BattoChat no es "Slack con IA pegada con cinta" — es la primera suite construida bajo el enfoque LLMs First

El patrón que se repite: IA como adorno

En algún momento de 2023, todas las grandes suites de productividad tuvieron la misma reunión interna. El resultado fue el mismo en todos los casos: tomar el producto existente, construir un sidebar con un chatbox, conectarlo a GPT-4 o Gemini o al modelo propio, y salir a anunciar que el producto era ahora "AI-powered".

Slack AI resume conversaciones de canales. Microsoft Teams Copilot toma notas de reuniones y sugiere tareas. Google Workspace Gemini redacta emails y propone respuestas en Gmail. Son features útiles. Nadie lo niega. Pero hay un patrón estructural en todos ellos que define —y limita— lo que pueden hacer.

En esos productos, el LLM es un invitado. La app se construyó para humanos. Los primitivos fundamentales —cómo se crean mensajes, cómo se organizan canales, cómo se maneja el acceso a archivos, cómo funciona la agenda— fueron diseñados con la asunción de que el actor es una persona usando un teclado. El LLM llega después, observa por encima del hombro, puede leer cosas y sugerir cosas, pero no puede actuar como ciudadano de primera del sistema. No puede enviar un mensaje programáticamente en nombre de un agente de la misma manera que lo haría un humano. No puede crear un evento de calendario con el mismo conjunto de herramientas que tiene un usuario real. Tiene acceso a un subconjunto de operaciones, expuestas específicamente para él, con fricciones extra.

El agente moderno trabaja en esa app como contratista en obra ajena: puede hacer ciertas cosas, pero tiene que pedir permiso para otras, no conoce los rincones del edificio, y si cambia algo en la estructura, se entera último.

LLMs First: qué significa en la práctica

El principio central de BattoChat se enuncia de manera simple: cada feature es callable por Claude —o cualquier agente MCP-compatible— antes de que exista un botón en la UI para el humano.

Esto no es una declaración filosófica. Es una restricción de diseño. Cuando el equipo construye una nueva primitiva —digamos, la capacidad de crear un contexto portable de conocimiento para un usuario— la primera pregunta no es "¿cómo se ve en la interfaz?" sino "¿cómo la llama un agente vía MCP?". El tool definition viene antes que el componente de React.

Model Context Protocol (MCP), el estándar abierto de Anthropic para que los LLMs interactúen con sistemas externos, es la columna vertebral técnica. En BattoChat, la superficie MCP no es un plugin adicional —es la capa de acceso canónica. El mismo endpoint que usa Claude Code para leer mensajes o crear una reunión es el mismo que usa el frontend cuando un humano hace click.

La consecuencia es que humanos y agentes tienen exactamente el mismo conjunto de operaciones disponibles. No hay operaciones "premium" para humanos que el agente no puede hacer. No hay workarounds raros. Si la app puede hacerlo, el agente puede hacerlo.

Qué habilita esa diferencia arquitectónica

El agente que triage el inbox

Imaginá que tenés treinta conversaciones activas en BattoChat al lunes por la mañana: clientes, proveedores, el equipo interno, notificaciones de integraciones. En Slack con Copilot, el LLM puede resumirte los canales que te perdiste. Útil. Pasivo.

En BattoChat, podés pedirle a un agente que triage ese inbox: que lea cada conversación, clasifique por urgencia y categoría, marque como leídas las que no necesitan acción, y te presente un resumen de las tres que sí la necesitan con el contexto suficiente para responder en dos minutos. El agente tiene acceso a las mismas herramientas de lectura y marcado que vos. No te resume desde afuera — opera dentro del mismo sistema.

Reuniones agendadas por lenguaje natural

BattoChat integra calendario. Cuando un agente tiene acceso a esa integración, podés escribirle en lenguaje natural: "agendame una call con el equipo de diseño para la semana que viene, 45 minutos, que no choque con el stand-up del martes y que sea antes del mediodía para Montevideo". El agente busca los slots disponibles de todos los participantes, propone opciones, y al confirmar, crea el evento. Sin abrir Google Calendar. Sin el ciclo eterno de "a mí me cae bien el miércoles" por chat.

El resumen diario del ejecutivo

Uno de los casos de uso más concretos que aparece rápido en equipos que adoptan BattoChat: el digest automático. Un agente configurado para correr cada mañana a las 8 lee las conversaciones del día anterior, los correos relevantes (via integración Gmail), las menciones en canales clave, y genera un resumen estructurado con los puntos de acción pendientes. Llega como mensaje en BattoChat, no como email que se pierde entre newsletters.

En una suite humanos-primero, ese resumen lo hacés a mano o usás una herramienta externa que se integra vía webhook. En BattoChat, es una automatización de tres pasos que cualquier miembro del equipo puede configurar sin escribir código.

Contextos: el conocimiento que viaja con el agente

BattoChat tiene un concepto llamado "contextos": bases de conocimiento portables, por usuario o por equipo, que el agente puede leer en cualquier conversación. Si tenés un contexto con las políticas de devolución de tu empresa, el historial de un cliente, o los criterios de aprobación de un presupuesto, el agente accede a ese contexto sin que tengas que pegarlo en cada prompt.

Es la diferencia entre un asistente con amnesia y un asistente que recuerda. En las suites actuales con IA sumada encima, el contexto es el problema no resuelto — tenés que recordarle al Copilot de turno quién sos y qué estás haciendo en cada sesión. En BattoChat, el contexto es una primitiva del sistema, persistente y editable.

El vault: credenciales como ciudadano de primera

Un detalle que parece menor pero revela mucho sobre la filosofía: BattoChat tiene un vault cifrado para credenciales y secretos. No es un gestor de contraseñas de terceros integrado vía plugin — es una primitiva nativa. Un agente puede leer del vault (con permiso explícito del usuario) para completar una tarea que requiere autenticación. Un humano puede agregar, editar o revocar entradas con la misma interfaz.

En un contexto donde los equipos tienen cada vez más secretos que compartir entre miembros humanos y miembros agentes, el vault como primitiva nativa cambia la ecuación de seguridad. No hay que inventar workarounds para pasarle tokens a un agente. El sistema los maneja con las mismas garantías que cualquier otro dato sensible.

Sync real entre dispositivos: no solo "disponible en mobile"

BattoChat corre en Mac, Windows y web. El sync entre dispositivos no es solo que los mensajes lleguen a todos —es que el estado completo del sistema, incluyendo contextos, vault, configuraciones de agentes y automatizaciones, está sincronizado. Si configurás un agente de digest en tu Mac, funciona aunque estés en el web desde otro lado.

Para equipos en LATAM donde el trabajo remoto implica mezcla de dispositivos, redes variables, y usuarios que cambian entre teléfono y laptop constantemente, eso no es un detalle menor. Es la diferencia entre una herramienta que funciona en condiciones ideales y una que funciona en condiciones reales.

Las integraciones como extensiones del agente, no interfaces separadas

BattoChat se integra con WhatsApp (donde vive Batto Sofía), Gmail, Google Calendar, Wafle, y otras plataformas de comercio. En las suites tradicionales, esas integraciones son paneles separados que el humano abre para ver información. En BattoChat, son extensiones del espacio de herramientas que el agente puede usar.

Un agente en BattoChat puede leer un correo de Gmail, extraer un número de pedido, consultarlo en Wafle, y mandarle al cliente una respuesta por WhatsApp — todo en un flujo automatizable desde lenguaje natural. No es un Zap con tres nodos en Zapier. Es una instrucción en lenguaje natural que el agente ejecuta usando herramientas nativas.

El argumento honesto: ¿para quién es esto?

Sería deshonesto presentar BattoChat como la suite que reemplaza a Slack o Teams para empresas de mil empleados con infraestructura IT establecida. No es ese el caso de uso que resuelve mejor, al menos hoy.

El caso de uso que resuelve mejor es el equipo de entre tres y cincuenta personas —muchos de ellos en LATAM, con mezcla de trabajo remoto y presencial, con al menos una persona técnica capaz de configurar integraciones básicas— que quiere empezar a operar con agentes de IA como parte del equipo, no como herramientas externas a las que se accede vía prompt en un chat aparte.

Para ese equipo, la diferencia entre "IA como sidebar" y "IA como ciudadano de primera" no es filosófica — es operacional. El equipo que opera en Slack con Copilot eventualmente choca con lo que el agente no puede hacer: no puede crear canales con permisos específicos, no puede mover hilos entre espacios, no puede ejecutar flujos que requieren contexto de conversaciones anteriores sin que alguien se lo pase manualmente. El equipo que opera en BattoChat desde el día cero no tiene ese techo.

Un cambio de perspectiva que tarda en llegar pero cuando llega no se va

Hay un momento de click que reportan equipos que adoptan BattoChat. No sucede el día uno. Sucede cuando por primera vez le piden a un agente que haga algo que en cualquier otra herramienta hubiera requerido abrir tres tabs, copiar datos entre ellos, y mandar un mensaje manual — y el agente simplemente lo hace. Dentro del mismo sistema. Con los mismos datos que el equipo ya tiene.

Ese momento es difícil de vender en un demo porque parece simple. No hay fuegos artificiales. El agente hizo lo que se le pidió. Pero la acumulación de esos momentos — en una semana, en un mes — es lo que cambia cómo un equipo entiende el trabajo.

La pregunta que empieza a hacerse ese equipo no es "¿podemos automatizar esto?". Es "¿por qué haríamos esto manualmente?". Y esa es exactamente la pregunta correcta.

El agente moderno trabaja al lado tuyo. Si la app no lo trata como ciudadano de primera, lo va a sufrir el equipo entero.

Slack AI es una respuesta a la pregunta "¿cómo sumamos IA a lo que ya tenemos?". BattoChat es una respuesta a una pregunta diferente: "si empezáramos de cero sabiendo que los agentes van a trabajar en el mismo equipo que los humanos, ¿cómo construiríamos el sistema?". La distinción parece sutil. Las consecuencias no lo son.