Cómo Alfred orquesta agentes IA 24/7

En SabaTech hemos construido algo que hace un año parecía ciencia ficción: un equipo de agentes IA que opera 24/7 de forma autónoma, desarrollando código, auditando seguridad, ejecutando tests y desplegando a producción sin intervención humana.

Se llama Alfred, y esta es la historia de su arquitectura.

El problema

Como consultores de QA y DevSecOps, nos enfrentamos a un bottleneck clásico: el tiempo entre escribir código y tenerlo listo para producción. Cada cambio necesitaba:

Code review manual

Auditoría de seguridad

Testing funcional y de regresión

Despliegue coordinado

El ciclo podía tardar días. Para un equipo pequeño, eso era insostenible.

La solución: Orquestación de agentes

En lugar de un solo modelo de IA, diseñamos un sistema multi-agente donde cada agente tiene una especialidad:

AgenteEspecialidadFrecuencia

AlfredCoordinación y dispatchCada 5 min CoderDesarrollo e implementaciónBajo demanda SecurityAuditoría de seguridadPost-código QA-TesterTesting funcionalPost-security DevOpsInfraestructura y deploysSegún necesidad ResearchInvestigación y análisisBajo demanda

Cómo funciona el pipeline

Idea → Alfred (dispatch) → Coder (implementa) → Security (audita) → QA-Tester (valida) → Producción

El flujo es completamente automático:

Alfred revisa el Kanban cada 5 minutos vía heartbeat

Si hay tareas pendientes, las asigna al agente especialista

El especialista ejecuta la tarea y reporta progreso

Al completar, la tarea pasa al siguiente agente en el pipeline

Si un agente se bloquea >30 min, Alfred escala a intervención humana

Memoria de dominio (Hindsight)

Uno de los mayores retos de los agentes IA es la pérdida de contexto entre sesiones. Implementamos un sistema de memoria llamada Hindsight que permite:

Recordar decisiones de arquitectura previas

Aprender de errores recurrentes

Mantener contexto de proyectos a largo plazo

Transferir conocimiento entre sesiones

Esto significa que Alfred no empieza de cero cada vez: aprende y mejora continuamente.

Resultados reales

Después de 3 meses operando 24/7:

200+ tareas completadas sin intervención humana

Tiempo de ciclo reducido de días a horas

0 incidentes de seguridad en código desplegado por agentes

99.5% uptime del sistema de orquestación

Stack tecnológico

OpenClaw: Framework de orquestación de agentes

Kanban API: Sistema de tracking de tareas en tiempo real

Engram: Memoria de dominio persistente

Next.js + Astro: Para los dashboards y landings

Coolify: Despliegue auto-hospedado

Lecciones aprendidas

La orquestación es más importante que los agentes individuales. Un buen coordinador con agentes mediocres supera a agentes brillantes sin coordinación.

Los heartbeat son esenciales. Sin un mecanismo de polling regular, los agentes se desincronizan.

La regla de los 25 minutos. Para evitar solapamiento, cada agente espera 25 minutos antes de tomar una nueva tarea. Esto previene duplicación de trabajo.

El pipeline debe ser estricto. Coder → Security → QA → Deploy, sin saltarse pasos.

¿Qué viene después?

Estamos trabajando en:

Multi-modelo fallback: Si un modelo falla, cambiar automáticamente a otro

Auto-healing: Detección y corrección automática de errores en producción

Cross-project memory: Transferir aprendizajes entre proyectos diferentes

---

Si te interesa implementar algo similar para tu equipo, contáctanos. Ayudamos a empresas a automatizar sus pipelines de desarrollo con IA.