TL;DR: Para asignar tu primera tarea a un agente de IA, elige algo pequeño que el agente pueda verificar, redacta el título enfocado en el resultado y la descripción como el alcance más el criterio de «listo cuando», luego delégala y revisa el resultado en lugar de guiarlo paso a paso. En Sharkly, esto significa conectar un Computer donde Claude Code o Codex tengan la sesión iniciada, crear un Agent con una única función, crear una Task y definir su Assignee con dicho Agent. Al establecer el Assignee se inicia la ejecución. El resultado se envía a la Task y una persona la marca como Done.
Llevas semanas usando Claude Code o Codex en la terminal. Escribes, edita, corriges, vuelve a editar. Asignar una tarea es una dinámica diferente: defines el trabajo por escrito una sola vez, lo delegas y regresas a ver el resultado. El primer intento suele fallar por razones de lo más predecibles: la tarea solo decía «arregla el error de inicio de sesión» y nada más; la herramienta de programación en el Computer no tenía la sesión iniciada; o no había pruebas que el agente pudiera ejecutar, así que adivinó y dio el trabajo por terminado.
Esta guía explica cómo asignar tu primera tarea a un agente de IA para que llegue a buen término: cómo elegirla, cómo redactarla, los pasos exactos en Sharkly y cómo revisar lo que devuelve. Si todavía estás decidiendo si algo encaja mejor en un chat o en una tarea, consulta primero ¿chatear con un agente de IA o asignarle una tarea?.
Elige una primera tarea que un agente de IA pueda terminar
Asignar una tarea a un agente de IA significa entregarle a un agente programador una unidad de trabajo por escrito para que la ejecute de forma autónoma y luego revisar el resultado, en lugar de guiarlo prompt por prompt. Haz que la primera tarea sea intencionalmente simple y predecible. Estás probando la configuración, no los límites del agente.
Una buena primera tarea es lo bastante pequeña como para describir el diff en una sola frase, cuenta con una verificación que el agente puede ejecutar, se limita a un único módulo y no toca nada que te dé miedo revertir: nada de migraciones, configuraciones de producción ni secretos.
| Buena primera tarea | Mala primera tarea |
|---|---|
Rechazar cadenas vacías y con formato incorrecto en parseDate(), con pruebas |
Limpiar la gestión de fechas |
Corregir el fallo en test_invoice_totals y explicar la causa |
Arreglar el CI |
Añadir una flag --json a status, siguiendo el formato de list --json |
Mejorar la CLI |
| Actualizar los pasos de instalación del README para el nuevo archivo de configuración | Reescribir la documentación |
La columna de la derecha no describe un mal trabajo en sí, sino tareas sin límites definidos, lo que obliga al agente a inventar el alcance y a ti a adivinar si cumplió el objetivo. La guía para trabajar con Claude Code de Anthropic destaca el principio fundamental: «Dale a Claude una verificación que pueda ejecutar: pruebas, una compilación, una captura de pantalla para comparar». Un agente sin una verificación solo puede decirte que terminó; un agente con ella puede demostrártelo.
Redacta la tarea para que el agente de IA pueda completarla
La documentación de Tasks de Sharkly establece una regla para los títulos: «Un título útil nombra el resultado en lugar del tema». La descripción incluye todo lo que una nueva persona o un Agent necesitaría: por qué es importante el trabajo, qué queda dentro y fuera del alcance, archivos y ejemplos relevantes, decisiones ya tomadas y cómo se revisará que esté completo. La guía de prompting para Codex de OpenAI utiliza prácticamente el mismo esquema: Objetivo, Contexto, Restricciones y Criterio de finalización (Done when).
Aquí tienes una primera tarea redactada con este enfoque, como la Task SH-312:
Title: Reject empty and malformed strings in parseDate()
Why: Support tickets show a 500 when the import form gets a blank date.
Scope: src/dates/parse.ts and its tests only. Do not change callers.
Context: Follow the pattern in src/dates/format.ts.
Errors use InvalidInputError from src/errors.ts.
Constraints: No new dependencies. Keep the public signature.
Done when:
- parseDate("") and parseDate("31/02/2026") throw InvalidInputError
- npm test passes
- Your final comment lists the files you changed and the test command you ran
La última línea es más importante de lo que parece: convierte un «ya terminé» en evidencia tangible que puedes comprobar en diez segundos.
Dos hábitos ayudan a mantener las tareas claras a medida que sumas más trabajo: mantén el objetivo general, el alcance y los criterios de aceptación en la descripción en lugar de dispersarlos en comentarios; y define las conductas permanentes (como «pregunta si la solicitud no queda clara») en las instrucciones del Agent, de modo que cada Task solo contenga lo que es específico de ella.
Asigna tu primera tarea a un agente de IA en Sharkly
Ya cuentas con agentes programadores; Sharkly los organiza como un equipo. La primera ejecución requiere cuatro elementos: un espacio de trabajo, un Computer, un Agent y una Task. Estos pasos siguen la guía de inicio rápido de Sharkly:
- Inicia sesión y crea el espacio de trabajo. Inicia sesión en app.sharkly.ai con un código por correo, Google o GitHub, crea una Organization y, en Initialize workspace, selecciona Software development. Sharkly creará Default Space con los tipos de tarea Requirement y Bug.
- Conecta un Computer. Instala Claude Code, Codex, Gemini, OpenClaw, Hermes o Pi Agent en el equipo que realizará el trabajo e inicia sesión en él. La aplicación de escritorio detecta las herramientas y registra ese equipo. En la versión web, Get started y luego Connect Computer te proporcionarán un comando para ejecutar allí. La documentación advierte que «Online solo significa que la conexión está activa», así que abre el Computer y verifica que el Runtime esté en estado Available. Computers en Sharkly analiza las diferencias entre usar portátiles o servidores.
- Crea un Agent con una única función. Ve a Agents, selecciona New Agent, elige Code development, marca «the Agent automatically pulls Git repositories» y añade el repositorio. Selecciona el Computer y redacta instrucciones breves. Deja el directorio de trabajo en Create temporary directory para que cada Task tenga su propio worktree, y mantén la visibilidad en Personal hasta que el Agent demuestre su utilidad. No hay un selector de modelos: si quieres usar un modelo específico, indícalo en Custom arguments.
- Ejecuta una comprobación de solo lectura. Antes de encargar cambios en el código, la documentación de Repositories recomienda asignar una Task como «Inspecciona el repositorio e informa sobre el lenguaje principal, el gestor de paquetes y el comando de pruebas más cercano. No modifiques ningún archivo». Esto demuestra que el Agent puede acceder al repositorio, utilizar los permisos de Git y ejecutar comandos.
- Crea la Task y asígnala. En la página de Tasks, selecciona New Task y pega el título y la descripción. Toda nueva Task se crea en estado Todo. Configura el campo Assignee con el Agent. Como indica la guía rápida: «Definir el Assignee pone en marcha el Agent. No cambies el estado primero». La única excepción es Backlog, que funciona como un estado de espera: una Task ubicada allí no se ejecutará hasta que la muevas a otro estado.
Supervisa la ejecución del agente de IA y revisa el resultado
Una ejecución tiene sus propios estados, independientes del estado de la Task. La página de Agent task execution los define así:
| Estado de ejecución | Significado |
|---|---|
| Queued | Aceptada y a la espera de capacidad de despacho |
| Dispatched | Asignada y arrancando en el Computer |
| Waiting for local directory | Ningún directorio configurado está libre |
| Running | El Agent está trabajando |
| Completed, Failed, Canceled | El resultado de la ejecución |
Dentro de la Task, Activity muestra los comentarios, incluida la conclusión del Agent, y Executions detalla el historial de ejecuciones. Todo lo que requiera tu atención aparecerá en Inbox, en la pestaña Primary: conversaciones pendientes de tu respuesta o revisión, tareas fallidas o bloqueadas y menciones directas.
Cuando la ejecución termine, revisa los cambios en el worktree y decide si conservarlos, fusionarlos o descartarlos. Si algo no está bien, menciona con @ al Agent en un comentario indicando la corrección puntual: «El caso de cadena vacía sigue devolviendo null. Lanza InvalidInputError». Un comentario común no reactiva el Agent; la mención sí. Cuando el resultado sea el correcto, una persona pasa la Task a Done. Los agentes investigan, ejecutan, prueban e informan; las personas definen la dirección, autorizan y aceptan el resultado. Para saber qué buscar en el diff, consulta cómo revisar código generado por IA con evidencia a nivel de tarea.
Un solo agente de IA, un Crew o simplemente tu terminal
Si estás frente al teclado y necesitas hacer un cambio inmediato, una sesión de Claude Code o Codex en tu terminal es más rápida que cualquier flujo de asignación, y no necesitas Sharkly para ello. Asignar tareas vale la pena cuando quieres desentenderte del proceso mientras se ejecuta, cuando otra persona revisará el resultado o cuando el trabajo debe quedar registrado a la vista de todo el equipo.
Dentro de Sharkly, la documentación sobre Crews marca la pauta: «Para trabajos pequeños y bien definidos, asigna la Task directamente a un único Agent. Utiliza un Crew cuando el líder deba interpretar el objetivo, coordinar a otros miembros Agent y consolidar sus resultados». Tu primera tarea debería asignarse a un solo Agent. El artículo sobre Crews en Sharkly profundiza en el segundo escenario.
Una vez que un Agent gestione de forma fiable cierto tipo de Task, la guía de inicio rápido recomienda derivar tareas a un Agent más especializado o guardar los procedimientos repetitivos como una Skill. A partir de ahí, el siguiente paso suele ser gestionar varias Tasks a la vez; nuestra guía para ejecutar múltiples agentes de Claude Code en paralelo aborda el aislamiento y el orden de integración (merge). La página de características de Agents muestra la configuración de principio a fin.
Si buscas delegar trabajo a los agentes programadores por los que ya pagas y centralizar todos los resultados en un solo lugar, ese es precisamente el problema para el que fue diseñado Sharkly.
Preguntas frecuentes
¿Asignar una tarea inicia el agente de IA de inmediato? Por lo general, sí. Establecer el Assignee inicia la ejecución, a menos que la Task se encuentre en estado Backlog, Completed, Canceled o Duplicate. Aun así, la ejecución puede permanecer en Queued esperando disponibilidad del Computer, límites de concurrencia o un directorio libre.
¿Qué ocurre si mi Computer se desconecta? Por lo general, las nuevas ejecuciones esperan a que vuelva a conectarse, y una ejecución puede quedarse en cola si el Computer se desconecta antes del despacho. Activa la opción Prevent sleep en los portátiles que deban seguir recibiendo trabajo.
¿Pago por el modelo a través de Sharkly? No. El consumo de las ejecuciones se factura directamente al plan de Claude Code, Codex o API configurado en el Computer, y Sharkly no vende tokens. Sharkly en sí es actualmente gratuito para organizaciones de hasta 5 personas; consulta la explicación de precios de Sharkly.
¿A qué tiene acceso el agente en mi equipo? A todo lo que el Computer le proporcione: «el sistema operativo, los archivos, las credenciales, el acceso a la red y las herramientas que un Agent requiera». Mantén el Agent y el Computer en modo Personal mientras utilicen tus propias credenciales, nunca pegues tokens en una Task y lee qué se le debe y no se le debe permitir hacer a un agente.
