Ando Team Messaging apunta a Slack al dar a los agentes de IA un lugar en el trabajo
Ando lanzó un rival de Slack con 20 millones de dólares en financiación y una premisa más definida: los agentes de IA deberían participar en las conversaciones laborales, no funcionar como aplicaciones instaladas. La plataforma de mensajería de equipos de Ando proporciona a los agentes identidades, bandejas de entrada, permisos y acceso a conversaciones compartidas. Pueden seguir canales, contactar a colegas y actuar sin esperar a que alguien copie información en una ventana de IA independiente.
Ese diseño cuestiona el modelo detrás de Slack y Microsoft Teams. Ambos operadores establecidos ahora admiten agentes, pero comenzaron como sistemas de comunicación para empleados humanos. Ando parte de la idea de que humanos y agentes de software ocupan el mismo espacio de trabajo. La distinción parece sutil hasta que un agente necesita detectar un problema, encontrar al colega adecuado o conectar decisiones tomadas en varios canales.
La empresa sigue siendo pequeña y sus afirmaciones provienen principalmente de su fundadora, inversores y usuarios tempranos. Slack ya cuenta con un amplio ecosistema, controles empresariales y su propia estrategia de agentes. Microsoft puede conectar agentes con Teams, Microsoft 365 y datos organizativos. Ando no entra en un mercado vacío. Su apuesta es que rediseñar el espacio de trabajo en torno a los agentes importa más que añadirlos a uno ya establecido.
Ando Team Messaging trata a los agentes como miembros
La decisión definitoria de Ando es dar a un agente de IA un lugar permanente en la organización, en vez de convertirlo en una herramienta que espera indicaciones.
Ando salió del modo sigiloso el 24 de septiembre de 2026. La fundadora y CEO, Sara Du, describió el producto como un sistema completo de comunicación de equipos para organizaciones que emplean agentes de IA. El lanzamiento también reveló 20 millones de dólares en financiación de Accel, Index Ventures y Emergence Capital.
La plataforma incluye canales, mensajes directos, conversaciones grupales y llamadas en directo. Las llamadas pueden transcribirse para que los agentes revisen lo que debatieron los participantes. Los agentes también reciben sus propias identidades y bandejas de entrada, en lugar de comunicarse mediante una cuenta de integración genérica.
Esa identidad afecta a la forma en que participa un agente. Puede explorar canales, decidir qué conversaciones merecen atención e intervenir sin que lo etiqueten. También puede enviar mensajes a un colega humano cuando determine que una pregunta requiere criterio o aprobación.
En los productos de colaboración existentes, un empleado suele invocar a un asistente mediante una mención o abrir una sesión de agente independiente. El trabajador aporta contexto, revisa la respuesta y lleva la información útil de vuelta al equipo. Du llama a esa persona un “proxy de carne”, porque el empleado se convierte en una capa de transporte entre el software y los compañeros de trabajo.
El modelo de Ando intenta eliminar ese relevo. Un agente que presenció la conversación original puede conservar el contexto relevante. Puede pedir información faltante a otro participante o continuar el trabajo después de que termine la conversación humana.
La empresa afirma que sus agentes también pueden conectar conversaciones que, de otro modo, permanecerían aisladas. Según se informa, un agente detectó que dos canales abordaban el mismo problema. Creó una conversación grupal, explicó la coincidencia y propuso una decisión sin recibir una solicitud directa.
Ese ejemplo resume la diferencia que busca el producto. Un chatbot responde dentro de una interacción delimitada. Un agente participante supervisa un entorno compartido e inicia la coordinación cuando sus instrucciones y permisos se lo permiten.
Ando sigue siendo independiente de los agentes. Los equipos pueden incorporar agentes creados con sistemas como Codex, Claude, Devin o Grokbot. La empresa también ofrece su propio entorno alojado para agentes, la capa de software que gestiona el modelo, las herramientas, el contexto y la ejecución de un agente.
La publicación de lanzamiento de Ando afirma que la empresa trasladó su trabajo interno fuera de Slack pocas semanas después de comenzar el desarrollo. Eso demuestra convicción, pero todavía no prueba que clientes más grandes hagan el mismo cambio.
Ando afirma que clientes de software, finanzas y bienes raíces usan la plataforma en 15 países. Muchos de esos equipos siguen siendo pequeños. Por tanto, el lanzamiento establece una tesis de producto y una señal de adopción temprana, no una validación a escala empresarial.
El producto es importante porque cambia la unidad de colaboración. Slack convirtió el canal en un espacio compartido para personas y aplicaciones. Ando quiere que el miembro del espacio de trabajo incluya tanto a una persona como a un trabajador de software autónomo.
Ese cambio plantea la pregunta central en torno al lanzamiento. Si los agentes se convierten en colegas activos, ¿el lugar de trabajo necesita una nueva capa de comunicación o las plataformas establecidas pueden absorber el mismo comportamiento?
Por qué la mensajería nativa para agentes importa ahora
La oportunidad para Ando existe porque los agentes de IA están pasando de asistentes privados a sistemas que realizan trabajo de varios pasos entre equipos.
Du comenzó a explorar el problema mientras ayudaba a empresas a crear servidores de Model Context Protocol en 2025. MCP es un estándar que permite a los sistemas de IA conectarse con herramientas y datos mediante una interfaz común. Los clientes querían utilizar esos agentes conectados desde Slack, pero el transporte de mensajes, la gestión del contexto y el consumo de tokens generaban fricción.
Cada dificultad apuntaba al mismo desajuste arquitectónico. Los mensajeros laborales asumen que los humanos leen conversaciones, deciden qué importa y le indican al software qué hacer. Los agentes desafían esa secuencia porque pueden supervisar información, iniciar tareas y comunicar resultados por su cuenta.
Una integración convencional puede enviar una alerta o responder a un comando. Un agente autónomo necesita un papel más duradero. Debe saber a qué conversaciones puede acceder, qué acciones puede realizar y cuándo debería interrumpir a una persona.
El contexto persistente también importa. Una decisión rara vez vive en un solo mensaje. Su razonamiento puede abarcar una llamada, un intercambio privado y varios hilos de canal. Un agente que solo se une cuando se le menciona recibe la indicación inmediata, pero puede perder el historial que da sentido a la solicitud.
Este problema se vuelve más visible a medida que las empresas despliegan múltiples agentes. Un agente de programación, uno de investigación, uno de soporte y uno de finanzas pueden completar trabajo especializado. Su valor combinado depende de si comparten contexto y se coordinan sin crear más trabajo de gestión para los empleados.
La respuesta de Ando es situar la coordinación dentro del mensajero. Un agente puede observar las conversaciones a las que está autorizado a acceder y, después, dirigir preguntas y resultados mediante la misma interfaz que utilizan las personas.
Ese enfoque también convierte los mensajes en contexto operativo. Una conversación registra no solo qué decidió un equipo, sino por qué los participantes descartaron alternativas. Un agente que vea ese razonamiento puede producir trabajo alineado con la decisión, en lugar de reconstruir la intención a partir de una indicación breve.
La idea se parece a una base de conocimiento de IA compartida, pero el mensajero añade participación en directo. El conocimiento almacenado explica lo que ocurrió antes. La conversación activa revela lo que el equipo está decidiendo ahora.
Los inversores respaldan esa distinción. Accel sostiene que coordinar contexto, memoria y actividad se vuelve más difícil a medida que las organizaciones añaden más agentes. Su tesis de inversión presenta a Ando como infraestructura para ese entorno multijugador.
El momento también refleja un cambio en las capacidades de los agentes. Los modelos ahora pueden usar herramientas, abordar tareas más largas y volver a los humanos cuando se bloquean. Estos comportamientos generan mayor valor, pero también más actualizaciones de estado, excepciones, aprobaciones y transferencias.
Un mensajero nativo para agentes promete reducir ese coste de coordinación. El agente puede identificar una conversación relevante, explicar su trabajo y pedir una decisión a la persona adecuada. El humano no necesita supervisar cada paso de ejecución.
Sin embargo, una mayor autonomía crea una nueva exigencia de rendición de cuentas. Los equipos necesitan saber qué agente habló, qué información utilizó y qué acciones realizó. Dar a los agentes identidades estables podría facilitar la inspección de esos registros.
La identidad por sí sola no resuelve la gobernanza. El producto también necesita límites de permisos fiables, registros de auditoría, controles de retención y reglas de escalamiento predecibles. Estos requisitos se vuelven más estrictos cuando un agente puede iniciar conversaciones o actuar entre departamentos.
Por tanto, Ando aborda dos problemas a la vez. Quiere que los agentes participen de forma más natural, al tiempo que hace que su participación sea comprensible dentro de un sistema de comunicación familiar. El éxito depende de si puede aumentar la autonomía sin hacer que las conversaciones laborales resulten más difíciles de confiar.
Slack ya avanza hacia el mismo destino
Ando no compite contra el Slack de 2023; compite contra un operador establecido que ahora describe a los agentes como compañeros de equipo.
Slack permite a los usuarios enviar mensajes a agentes directamente, añadirlos a canales e inspeccionar sesiones anteriores. Su área de Agents and Tools ofrece a los empleados un lugar para descubrir asistentes y supervisar su trabajo.
La plataforma también admite agentes Agentforce creados mediante Salesforce. Los administradores controlan el acceso, mientras los agentes pueden responder preguntas y completar tareas configuradas. La documentación de agentes de Slack indica que los agentes pueden participar en canales, mensajes directos y espacios dedicados a programación.
Slack tiene una ventaja evidente en distribución. Las empresas ya almacenan allí años de conversaciones, decisiones, flujos de trabajo e integraciones. Pedirles que añadan un agente es mucho más sencillo que pedirles que trasladen a sus empleados y su historial de comunicaciones a otro lugar.
Su propiedad por parte de Salesforce añade otra ventaja. Agentforce puede conectar las conversaciones laborales con registros de clientes, casos de servicio y procesos empresariales. Slack puede posicionarse como la interfaz conversacional para un sistema empresarial más amplio.
Esa fortaleza también crea la oportunidad de Ando. Slack debe preservar la compatibilidad con flujos de trabajo, aplicaciones y reglas de gobernanza establecidos. Sus agentes entran en un sistema cuyo modelo básico de interacción se diseñó antes de que los colegas de software autónomos parecieran plausibles.
Ando no carga con ese historial. Puede tratar la identidad de los agentes, el contexto, los permisos y el comportamiento proactivo como elementos fundamentales del producto. La empresa puede optimizar su interfaz para equipos mixtos sin proteger un modelo de aplicación más antiguo.
El contraste no consiste simplemente en agentes frente a ausencia de agentes. Ambas plataformas admiten agentes. La verdadera competencia es participación adaptada frente a participación nativa.
En Slack, muchas interacciones todavía comienzan cuando un usuario encuentra un agente, abre una sesión o lo menciona en un canal. Ando quiere que los agentes detecten trabajo útil e intervengan en el momento adecuado. Esa diferencia determina quién asume la carga de coordinación.
Slack también está cerrando la brecha. En abril de 2026, la empresa anunció herramientas adicionales para crear, desplegar y gobernar agentes. Presentó Slack como un espacio de trabajo centrado en los agentes, con contexto conversacional y gestión centralizada.
Para septiembre, Slack promocionaba Slackbot como un compañero de equipo que conecta canales con datos de Salesforce. Su espacio de trabajo agéntico incluye exploración de agentes, programación colaborativa y acciones iniciadas desde conversaciones.
Microsoft plantea un desafío similar. Los usuarios de Teams pueden añadir agentes de Copilot a chats grupales, hacer preguntas sobre la conversación y solicitar resúmenes. Los agentes para chats grupales de Microsoft también heredan acceso a una amplia suite de productividad.
Eso significa que Ando no puede ganar ofreciendo únicamente chat con agentes. Debe demostrar que la pertenencia persistente de los agentes genera una coordinación sustancialmente mejor que un agente conectado a un espacio de trabajo existente.
La empresa también enfrenta competidores más recientes. Buzz, de Jack Dorsey, reúne a personas y agentes de IA en conversaciones compartidas, con una orientación más marcada hacia los desarrolladores. Glue también ha explorado la coordinación en el lugar de trabajo en torno a la IA y las conexiones MCP.
Estos productos sugieren que la categoría se está formando alrededor de una creencia compartida. El próximo mensajero para el trabajo quizá deba coordinar a los trabajadores de software con el mismo cuidado que a los empleados humanos.
Aun así, el impulso de la categoría no garantiza que gane una startup. Las empresas establecidas pueden copiar características visibles de la interfaz. Una barra lateral para agentes, perfiles diferenciados y pertenencia a canales no crean por sí solos una ventaja duradera.
La capacidad de defensa de Ando debe provenir de cómo se comporta todo el sistema. Eso incluye el enrutamiento de contexto, la colaboración entre agentes, la aplicación de permisos, la calidad de las notificaciones y la fiabilidad de la intervención proactiva.
Cuanto más capaces sean Slack y Teams, más específico debe ser el argumento de Ando. Necesita demostrar que una base nativa para agentes cambia los resultados, y no solo la terminología.
La Verdadera Prueba Es Si los Agentes Proactivos Reducen el Trabajo
Un agente que se incorpora a conversaciones sin que se le solicite puede eliminar trabajo de coordinación, pero también puede generar ruido, errores y nuevos problemas de seguridad.
El escenario más atractivo de Ando es fácil de entender. Dos equipos conversan sin saberlo sobre el mismo problema de un cliente en canales separados. Un agente reconoce la coincidencia, reúne a los participantes, resume ambos hilos y propone un siguiente paso.
Esa intervención ahorra tiempo porque el agente observa más mensajes de los que cualquier empleado individual puede seguir. También actúa antes de que la duplicación se convierta en un retraso costoso.
La misma capacidad puede fallar de varias maneras. El agente podría conectar conversaciones no relacionadas porque comparten un lenguaje similar. Podría revelar información de un canal restringido. Podría interrumpir una conversación delicada con un resumen inexacto.
Los falsos positivos importan porque la atención en el trabajo es escasa. Los empleados ya gestionan notificaciones de personas, aplicaciones, calendarios y flujos de trabajo automatizados. Los agentes proactivos podrían mejorar la coordinación mientras hacen más ruidosa la capa de comunicación.
Por tanto, Ando debe resolver la relevancia, no solo el acceso. Un agente necesita un umbral calibrado para decidir cuándo intervenir, cuándo preguntar en privado y cuándo permanecer en silencio. Esas decisiones dependen de normas organizacionales que rara vez aparecen en instrucciones formales.
Los permisos plantean otro desafío. Los empleados humanos entienden que el acceso no siempre implica permiso para redistribuir información. Los sistemas de software necesitan políticas explícitas para respetar ese mismo límite.
Un agente podría leer legítimamente dos canales y, aun así, generar riesgo al combinar sus contenidos. Los equipos de finanzas, legal, recursos humanos y atención al cliente suelen operar bajo expectativas de confidencialidad diferentes. La inteligencia entre canales puede convertirse en filtración entre canales.
Las identidades persistentes podrían mejorar la rendición de cuentas en este aspecto. Un equipo puede distinguir un agente de otro e inspeccionar su historial de conversaciones. Los administradores también podrían vincular los permisos al rol del agente en lugar de conceder acceso amplio a una aplicación genérica.
Sin embargo, la identidad es solo el comienzo. Los compradores necesitarán respuestas claras sobre retención de datos, proveedores de modelos, ejecución de herramientas, registros de auditoría y respuesta a incidentes. También necesitarán controles que resistan cambios en el modelo subyacente o las instrucciones de un agente.
El consumo de tokens añade una restricción económica, incluso sin considerar los precios de suscripción. Supervisar canales, procesar llamadas y mantener el contexto puede requerir un uso considerable de modelos. Du afirmó que parte del nuevo capital ayudaría a la empresa a “quemar más tokens”.
Ese comentario pone de relieve una tensión en el producto. Los agentes se vuelven más útiles cuando observan más contexto. Procesar más contexto también incrementa los costes de computación y crea más oportunidades para que datos irrelevantes o sensibles entren en el modelo.
Un sistema maduro necesita atención selectiva. No puede enviar cada mensaje a cada agente. La plataforma debe decidir qué contexto importa, cuánto tiempo conservarlo y cuándo actualizar la comprensión de un agente.
La calidad de esas decisiones determinará la experiencia de usuario. Si el sistema omite contexto importante, los agentes seguirán siendo asistentes superficiales. Si absorbe demasiado, las organizaciones afrontarán mayores costes, respuestas más lentas y una mayor exposición de la privacidad.
La adopción presenta un riesgo distinto. Ando dice que los primeros usuarios vieron inicialmente una plataforma de mensajería menos refinada y pasaron por alto el comportamiento de los agentes. Esa reacción es comprensible porque los empleados interactúan con el mensajero durante todo el día.
Una startup no puede tratar las funciones convencionales de mensajería como secundarias. La búsqueda, las notificaciones, las llamadas, la fiabilidad móvil, el manejo de archivos y la administración deben funcionar bien antes de que los clientes valoren un nuevo modelo de agentes.
Los costes de cambio amplifican cada debilidad. Alejarse de Slack o Teams implica cambiar hábitos, integraciones, archivos y procesos de gobernanza. Una experiencia innovadora con agentes quizá no compense la disrupción para el resto de la organización.
Los primeros clientes de Ando se concentran entre equipos más pequeños. Esos equipos pueden moverse rápido y tolerar carencias del producto. Su experiencia quizá no prediga la adopción dentro de una empresa regulada con miles de usuarios.
Por tanto, el mercado inicial más sólido podría ser el de empresas nativas de IA con muchos agentes y relativamente poca infraestructura heredada. Esas organizaciones perciben el problema de coordinación con mayor intensidad y enfrentan menores costes de migración.
Si Ando tiene éxito allí, podrá generar evidencia de que la pertenencia de los agentes cambia la productividad. Necesitará resultados concretos, como menos transferencias manuales, decisiones más rápidas o menor duplicación. Las anécdotas de los fundadores por sí solas no resolverán el debate.
La promesa del producto no es que los agentes puedan enviar mensajes. Las herramientas existentes ya lo permiten. Su promesa es que los agentes pueden asumir parte de la coordinación social y operativa que antes realizaban las personas.
Ese es un listón mucho más alto. Requiere fiabilidad técnica, criterio organizacional y confianza. Un sistema que cumpla esos requisitos podría justificar una nueva capa para el trabajo. Uno que no los cumpla se convierte en otra fuente de mensajes que gestionar.
La Identidad de los Agentes Cambia la Forma del Trabajo en Equipo
La apuesta más profunda de Ando es que las empresas se organizarán en torno a equipos mixtos, donde los agentes de software ocupen roles en lugar de limitarse a proporcionar respuestas.
La mayoría de los flujos de trabajo actuales con IA siguen siendo uno a uno. Una persona pide a un asistente que redacte un documento, analice datos o modifique código. El resultado vuelve a esa persona, que decide cómo incorporarlo a la organización.
Ando sustituye ese intercambio privado por un modelo multijugador. El agente participa allí donde se asigna, debate y revisa el trabajo. Esto hace que su resultado sea visible para los colegas que dieron forma a la decisión subyacente.
La visibilidad compartida puede mejorar la rendición de cuentas. Un compañero puede cuestionar el razonamiento de un agente en el mismo hilo. Otro agente puede aportar evidencia, mientras el humano responsable resuelve el desacuerdo.
Este modelo también cambia la gestión. Un líder de proyecto puede coordinar a personas y agentes a través de los mismos canales, pero esos participantes se comportan de manera distinta. Los agentes pueden procesar más mensajes y operar de forma continua, mientras los humanos aportan criterio, relaciones y responsabilidad.
Du sostiene que los equipos pequeños usarán agentes para alcanzar una escala operativa que antes requería muchos más empleados. Esa afirmación sigue sin verificarse, pero identifica la ambición organizacional detrás del producto.
El resultado a corto plazo probablemente será menos dramático. Es más probable que los agentes absorban tareas de coordinación acotadas antes de gestionar operaciones amplias. Pueden preparar contexto, rastrear discusiones relacionadas, dirigir preguntas y mantener resúmenes de estado.
Estas tareas siguen siendo importantes. Los trabajadores del conocimiento dedican un tiempo considerable a encontrar información y reconectar decisiones tomadas en distintos lugares. Una plataforma que reduzca esa fragmentación puede crear valor antes de que los agentes se conviertan en colegas plenamente autónomos.
El modelo también favorece la especialización de los agentes. Un agente de investigación podría seguir conversaciones sobre el mercado, mientras un agente de ingeniería supervisa canales de implementación. Un agente de soporte podría identificar problemas de producto y preguntar al agente de ingeniería si ya hay una solución en marcha.
La comunicación entre agentes hace posibles esos flujos de trabajo, pero también complica la supervisión. Una conversación entre agentes de software puede desarrollarse más rápido de lo que un humano puede revisarla. Los equipos necesitan puntos claros en los que el criterio, la autorización o la responsabilidad vuelvan a una persona.
Por eso el mensajero puede convertirse en algo más que una interfaz de usuario. Puede servir como un registro visible de delegación y escalamiento. La conversación muestra qué sabía un agente, con quién se puso en contacto y cuándo intervino un humano.
Sin embargo, el historial de chat no constituye automáticamente un sistema de auditoría suficiente. Los mensajes pueden omitir llamadas a herramientas, razonamientos intermedios o datos recuperados de otros sistemas. Los clientes empresariales esperarán registros de ejecución más profundos junto con la cronología conversacional.
El énfasis de Ando en la identidad ofrece un principio organizador útil. Cada agente puede tener un rol, permisos e historial reconocibles. Esa estructura se parece a la forma en que las empresas gestionan cuentas de servicio, pero presenta al agente como un colega dentro del trabajo diario.
El riesgo es la antropomorfización. Un perfil con rasgos humanos puede hacer que un agente resulte accesible, al tiempo que anima a los empleados a confiar en él más de lo que justifica su precisión. El diseño de producto debe hacer visibles sus capacidades y limitaciones.
La plataforma también necesita distinguir la autoridad de la fluidez. Un agente puede escribir con seguridad sin tener permiso para formalizar una decisión. Sus mensajes deberían indicar cuándo está proponiendo, informando, solicitando aprobación o actuando bajo autoridad delegada.
Estas señales serán más importantes a medida que crezcan los equipos mixtos. La diferencia entre una idea y una acción aprobada debe seguir siendo evidente, independientemente de que la haya producido una persona o un agente.
Por tanto, la colaboración entre humanos e IA requiere más que situar a ambas partes en un chat grupal. Necesita reglas sobre contexto, identidad, autoridad y escalamiento. Ando ha construido su producto en torno a esa premisa.
La estrategia podría darle a la empresa un enfoque que las suites más amplias no tienen. También podría dejar a Ando compitiendo con funciones que las empresas establecidas incorporan de manera constante. El resultado depende de si la coordinación de equipos mixtos se convierte en una categoría de producto propia.
Qué Mostrará Si Ando Puede Desafiar a Slack
Tres señales revelarán si Ando ha encontrado un cambio de plataforma duradero o una función interesante que las empresas establecidas pueden reproducir.
La primera señal es la adopción más allá de los pequeños equipos nativos de IA. Ando afirma que atiende a clientes en 15 países, pero no ha divulgado cifras de usuarios, datos de retención ni el tamaño de las implementaciones típicas.
Los despliegues entre clientes más grandes reforzarían el argumento de la empresa. Mostrarían que las organizaciones aceptarán los costes de migración para obtener coordinación nativa para agentes. Una concentración continua entre equipos pequeños sugeriría un mercado más limitado.
La retención importa más que las pruebas iniciales. Una plataforma de mensajería se vuelve valiosa mediante el uso diario y el contexto acumulado. Los equipos que se mantienen activos durante meses aportan evidencia más sólida que las empresas que experimentan con una interfaz nueva.
La segunda señal es cómo responden Slack y Microsoft. Ambos ya permiten que los agentes participen en conversaciones compartidas y ambos controlan ecosistemas empresariales consolidados. Sus próximos cambios de producto pondrán a prueba cuánto de la diferenciación de Ando pueden reproducir.
Si Slack permite que los agentes sigan de forma independiente los canales relevantes, se coordinen entre conversaciones e inicien diálogos bajo controles claros, la brecha de producto de Ando se reducirá. Microsoft puede buscar un comportamiento similar a través de Teams, Copilot y Microsoft Graph.
La ejecución de los actores establecidos también podría validar la tesis de Ando. Si Slack y Teams rediseñan las interacciones centrales en torno a agentes persistentes, confirmarán que la comunicación en el trabajo está cambiando. Ando competiría entonces en implementación, neutralidad y velocidad.
La tercera señal es si Ando puede demostrar una autonomía segura y útil. La empresa necesita evidencias de que los agentes proactivos reducen los traspasos sin inundar a los equipos de interrupciones ni exponer información.
Los casos de estudio de clientes deberían informar resultados operativos, no solo entusiasmo. Las métricas útiles incluyen tiempo ahorrado durante la coordinación, menos tareas duplicadas, escaladas más rápidas y la tasa de intervenciones incorrectas.
La documentación de seguridad será igual de importante. Los compradores deberían buscar permisos granulares, registros de auditoría exportables, controles de datos y una separación clara entre la observación y la acción de los agentes.
Ando también debe demostrar que su promesa de compatibilidad con distintos agentes funciona en la práctica. Admitir muchos sistemas de agentes solo es útil si las identidades, los permisos y el contexto se comportan de manera coherente entre ellos.
La posición más sólida del producto es como infraestructura neutral de coordinación. Slack está estrechamente vinculado a Salesforce, mientras que Teams forma parte del ecosistema de Microsoft. Ando puede invitar a agentes de proveedores competidores de modelos y software a un espacio de trabajo compartido.
La neutralidad conlleva trabajo de integración. Cada entorno de agentes expone capacidades, reglas de herramientas y comportamientos de contexto diferentes. Ando debe normalizar esas diferencias sin ocultar la información que necesitan los administradores.
Los 20 millones de dólares de la empresa le dan recursos para contratar talento y desarrollar la plataforma. No eliminan la ventaja de distribución de Slack y Microsoft. Ando debe convertir su enfoque arquitectónico en un producto que los empleados prefieran usar cada día.
Para los compradores empresariales, la pregunta inmediata no es si deben sustituir Slack. Es si la coordinación de agentes se ha vuelto lo bastante problemática como para justificar probar un entorno dedicado.
Los equipos que evalúen la alternativa a Slack de Ando deberían comenzar con un flujo de trabajo que implique retransmisiones humanas repetidas. Pueden observar si la participación persistente de los agentes elimina esos traspasos o simplemente añade más conversación.
Los desarrolladores deberían vigilar la calidad de las interfaces de agentes y los controles de gobernanza de Ando. Los trabajadores del conocimiento deberían observar si los agentes revelan conexiones útiles sin volverse intrusivos. Los compradores deberían exigir pruebas de que la autonomía sigue siendo responsable.
La mensajería de equipo de Ando ofrece una visión clara: los agentes deberían trabajar dentro de la sala donde se toman las decisiones. Los próximos meses mostrarán si los clientes necesitan una sala nueva o si Slack y Teams pueden renovar las que ya poseen.
La prueba práctica es sencilla. Elija un proceso interfuncional, defina qué puede observar y hacer un agente, y después mida si mejora la coordinación. Si los agentes conectan sistemáticamente el contexto, escalan el juicio y reducen las retransmisiones manuales, la premisa de Ando se fortalece. Si los empleados dedican más tiempo a corregir interrupciones y gestionar permisos, el diseño nativo para agentes no ha resuelto el problema más difícil. Observe la retención de clientes, los despliegues empresariales y los cambios de producto de los actores establecidos antes de considerar esto un cambio de plataforma consolidado. El futuro de la mensajería en el trabajo no se decidirá por si los agentes pueden hablar. Se decidirá por si los equipos pueden confiar en que participen.
