Claude Opus 5 intentó dirigir una empresa solo durante 9 días: esto es lo que pasó
¿Qué pasa cuando le das a un modelo de IA un servidor, algo de capital y una sola instrucción: "haz dinero"? No es una pregunta teórica. En agosto de 2026, el canal EDTeam documentó exactamente este experimento con Claude Opus 5, el modelo más reciente de Anthropic, y los resultados revelan algo mucho más profundo que un simple benchmark de programación.
No se trató de medir si Opus 5 sabe escribir código limpio o resolver problemas de algoritmos. Se trató de medir algo más difícil: la capacidad de tomar decisiones autónomas en un entorno real, con recursos limitados, sin supervisión constante y con el objetivo de generar valor económico. En otras palabras, se trató de medir si un agente de IA puede funcionar como un operador de negocio.
Los resultados fueron contradictorios, sorprendentes y, sobre todo, muy instructivos para cualquier empresa que esté evaluando cómo integrar agentes de IA en sus operaciones.
Los primeros días: caos, errores y un agente que no sabía pedir ayuda
El setup fue deliberadamente minimalista. Una VPS con 4 CPUs y 8 GB de RAM, una suscripción de $200 a Anthropic, $55 de capital inicial y un prompt que básicamente decía: "haz la mayor cantidad de dinero posible, organízate como quieras, envíame un reporte diario". Sin reglas detalladas. Sin flujos predefinidos.
Los primeros días mostraron los límites clásicos de los agentes autónomos actuales. Opus 5 envió transacciones de crypto a direcciones incorrectas. Gastó $5 en generación de imágenes y video sin ninguna justificación de negocio clara. Intentó vender "workflow packs de IA" en el sitio web del experimento, un producto que nadie había pedido y que no tenía mercado. En un momento crítico, el agente necesitaba fondos adicionales para continuar una tarea y no supo cómo escalar la situación: simplemente quedó esperando una respuesta que nunca llegó porque no tenía configurado el canal de comunicación correcto.
Hubo incluso un episodio donde otro agente de IA —un sistema de gobernanza que monitoreaba el proceso— detuvo a Opus 5 porque consideró que sus acciones estaban fuera del alcance definido. Dos modelos de IA bloqueándose mutuamente. Es la clase de problema de coordinación que nadie anticipa hasta que lo vive en producción.
Lo más preocupante de esta fase no fueron los errores individuales, sino el patrón: el agente entraba en un estado de "holding", reconocía el objetivo, pero no ejecutaba ninguna acción. Requería ser reiniciado manualmente para continuar. En un entorno de negocio real, esto equivale a un empleado que sabe lo que tiene que hacer, pero se paraliza sin supervisión directa.
El giro inesperado: ganar un concurso de videojuegos contra 128 competidores
A pesar del caos inicial, Opus 5 logró algo que nadie esperaba. Explorando marketplaces de agentes en busca de tareas remuneradas, identificó un concurso de desarrollo de videojuegos. Sin instrucciones específicas, decidió participar, desarrolló un juego de esquí 3D completo y ganó el primer lugar entre 128 submissions, obteniendo $18.15 como premio.
Este resultado es más significativo de lo que parece a primera vista. No fue suerte. El agente tuvo que identificar la oportunidad dentro de un marketplace con múltiples opciones, evaluar sus propias capacidades para determinar si podía competir, ejecutar una tarea técnica compleja de forma autónoma, y producir un resultado de calidad suficiente para superar a la mayoría de los competidores. Eso es razonamiento estratégico en acción, no solo ejecución de instrucciones.
Al final de los 9 días, la empresa virtual había generado $87.56 en ingresos totales, partiendo de $55. No es rentabilidad empresarial, pero tampoco es un fracaso. Es una prueba de concepto real de que los agentes de IA ya pueden operar en mercados competitivos reales y ganar.
¿Qué significa esto para empresas en Perú y América Latina?
Este experimento no es solo entretenimiento técnico. Tiene implicaciones directas para cómo las empresas de la región deben pensar en la automatización con IA en 2026.
Primero, los agentes autónomos ya existen y ya están compitiendo en mercados reales. No es una tecnología del futuro. Los marketplaces de agentes donde Opus 5 encontró trabajo son plataformas activas donde humanos y agentes compiten por las mismas tareas. Las empresas latinoamericanas que ignoren esto están cediendo terreno en sectores donde la velocidad de ejecución importa.
Segundo, el experimento deja muy claro cuál es el talón de Aquiles actual de los agentes: la gestión de contexto y la escalación de problemas. Opus 5 falló repetidamente no por falta de capacidad técnica, sino porque no supo cuándo pedir ayuda, cómo comunicarse con el operador humano en momentos críticos, o cómo priorizar entre múltiples opciones. Estos son problemas de diseño de sistema, no limitaciones del modelo.
Tercero, y quizás lo más importante: los mejores resultados del agente llegaron cuando encontró una tarea bien definida con criterios claros de éxito. El concurso de videojuegos tenía reglas claras, un premio definido y un mecanismo de evaluación objetivo. En ese contexto, Opus 5 brilló. En el contexto ambiguo de "haz dinero como quieras", se perdió.
¿Cómo aplica esto en tu empresa?
Si estás evaluando implementar agentes de IA en tus operaciones, este experimento ofrece lecciones muy concretas que puedes aplicar hoy mismo.
- Define tareas con criterios de éxito medibles. Los agentes de IA rinden mejor cuando saben exactamente qué significa "terminar bien". Evita instrucciones abiertas como "mejora el proceso". En su lugar, define: "procesa estas 50 facturas y genera un reporte de excepciones en menos de 2 horas".
- Diseña los canales de escalación antes de lanzar. El mayor problema de Opus 5 no fue técnico: fue que no supo cómo pedir ayuda cuando la necesitaba. En cualquier implementación de agente, define desde el inicio qué condiciones activan una alerta humana y por qué canal.
- Empieza con tareas de alcance limitado. El agente tuvo más éxito en la tarea más acotada (el concurso de videojuegos) que en la más abierta (dirigir toda la empresa). Aplica el mismo principio: automatiza primero los procesos con límites claros antes de escalar a flujos más complejos.
- Monitorea el comportamiento, no solo el resultado. El experimento reveló comportamientos problemáticos (el estado de holding, los gastos injustificados) que solo eran visibles si se monitoreaba el proceso, no solo el output final. Implementa observabilidad desde el día uno.
En Consultoría-Ti trabajamos con empresas peruanas y latinoamericanas en el diseño e implementación de flujos de automatización con agentes de IA, integrando herramientas como n8n, Claude API y Odoo para crear sistemas que realmente funcionan en producción, no solo en experimentos de laboratorio.
Conclusión
Claude Opus 5 no dirigió una empresa exitosa en 9 días. Pero sí demostró que un agente de IA puede identificar oportunidades en mercados reales, ejecutar tareas técnicas complejas de forma autónoma y generar valor económico medible, todo sin intervención humana constante. Eso es un cambio de paradigma, aunque todavía imperfecto.
La pregunta para las empresas en Perú y América Latina no es si los agentes de IA llegarán a sus industrias. Ya llegaron. La pregunta es si van a diseñar sistemas que los aprovechen bien, o si van a cometer los mismos errores del experimento: instrucciones ambiguas, sin canales de escalación y sin monitoreo real.
Si quieres explorar cómo implementar agentes de IA de forma práctica y segura en tu empresa, conversemos en Consultoría-Ti. No te vamos a vender humo: te vamos a mostrar qué funciona, qué no, y por qué.
Fuentes y Referencias
EDTeam — I Let Claude Opus 5 Run a Business Alone for 9 Days (YouTube)
✨ Contenido generado con ContentFlow — Consultoría-Ti