# Por qué la distribución en redes debería estar en manos de agentes de IA, y qué deben conservar las personas

_2026-08-04 · Distribuir es trabajo repetitivo y con reglas en muchas cuentas: un trabajo natural para agentes de IA. Qué delegar y qué debe quedar en manos de las personas._

Los agentes de IA deberían encargarse de la distribución en redes porque casi todo ese trabajo es estructurado, repetitivo y con reglas claras: elegir cuentas, adaptar textos, definir horarios, agregar enlaces e informar los clics. Las personas deberían quedarse con las decisiones que implican criterio y responsabilidad: la estrategia, la pieza creativa y la aprobación final. Si divides el trabajo por esa línea, una agencia puede atender muchas más cuentas sin que baje la calidad.

La división parece obvia, pero la mayoría de los equipos sigue haciendo lo contrario. Un estratega se pasa la tarde del martes copiando el mismo texto en treinta y dos editores de páginas, mientras nadie tiene tiempo de preguntarse si la campaña apunta al público correcto. El resto del artículo explica por qué este trabajo ya les corresponde a los agentes, cómo repartirlo y cómo es una configuración que funciona.

## ¿Qué es el trabajo de distribución una vez que quitas lo creativo?

Toma una sola campaña de un cliente con cuarenta sedes. El video está listo y el mensaje, aprobado. Lo que queda es esto:

| Tarea | Naturaleza del trabajo | Quién debería encargarse |
|---|---|---|
| Elegir qué cuentas reciben la publicación | Basada en reglas, a partir de grupos de cuentas | Agente |
| Adaptar el texto a cada cuenta | Trabajo de patrones dentro de restricciones fijas | Agente, con reglas definidas por personas |
| Verificar los límites de formato de cada red | Mecánica | Agente y plataforma |
| Definir la programación y el espaciado | Basada en reglas | Agente |
| Agregar un enlace con seguimiento por cuenta | Mecánica | Plataforma |
| Decidir si la publicación sale | Criterio y responsabilidad | Persona |
| Leer los resultados y corregir el rumbo | Criterio | Persona, con un resumen del agente |

Cinco de las siete filas son trabajo que una persona hace despacio y un modelo hace bien. Ninguna exige buen gusto. Exigen paciencia, constancia y memoria para las reglas, justo donde las personas se cansan y los agentes no.

## ¿Por qué ahora y no hace tres años?

Cambiaron dos cosas. Los modelos se volvieron confiables para seguir instrucciones escritas detalladas a lo largo de tareas largas, y apareció una forma común de que actúen sobre sistemas externos. El [Model Context Protocol](https://modelcontextprotocol.io/docs/getting-started/intro) se define como un estándar abierto para conectar aplicaciones de IA con sistemas externos, y lo admiten clientes como Claude, ChatGPT, Cursor y Visual Studio Code. Antes, cada integración era un script hecho a medida que se rompía cuando alguien cambiaba el nombre de un campo.

Con un estándar en marcha, una plataforma de distribución puede exponer sus operaciones como herramientas, y cualquier agente capaz puede usarlas. Si MCP es nuevo para ti, nuestra [explicación en lenguaje sencillo para profesionales del marketing](/en/blog/mcp-explained-for-marketers) lo cubre sin jerga.

## Por qué los agentes hacen este trabajo mejor que las personas

El argumento no es que los agentes sean más inteligentes. Es que la distribución castiga la falta de constancia, y la constancia le sale barata al software.

Una persona que programa publicaciones en sesenta cuentas, en algún momento, va a pegar el enlace equivocado en la página equivocada, se va a olvidar del primer comentario en la cuenta cuarenta y uno o va a programar dos páginas del cliente en el mismo minuto exacto. Ninguno es un problema de habilidad. Son problemas de atención que crecen con el volumen.

Un agente que trabaja con un conjunto definido de herramientas hace los mismos pasos en el mismo orden cada vez. Lee la lista de cuentas de la plataforma, no de memoria. Escribe un texto distinto para cada cuenta porque las instrucciones lo dicen, no porque se acordó. Y cuando la plataforma rechaza algo, recibe un error estructurado y puede corregirlo sin que una persona tenga que detectar el problema primero.

## Lo que las personas deben conservar, sin excepción

Delegar la distribución a un agente no es entregarle la marca. Tres cosas se quedan con las personas.

Primero, la estrategia. Qué público, qué oferta, qué mes. Un agente puede proponer opciones; no debería elegir el rumbo del trimestre.

Segundo, lo que promete la pieza creativa. Cualquier cosa que prometa algo sobre precios, salud, finanzas o resultados necesita a una persona que responda por ello.

Tercero, la decisión de publicar. La propia especificación de MCP dice que, por confianza y seguridad, [siempre debería haber una persona en el circuito con la capacidad de rechazar las invocaciones de herramientas](https://modelcontextprotocol.io/specification/2025-06-18/server/tools). En la práctica, eso significa borradores por defecto y un paso deliberado antes de que algo salga publicado. Profundizamos en dónde poner ese control en [aprobación humana para publicaciones de agentes](/en/blog/human-approval-for-agent-posts).

## Una configuración que funciona, en seis pasos

Esta es la secuencia que recomendamos a un equipo que empieza con Shager como capa de distribución.

1. **Conecta el agente.** Apunta un cliente MCP a `https://app.shager.ai/api/mcp` con una clave de API en el encabezado `Authorization`. En la [puerta de entrada para agentes](/en/agents) está la configuración para cada cliente.
2. **Empieza con borradores.** Dale a la primera clave solo los permisos `read` y `write`. El agente puede armar publicaciones, pero no programarlas ni publicarlas.
3. **Agrupa las cuentas.** Crea grupos de cuentas que reflejen cómo piensa el cliente: regiones, marcas, idiomas. El agente apunta a grupos, no a cuarenta IDs sueltos.
4. **Escribe las reglas una sola vez.** Pon las restricciones de los textos, las frases prohibidas, las reglas de enlaces y las franjas horarias en una skill o en un prompt de sistema, no en cada solicitud.
5. **Revisa una semana de borradores.** Lee lo que produjo el agente. Corrige las reglas, no las publicaciones.
6. **Agrega el permiso de publicación.** Solo cuando los borradores salgan bien de forma constante, una persona emite una clave con `publish`.

## Cómo es una ejecución del agente

Este es un prompt que un estratega podría darle al agente un lunes por la mañana:

```text
Client: Harbor Fitness, workspace "Harbor Fitness".
Video: https://cdn.example.com/harbor/sept-open-house.mp4 (1080x1920, 28s).
Post it as a Reel to the "Studios North" group on Thursday 18:00 local time.
Write a different caption for each studio using its neighborhood name.
Lead link in the first comment: https://harborfitness.example/open-house
Create drafts only and send me the list for review.
```

Y la secuencia de herramientas que el agente ejecuta contra el servidor MCP de Shager:

```text
whoami                     confirm key, scopes and organization
list_workspaces            find "Harbor Fitness"
list_groups                find "Studios North"
list_channels              read channel names to personalize captions
upload_media_from_url      url, file_name, width 1080, height 1920, duration_ms 28000
create_post                caption, group_ids, media_ids, format "REEL",
                           first_comment, cta_url, per_channel[...],
                           stagger_seconds [60, 180], no schedule_at (draft)
list_posts                 return the drafts for human review
```

Aquí no se publica nada. La persona lee los borradores y después aprueba la programación o se los envía al cliente con `request_approval`. Cuando la clave tiene el permiso de publicación, `schedule_post` los pone en el calendario, y Shager revisa cada publicación según las reglas de la red de destino antes de enviarla y la envía con espaciado entre cuentas.

## Dónde suele salir mal

Los equipos a los que les cuesta la distribución con agentes suelen cometer uno de tres errores. Le dan a la primera clave permisos completos de publicación, así que el primer prompt malo se convierte en una publicación pública. Dejan que el agente publique el mismo texto en todas partes, lo que parece spam tanto para las personas como para las plataformas. O se saltan la medición, y nadie puede saber si el volumen extra produjo algo. Cada uno tiene su solución en otros artículos de esta serie, empezando por las [reglas de seguridad para agentes que publican a escala](/en/blog/safety-rules-for-agents-posting-at-scale).

## Preguntas frecuentes

### ¿Un agente reemplaza al social media manager?

No. Reemplaza la parte de copiar, pegar y programar del puesto. El tiempo del responsable pasa a la estrategia, a las conversaciones con los clientes y a revisar lo que produjo el agente, que es por lo que los clientes realmente pagan.

### ¿Qué clientes de IA pueden manejar la distribución con Shager?

Cualquier cliente que pueda conectarse a un servidor MCP remoto por Streamable HTTP. Claude y ChatGPT se conectan iniciando sesión con OAuth como conector personalizado, sin clave que copiar. Claude Code, Codex y Cursor pueden usar un encabezado con una clave de API bearer. Los bots sin navegador usan un código de dispositivo, y cualquier otra cosa puede llamar a la API REST desde código.

### ¿Un agente puede publicar sin que intervenga nunca una persona?

Técnicamente, una clave con el permiso de publicación puede programar publicaciones directamente. Para cuentas de clientes, no lo recomendamos. Deja los borradores como opción por defecto y que una persona o el cliente aprueben antes de programar nada.

El siguiente paso práctico es pequeño: conecta un agente a un espacio de trabajo de un cliente en modo borrador y deja que prepare las publicaciones de la semana que viene. En la [puerta de entrada para agentes](/en/agents) están los datos de conexión, y un agente puede registrarse solo a través de [/auth.md](/auth.md) antes de que una persona reclame el entorno de prueba.

---
Source: https://shager.ai/es/blog/why-agents-should-run-distribution