
El autor cita su pregunta favorita: por la noche pide a un modelo al que llama Fable 5.2 que haga de socio experimentado de YC, contratado por mucho dinero para acelerar la empresa. La tarea consiste en revisar los cambios del company brain de los últimos días, hacer research y proponer una pequeña cosa que mejore el escalado, la redistribución de responsabilidades o simplifique la vida. La restricción de «una cosa pequeña» es útil en sí misma: da un paso que realmente se puede ejecutar, en lugar de un informe largo que nadie lee.
Qué conviene tener en cuenta si quiere replicarlo:
- El post no incluye mediciones de calidad: se desconoce cuántos errores cometió el agente con los impuestos y cómo se comprobaron. Es mejor verificar a mano las conclusiones financieras.
- El acceso a chats, correo y banco supone un riesgo serio para la privacidad. El modo de solo lectura y el bridge local lo reducen, pero no lo eliminan. Conviene avisar a los empleados y a los contrapartes cuyos mensajes terminan en la base.
- Contar el tiempo por git y chats funciona bien para una sola persona. Para un equipo hacen falta fuentes unificadas y el consentimiento de los participantes.
- El nombre del modelo y los detalles de los servicios proceden del propio autor; no hay verificación independiente.
Conclusión práctica: el valor de un agente crece con la calidad de los datos a los que accede. Si reúne el historial de trabajo en un solo lugar, concede acceso seguro de solo lectura y sirve los datos por porciones, el mismo modelo puede funcionar como analista, ayudante de contabilidad y consultor nocturno de procesos. El autor cerró con una pregunta a los lectores sobre qué técnicas usan ellos. Es un buen motivo para comprobar qué fuentes de datos de su empresa siguen sin conectarse al agente.
- 22 ene 2026GPT-5.2-Codex a la caza de errores: su velocidad sorprende
- 27 oct 2026El modo Ultrafast de Codex redujo la investigación de incidentes en OpenAI de entre una y dos horas a entre 10 y 15 minutos
- 30 may 2026IA para impuestos: cómo se creó un agente fiscal que aprende solo
- 8 nov 2026Merge automatizo la planificacion de cenas: de decenas de horas a 30 minutos por evento
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Estimar el tiempo a partir de los rastros del trabajo?
La primera técnica es sencilla. Cuando necesita saber cuánto tiempo se ha ido en un proyecto, el autor no lo recuerda: le pide a Codex que lo calcule. Para ello, el agente necesita acceso a tres fuentes: el historial de git de todos los proyectos, los chats de trabajo y el historial de trabajo con el propio Codex. Esta última la exporta a un conversation index independiente, es decir, un índice de diálogos con el agente.
¿Qué se sabe sobre El «cerebro de la empresa» y los cabos sueltos contables?
La segunda técnica es más pesada. Para ordenar la contabilidad y los asuntos pendientes, el autor conecta al company brain todos los chats de trabajo (o directamente todos), la base de correo y los extractos bancarios. Después pide al agente que despeje el asunto como lo haría un gestor de procesos experimentado de Silicon Valley. Para los datos locales, el autor creó un bridge service independiente que funciona en Mac.
¿Qué se sabe sobre Ideas para la noche y limitaciones?
La tercera técnica tiene más que ver con la forma de pensar. Al mirar los procesos de empresas más maduras a través del prisma del company brain, se ve cuánto se puede mejorar en la propia. Enseguida surgen ideas sobre qué fuentes de datos conectar y dónde integrarlas. El autor cita su pregunta favorita: por la noche pide a un modelo al que llama Fable 5.2 que haga de socio experimentado de YC, contratado por mucho dinero para acelerar la empresa.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.