¿Qué es Sharkly?

Ya puedes encargarle una tarea real a un único agente de programación con IA. Describes el cambio, el agente edita archivos, ejecuta las pruebas y te devuelve un diff. El flujo se siente impecable hasta el momento en que quieres que un segundo agente trabaje mientras el primero piensa. Ahora tienes dos terminales, dos ramas que mantener en orden y ningún registro compartido de quién está haciendo qué. Suma un tercer agente y a un compañero de equipo que quiere ayudar, y todo se convierte en prompts privados y sesiones de terminal que nadie más puede ver. Los agentes están bien. Lo que falta es el sistema que los rodea.

Ese sistema es lo que ofrece Sharkly. Te permite asignar trabajo a agentes de programación con IA igual que asignas trabajo a tus compañeros de equipo: una tarea con un responsable, contexto, un lugar al que vuelven los resultados y un paso de revisión antes de que nada se fusione. Los agentes siguen escribiendo el código. Sharkly añade la capa compartida de tareas, computadoras, contexto, control y revisión alrededor de las herramientas que tu equipo ya usa.

TL;DR

Sharkly es una plataforma todo en uno de comando y gestión de Agentes. Convierte agentes de programación con IA como Claude Code, Codex y Gemini en miembros del equipo asignables y rastreables dentro de un sistema de tareas real: asigna una Tarea, ejecuta varios Agentes en paralelo en tus propias computadoras y mantén el contexto, el progreso, los bloqueos, los resultados y la revisión humana visibles desde la solicitud hasta el lanzamiento. No sustituye a esas herramientas de programación. Es la capa de coordinación que las rodea.

¿Qué es Sharkly?

Sharkly es una plataforma para coordinar a las personas y a varios Agentes de programación con IA en un único sistema de trabajo compartido. Asignas una Tarea, un Agente la investiga y la ejecuta en un espacio de trabajo aislado, y el resultado vuelve a esa Tarea para que una persona lo revise y lo acepte. Las herramientas de programación siguen ejecutando el código; Sharkly gestiona la asignación, el contexto, las ejecuciones en paralelo y la revisión en todas ellas.

La forma más clara de ubicar a Sharkly es por lo que no hace. Según las propias preguntas frecuentes del producto:

Sharkly no sustituye a Claude Code, Codex ni a otras herramientas de ejecución. Añade la capa compartida de tareas, computadoras, contexto, control y revisión alrededor de las herramientas que tu equipo ya usa.

Así pues, la división del trabajo es explícita. Claude Code, Codex y herramientas similares se encargan de la ejecución. Sharkly gestiona la asignación a nivel de equipo, las computadoras conectadas, el contexto de las tareas, el progreso, los bloqueos, los resultados y la revisión humana en todas esas herramientas. Si ya sabes qué es la orquestación de agentes de IA, Sharkly es una forma concreta de conseguirla sin tener que montar el tinglado tú mismo.

Ese límite importa porque el error más habitual al valorar una herramienta de esta categoría es suponer que compite con tu agente. No lo hace. Conservas tu configuración de Claude Code, tu configuración de Codex, tus suscripciones y tus claves de API. Sharkly se sitúa por encima de ellas y hace que sus ejecuciones sean asignables y rastreables.

Trae tu propia suscripción

Aquí no se revenden tokens. El uso de los modelos sigue gestionándose a través de las suscripciones o las claves de API configuradas en las herramientas de programación que conectes. Tu cuota de modelo depende de las herramientas de programación con IA, los planes y las cuentas de API que conecte tu equipo, no de Sharkly. Ese planteamiento mantiene la capa honesta: Sharkly se gana su lugar coordinando, no interponiéndose entre tú y el modelo.

El problema que resuelve Sharkly: los agentes escalan, la coordinación no

Un agente necesita un buen prompt. Varios agentes necesitan un gestor. Ese cambio es donde los equipos se meten en problemas, y ocurre rápido en cuanto los agentes demuestran ser útiles.

Con un solo agente, una terminal basta. Lo observas, revisas el diff, fusionas y sigues adelante. Con tres, aparecen casi de inmediato tres modos de fallo:

• Colisiones. Dos agentes que editan el mismo repositorio se sobrescriben entre sí. El trabajo sin confirmar desaparece y el estado de git se enreda.
• Ceguera. Con agentes repartidos en seis pestañas de terminal, no sabes qué tarea está terminada, cuál está atascada y cuál está trabajando en silencio con un enfoque equivocado.
• Contexto perdido. El objetivo, el diff, la conversación y la revisión de cada ejecución viven en sesiones privadas separadas. Un compañero de equipo no puede continuar donde lo dejaste porque no hay nada compartido que retomar.

Ninguno de estos problemas tiene que ver con la calidad de los agentes. Puede que cada agente esté haciendo un trabajo cuidadoso. El fallo está en la coordinación, y es exactamente el fallo que un sistema de tareas resuelve para los equipos humanos. Sharkly aplica la misma idea a los Agentes: dar a cada ejecución un responsable, un registro compartido y una puerta de revisión, para que la ejecución forme parte del plan del equipo en lugar de desaparecer en terminales privadas.

Si quieres una versión de este problema centrada en el entorno de ejecución, nuestra guía sobre cómo ejecutar varios agentes de Claude Code en paralelo recorre el mismo muro desde el lado de la terminal.

Los conceptos básicos, definidos

El vocabulario de Sharkly es reducido y cada palabra significa una sola cosa. Aprende estos cinco términos y el resto del producto se entiende con claridad.

• Una Tarea es la unidad principal de trabajo en Sharkly. Contiene el objetivo, la persona asignada, el contexto, la ejecución, los resultados y la revisión. Todo vuelve aquí.
• Un Agente define cómo debe gestionarse el trabajo: sus instrucciones, sus Skills, su herramienta de programación. Asignas Tareas a Agentes igual que asignas tickets a personas.
• Una Computadora aporta el host y los recursos locales donde se ejecuta la sesión de un Agente. Conecta tus propias máquinas, de forma local mediante Sharkly Desktop o remota mediante la CLI de Sharkly, para que el código se ejecute donde tú lo controlas.
• Un Runtime lleva a cabo la sesión del agente propiamente dicha. Claude Code, Codex, Gemini y otros runtimes de línea de comandos se conectan aquí.
• Un Crew es un grupo reutilizable de Personas y Agentes coordinado por un Agente líder.

La separación es precisamente lo importante. El Agente define cómo debe gestionarse el trabajo; la Computadora aporta el host y los recursos locales; el Runtime lleva a cabo la sesión real; la Tarea sigue siendo el registro compartido del equipo. Cada pieza tiene una única función, y eso es lo que mantiene legible una sala llena de Agentes en paralelo.

Cuándo usar un solo Agente y cuándo usar un Crew

La mayoría se equivoca al tomar esta decisión. No necesitas un Crew para la mayor parte del trabajo. Para trabajos pequeños y bien definidos, asigna la Tarea directamente a un Agente y mantén el número de piezas móviles en cero. Usa un Crew cuando el Agente líder necesite interpretar un objetivo amplio, involucrar a otros Agentes miembros y reunir sus resultados en una sola Tarea. Empieza por la herramienta sencilla; pasa al Crew solo cuando un único Agente sea realmente incapaz de abarcar todo el objetivo. Tu primera Tarea real debería ir a un solo Agente, que es justo lo que cubre nuestro tutorial de la primera tarea.

El flujo de trabajo: de la solicitud al lanzamiento en cuatro etapas

Sharkly estructura el trabajo de producto en cuatro etapas. Son la columna vertebral de toda la plataforma y encajan a la perfección con la forma en que un equipo ya entrega.

Etapa 1: describir e investigar

Una persona describe la necesidad en lenguaje natural. Un Agente investiga el producto, la base de código, las tareas históricas y las reglas del equipo; después completa el alcance y los criterios de aceptación y crea Tareas ejecutables. La persona expresa la intención; el Agente la convierte en trabajo que realmente se puede tomar.

Aquí es donde esta capa empieza a dar sus frutos. En lugar de que tú traduzcas cada vez una petición vaga en un prompt preciso, el Agente hace el modelado y lo deja por escrito como una Tarea que los demás pueden ver. Una tarea en Sharkly tiene el aspecto de SH-312: un ticket de verdad, no un mensaje de chat que se pierde al hacer scroll.

Etapa 2: desarrollo paralelo automático

Los Agentes toman las Tareas listas y trabajan en worktrees de git aislados. El frontend, el backend, la corrección de errores y la cobertura de pruebas avanzan al mismo tiempo, cada uno en su propio espacio de trabajo en tus propias computadoras. El worktree es lo que hace que el paralelismo sea seguro: un directorio de trabajo vinculado que comparte el historial de un repositorio pero mantiene su propia rama y sus propios archivos. Cinco Agentes, cinco worktrees, cinco ramas, cero colisiones.

Como las ejecuciones tienen lugar en computadoras que tú conectas, un cambio defectuoso queda contenido en su rama y su máquina. Nada toca tu rama principal por accidente. Si quieres conocer a fondo la mecánica de esto, consulta nuestra guía sobre worktrees de git para agentes de programación con IA.

Etapa 3: pruebas y aceptación humana

El Agente ejecuta la comprobación de tipos, las pruebas y la compilación, y después adjunta a la Tarea el resumen del cambio, los resultados de la verificación y los límites conocidos. Una persona acepta, solicita cambios o decide el paso de fusión y lanzamiento. La ejecución, los bloqueos, los resultados y la conversación de seguimiento vuelven a la cronología de la Tarea, de modo que la revisión se hace con el contexto completo en lugar de con un diff pelado.

Esta es la etapa que hace que ejecutar muchos Agentes sea seguro y no temerario. La velocidad sin un punto de control es la forma de lanzar cinco errores en el tiempo que antes tardabas en lanzar uno. Una puerta de aprobación mantiene el rendimiento y devuelve a una persona al circuito en el único momento que importa. Deja las decisiones finales de aceptación y lanzamiento en manos de las personas.

Etapa 4: proyectos y sprints

El equipo hace seguimiento de la finalización, la responsabilidad, las dependencias, los cambios de alcance y los bloqueos en el plan compartido. El trabajo de los Agentes convive con el trabajo humano en los mismos Proyectos y Sprints, así que un gestor consulta un solo tablero en lugar de reconstruir seis terminales y un hilo de chat. Los cambios y el progreso siguen volviendo a las Tareas.

El contrato entre personas y agentes

Si reduces Sharkly a una sola idea, es esta: los Agentes investigan, ejecutan, prueban e informan. Las personas marcan la dirección, otorgan autoridad y aceptan el resultado. La automatización se detiene donde se requiere el criterio del equipo y devuelve una entrega con contexto completo y pruebas verificables.

Esa frase es todo el modelo de seguridad. También es la respuesta honesta al miedo de que las plataformas de agentes le entreguen tu base de código a una máquina y se hagan a un lado. No lo hacen, o no deberían. La versión valiosa mantiene a las personas en los dos extremos que exigen criterio —la dirección al principio y la aceptación al final— y deja que los Agentes se encarguen de la parte mecánica intermedia. Sharkly está construido en torno a esa forma, y no a la fantasía de la autonomía total.

De dónde viene la ventaja para el equipo

Hay una afirmación silenciosa que recorre todo el producto y merece decirse sin rodeos: la ventaja de un equipo no viene de abrir más chats de IA. Viene de compartir roles, reglas, contexto y flujos de trabajo.

La esmerada habilidad de un desarrollador para escribir prompts, plasmada como un perfil de Agente más Skills reutilizables, se convierte en algo que todo el equipo puede asignar. Convierte una buena configuración en una capacidad de desarrollo que el equipo reutiliza. Esa es la diferencia entre diez personas que redescubren cada una cómo hacer que un agente se comporte bien y una configuración compartida por la que todos canalizan su trabajo. Los Agentes no se limitan a responder preguntas. Refinan el trabajo a partir del estado actual, lo hacen avanzar y devuelven cada resultado al equipo.

No tienes que rehacer tu proceso

Adoptar Sharkly no es un proyecto de migración. Conserva las herramientas que tu equipo ya usa mientras haces que las ejecuciones sean asignables y rastreables. Conecta una computadora, configura Agentes y empieza a canalizar trabajo sin rehacer el proceso que tu equipo ya entiende.

Si vives en Jira, conserva los proyectos, las tareas, los estados y los flujos de trabajo que tu equipo ya consulta. Conecta Sharkly para que el sistema existente se mantenga en su sitio mientras la ejecución de los Agentes hace avanzar el trabajo dentro de él. El objetivo es añadir a tu configuración actual una ejecución visible y revisable, no sustituirla por una nueva que todos tengan que aprender de cero.

Cómo se compara Sharkly con un montaje casero

Muchos equipos orquestan agentes con sus propios scripts: una carpeta de envoltorios de shell, unos cuantos paneles de tmux, una convención de nombres para las ramas. Eso funciona y, para un desarrollador en solitario con poco volumen, puede ser la decisión acertada. El momento en que deja de funcionar es predecible.

La lectura honesta: si ejecutas uno o dos agentes tú solo y nunca delegas trabajo, un montaje casero es menos mantenimiento. Si ejecutas varios, o alguien más necesita ver el trabajo, la coordinación que tendrías que construir por tu cuenta es precisamente el producto que Sharkly ya es. Las comparaciones con otras capas de orquestación merecen un tratamiento aparte; profundizamos en los pros y los contras en nuestra guía de orquestación.

Para quién es Sharkly

El producto está pensado para equipos de producto e ingeniería que ya usan herramientas de programación con IA y quieren canalizar el trabajo, coordinar varias ejecuciones y revisar el progreso y los resultados en un único flujo de trabajo compartido. Algunos encajes concretos:

• Un desarrollador de backend que ejecuta varios agentes a la vez y necesita worktrees aislados para que las ejecuciones en paralelo no choquen.
• Un responsable de ingeniería que necesita ver el trabajo de los agentes en el mismo tablero que todo lo demás, con un paso de revisión antes de la fusión.
• Un líder técnico que quiere estándares de equipo para el uso de agentes, plasmados como Agentes y Skills compartidos en lugar de conocimiento tribal.
• Un desarrollador en solitario que está escalando y quiere más rendimiento sin el caos de seis terminales sin etiquetar.

Si ninguno de esos perfiles te describe todavía, esa también es una respuesta válida. Sharkly se gana su sitio cuando la coordinación es el cuello de botella. Por debajo de eso, un solo agente y una terminal bastan.

Cómo empezar

El flujo de trabajo más pequeño y útil de Sharkly es deliberadamente modesto: conecta una computadora, crea un Agente y asigna una Tarea de bajo riesgo. Deja que los Agentes empiecen con un solo requisito real, no con la reescritura de todo tu backlog. Observa cómo una Tarea recorre las cuatro etapas, acepta tú mismo el resultado y entenderás esta capa mejor de lo que puede transmitir cualquier explicación.

A partir de ahí, añade un segundo Agente para ejecutar algo en paralelo y luego incorpora a un compañero al tablero. Cada paso añade coordinación que antes hacías a mano.

Para empezar: descarga Sharkly, conecta una computadora y canaliza tu primera Tarea. La documentación cubre cada concepto con más detalle en docs.sharkly.ai.

Preguntas frecuentes

¿Qué es Sharkly en una frase? Sharkly es una plataforma todo en uno de comando y gestión de Agentes que convierte a los agentes de programación con IA en miembros del equipo asignables y rastreables, para que puedas asignar Tareas, ejecutar varios Agentes en paralelo y mantener el contexto, el progreso, los resultados y la revisión humana visibles desde la solicitud hasta el lanzamiento.

¿Sharkly sustituye a Claude Code o a Codex? No. Sharkly no sustituye a Claude Code, Codex ni a otras herramientas de ejecución. Esas herramientas se encargan de la ejecución; Sharkly añade a su alrededor la capa compartida de tareas, computadoras, contexto, control y revisión.

¿Tengo que pagar los modelos a través de Sharkly? No. El uso de los modelos sigue gestionándose mediante las suscripciones o las claves de API configuradas en las herramientas de programación que conectes. Tu cuota de modelo depende de los planes y las cuentas de API que tu equipo ya tenga.

¿Dónde se ejecuta realmente el código de los agentes? En computadoras que tú conectas, de forma local mediante Sharkly Desktop o remota mediante la CLI de Sharkly. Cada ejecución recibe un worktree de git aislado, así que los Agentes en paralelo no chocan y los cambios quedan contenidos hasta que los aceptas.

¿Cuándo debería usar un Crew en lugar de un solo Agente? Para trabajos pequeños y bien definidos, asigna la Tarea a un solo Agente. Usa un Crew cuando un Agente líder necesite interpretar un objetivo amplio, involucrar a otros Agentes miembros y reunir sus resultados en una sola Tarea. Empieza de forma sencilla; consulta la guía de la primera tarea para la ruta de un solo Agente.

¿Es esto autonomía total? ¿Los agentes fusionan por su cuenta? No. Los Agentes investigan, ejecutan, prueban e informan. Las personas marcan la dirección, otorgan autoridad y aceptan el resultado. Las decisiones finales de aceptación y lanzamiento quedan en manos de una persona.

¿Puedo seguir usando Jira? Sí. Conserva los proyectos, las tareas, los estados y los flujos de trabajo que tu equipo ya usa, y conecta Sharkly para que la ejecución de los Agentes haga avanzar el trabajo dentro del sistema que ya consultas.