El catálogo de herramientas es una decisión de arquitectura, no una lista de funciones

Más herramientas no significan más capacidad. Un catálogo grande parece ofrecer libertad, pero cada definición compite por atención y aumenta combinaciones posibles. El error puede ocurrir antes de ejecutar: el agente interpreta mal qué herramienta corresponde. La confiabilidad comienza decidiendo qué opciones llegan a cada turno. Analizar el diseño del espacio de acción que un agente ve durante cada tarea exige seguir consecuencias y no solo una función atractiva. La decisión es reducir y estructurar herramientas según intención en vez de exponer todo el producto. El marco conecta intención, herramientas candidatas, selección, llamadas, errores, latencia, tokens, aprobación y resultado con experiencia, operación y riesgo, de modo que la conclusión pueda cambiar cuando aparecen usuarios, excepciones o información que el primer diseño no contempló.

La interfaz humana no es un contrato del agente. Los humanos aprenden ubicación, nombres y atajos mediante uso continuo. Un agente recibe descripciones y estado parcial. Si la herramienta depende de una pestaña abierta o un orden visual, la arquitectura le exige navegar una convención en vez de consultar datos directamente. El error común es tratar una interfaz como si fuera neutral. También pesan tareas ambiguas, esquemas inconsistentes, funciones duplicadas y conocimiento desactualizado. Orden, campos, permisos y omisiones influyen en conducta. Hacer visibles esas elecciones permite debatirlas y evita que una decisión de producto adquiera autoridad institucional sin revisión explícita.

La selección dinámica funciona como enrutamiento. La selección dinámica clasifica intención y entrega un subconjunto pequeño. Ese enrutador también debe evaluarse: una herramienta omitida puede bloquear el trabajo y una añadida puede ampliar autoridad. Las reglas necesitan versión, responsable y una salida segura cuando la intención es incierta. La economía real incluye preparación, supervisión, corrección y soporte. Alcanzar agentes que elijan menos, entiendan mejor y puedan explicar por qué actuaron requiere asignar responsables y capacidad para esos trabajos. Una automatización puede parecer barata cuando desplaza carga hacia personas o áreas que no aparecen en el presupuesto original.

El contexto compite con cada definición. Esquemas, ejemplos y políticas consumen el mismo presupuesto que la conversación y los datos. Serializar todo protege contra omisiones, pero degrada señal. Los manejadores específicos deben conservar aquello que afecta la decisión y señalar qué información deliberadamente quedó fuera. La evidencia se conserva con versión, fecha y población. Para el diseño del espacio de acción que un agente ve durante cada tarea, intención, herramientas candidatas, selección, llamadas, errores, latencia, tokens, aprobación y resultado permiten explicar diferencias, sesgos y regresiones. Sin trazabilidad, un resultado agregado no ofrece base estable para invertir, auditar, corregir o reconocer a quién beneficia y a quién deja fuera.

Las métricas deben seguir decisiones. Tasa de llamadas exitosas es insuficiente. Conviene medir precisión de selección, reintentos, herramientas innecesarias, solicitudes de aprobación y exactitud final. Un agente rápido que usa el instrumento equivocado crea retrabajo invisible y puede escribir en un sistema no previsto. Los umbrales se fijan antes de conocer el resultado. Cuando tareas ambiguas, esquemas inconsistentes, funciones duplicadas y conocimiento desactualizado superan el límite, la respuesta prevista es reducir alcance, reparar o detenerse. Esta disciplina protege el aprendizaje frente a la presión de defender una inversión y mantiene abierta la opción de una solución no tecnológica.

Conclusión para arquitectura de producto. Para dirección, la inversión no es un prompt mejor sino una capa de producto: contratos de datos, enrutamiento y observabilidad. Goatify puede identificar veinte herramientas críticas, reducir solapamientos y construir una suite que pruebe tanto la elección como el efecto real. La conclusión ejecutiva debe financiar agentes que elijan menos, entiendan mejor y puedan explicar por qué actuaron, no una etiqueta tecnológica. Un resumen útil combina capacidad permitida, costo total, riesgo residual y próxima revisión. Las métricas de modelos o actividad solo importan cuando sostienen una decisión concreta que una persona responsable puede explicar.