La comunidad de desarrolladores de inteligencia artificial ha vivido un momento de quiebre histórico en las últimas horas. La noticia, que puede parecer un detalle técnico menor para el gran público, tiene implicaciones profundas para la estrategia tecnológica de las empresas en América Latina: Anthropic ha añadido oficialmente el soporte para la especificación de instrucciones AGENTS.md a Claude Code. Esta especificación fue original y significativamente impulsada por OpenAI, quien la contribuyó al Agentic AI Foundation el año pasado. El movimiento ha sido recibido con alivio por los desarrolladores, quienes llevan meses lidiando con un dolor de compatibilidad creciente a medida que los agentes de IA se convierten en la columna vertebral de las nuevas aplicaciones empresariales.
Para entender la magnitud de este cambio, primero debemos contextualizar qué es exactamente AGENTS.md y por qué ha sido un punto de fricción en el ecosistema de desarrollo moderno. En la era de los agentes autónomos, las aplicaciones no son solo secuencias de código lineales; son entidades que pueden observar su entorno, tomar decisiones y ejecutar acciones. Para que estos agentes se comporten de manera segura, coherente y alineada con los objetivos del negocio, necesitan un conjunto de instrucciones claras. Tradicionalmente, los desarrolladores utilizaban archivos de contexto específicos de cada proveedor de modelo de lenguaje grande (LLM). Por ejemplo, si usabas GPT de OpenAI, te basabas en directrices específicas para ese modelo; si usabas Claude de Anthropic, tenías que adaptar esas mismas directrices a un formato que Anthropic entendiera.
Esta fragmentación creaba lo que los ingenieros denominan "deuda de portabilidad". Cada vez que un equipo quería migrar de un proveedor a otro, o incluso mantener una solución multi-modelo (una práctica común para evitar el riesgo de dependencia de un solo proveedor), tenían que duplicar o reescribir la lógica de instrucciones. No se trataba solo de mover el texto, sino de adaptar el tono, la estructura y las restricciones de seguridad para que cada modelo las interpretara correctamente. Esto hacía que la adopción de IA en entornos corporativos fuera lenta, costosa y propensa a errores humanos.
La especificación AGENTS.md surge como un intento de estandarización universal. Es un formato de archivo de texto plano, similar en filosofía a los archivos README.md que documentan proyectos, pero diseñado específicamente para dar órdenes a agentes de IA. Al ser un estándar abierto y agnóstico al proveedor, permite que las mismas instrucciones se apliquen a diferentes modelos sin modificaciones significativas. La contribución de OpenAI al Agentic AI Foundation estableció esta norma como la vía hacia la interoperabilidad. Sin embargo, hasta ahora, la adopción por parte de otros actores principales, especialmente Anthropic, era esperada pero no garantizada. La decisión de Anthropic de integrar nativamente el soporte para AGENTS.md en su herramienta principal de desarrollo, Claude Code, cierra el círculo.
¿Por qué esto es crucial para los negocios en América Latina? La región ha mostrado un interés creciente en la transformación digital, pero a menudo choca con barreras de costo y talento técnico especializado. La estandarización de AGENTS.md reduce significativamente la barrera de entrada para implementar sistemas de agentes complejos. Antes, una empresa en Bogotá, Lima o Ciudad de México que quisiera construir un agente de atención al cliente autónomo o un asistente de operaciones tendría que mantener dos o tres versiones paralelas de sus reglas de negocio en distintos formatos. Con la adopción de AGENTS.md por parte de ambos gigantes, el equipo de ingeniería puede mantener una única fuente de verdad para las instrucciones del agente. Esto significa que la empresa puede evaluar y alternar entre modelos de OpenAI y Anthropic basándose puramente en el rendimiento o el costo, sin tener que reescribir la lógica de comportamiento del agente.
Además, esta unificación favorece la seguridad. Los ataques a sistemas basados en agentes a menudo aprovechan las ambigüedades o las inconsistencias entre cómo se interpretan las instrucciones en diferentes plataformas. Al tener un estándar común, los equipos de seguridad pueden auditar y verificar las reglas de comportamiento en un único archivo, sabiendo que ambas plataformas las interpretarán de manera consistente. Esto es vital para sectores regulados como el financiero o la salud, donde la cumplimiento normativo es estricto. En LATAM, donde la regulación tecnológica a menudo sigue a las tendencias globales con un retraso, tener una base técnica estandarizada permite a las empresas estar preparadas para futuras normativas sobre gobernanza de IA, asegurando que sus sistemas sean transparentes y auditables desde el día uno.
Otro aspecto relevante es el impacto en la cadena de suministro de talento. Los desarrolladores de América Latina son conocidos por su capacidad técnica y su adaptabilidad. Sin embargo, el tiempo que se perdía adaptando código a distintos proveedores era tiempo que no se invertía en la creación de valor de negocio. Al eliminar esta fricción, el talento regional puede dedicarse a diseñar arquitecturas de agentes más robustas y a resolver problemas de negocio complejos, en lugar de perder horas en la ingeniería de prompt specific para cada modelo. Esto puede ayudar a reducir la brecha de talento, ya que las habilidades requeridas para mantener un agente se vuelven más portables y menos dependientes del conocimiento interno de un solo proveedor.
También debemos considerar el ecosistema de herramientas que rodea a Claude Code y los productos de OpenAI. Claude Code se ha posicionado como una herramienta poderosa para la ingeniería de software asistida por IA, permitiendo a los desarrolladores editar código, ejecutar comandos y gestionar proyectos de forma autónoma. La integración de AGENTS.md significa que los proyectos de software que utilicen esta especificación podrán ser operados sin fricción por herramientas de Anthropic. Para las startups en LATAM, esto abre la puerta a utilizar el mejor modelo para cada subtarea: quizás un modelo de OpenAI para la generación de texto creativo y uno de Anthropic para la lógica de código, todo bajo el mismo paraguas de instrucciones de comportamiento y seguridad definidas en el archivo AGENTS.md.
La reacción de la comunidad, descrita como "alivio", no es exagerada. Durante años, la industria de la IA ha estado en una carrera por la superioridad de los modelos, pero a menudo se ha descuidado la interoperabilidad. Esta carrera ha creado silos tecnológicos que frenan la innovación a escala. Al adoptar la especificación del rival, Anthropic envía una señal de madurez: la prioridad ahora es el desarrollo de agentes útiles y seguros, y para eso se necesita una base común. Esto beneficia a los usuarios finales y a los desarrolladores, que dejan de ser cautivos de una tecnología específica.
Para los líderes de tecnología en la región, esta es una oportunidad para revisar sus estrategias de adquisición de IA. Ya no es necesario elegir un "equipo