He pasado varios días probando Teros con un caso de uso real: montar un proyecto completo para un cliente de consultoría usando solo lenguaje natural. Lo que encontré merece un análisis honesto, porque resuelve un problema que veo constantemente en equipos que trabajan con IA.
El problema que nadie habla: la IA está fragmentada por persona
Cuando trabajas con agentes IA en un equipo, el escenario habitual es este: cada desarrollador tiene sus propios agentes en su terminal local, cada manager tiene sus GPTs personalizados en ChatGPT, cada área ha montado sus propios workflows. El conocimiento no se comparte, el contexto se pierde entre conversaciones, y la IA, que debería multiplicar la capacidad del equipo, queda encapsulada en burbujas individuales.
No es un problema de tecnología. Es un problema de infraestructura organizacional. Y es el problema concreto que Teros intenta resolver.
Qué es Teros
Teros es una plataforma de orquestación de agentes IA diseñada para equipos y organizaciones. La forma más sencilla de entenderlo: es el workspace compartido donde toda tu organización tiene sus agentes, sus skills y su contexto en un mismo lugar.
La propuesta no es “otro wrapper de ChatGPT para equipos”. Es más ambiciosa: un sistema operativo de agentes donde la unidad de trabajo no es el prompt individual sino el agente con contexto, herramientas y trazabilidad organizacional.
Iria: cuando la interfaz es una conversación
El superagente central de Teros se llama Iria. Es tu alter ego en el sistema — actúa con tus mismos permisos y se puede instruir en lenguaje natural para cualquier cosa: crear agentes nuevos, lanzar proyectos, gestionar tareas, configurar integraciones.
Lo que más me sorprendió de Iria fue la accesibilidad real para perfiles no técnicos. No hablo de “accesible” en el sentido marketiniano. Hablo de que un responsable de operaciones que nunca ha visto una terminal puede hablar con Iria como hablaría con un asistente humano y obtener resultados concretos.
La configuración del agente — skills, integraciones, permisos — se puede hacer completamente a través de conversación con Iria o desde el panel de administración, dependiendo del perfil del usuario.
Probándolo: un proyecto de consultoría desde cero
La prueba real: pedí a Iria que montara un proyecto completo para un cliente de consultoría. Estructura de trabajo, equipo asignado, tareas iniciales, plazos.
Lo que pasó a continuación fue lo interesante. Iria no solo creó el proyecto — creó automáticamente los agentes necesarios para cada área de trabajo, estructuró el proyecto con tareas, asignó deadlines y montó un kanban con trazabilidad.
No “propuso un esquema” ni “generó un documento”. Ejecutó.
El tiempo que me llevó tener un proyecto completamente operacional con agentes trabajando: menos de cinco minutos de conversación.
El kanban y la trazabilidad que lo cambia todo
Esta es la parte que más impacta cuando la ves en funcionamiento. Los agentes van actualizando el estado de las tareas en tiempo real: de backlog a in-progress, de in-progress a review. Si hay un bloqueo, el agente lo marca como bloqueado y notifica al equipo.
Puedes dar feedback directamente en la tarea bloqueada para desatascar el agente. Es un loop de trabajo humano-agente que resulta más natural de lo que esperaba — y que tiene una consecuencia importante: la trazabilidad ya no es solo para humanos. Cada acción del agente queda registrada, cada bloqueo documentado, cada transición de estado auditada.
Para equipos donde la rendición de cuentas importa — que es casi cualquier empresa — esto no es un detalle cosmético. Es un requisito.
Con 83 integraciones activas (Holded, Jira, GitHub, Notion, Google Drive, QuickBooks, Discord, entre otras), los agentes pueden actuar sobre las herramientas que el equipo ya usa en lugar de forzar un cambio de stack.
Privacy-first y soberanía de datos: por qué importa
Aquí viene uno de los argumentos más sólidos de Teros, y probablemente el que menos se destaca en el pitch habitual de IA para empresas.
Teros usa servidores de inferencia 100% europeos (Fireworks), zero data retention — ningún dato procesado queda fuera del entorno propio — y tiene arquitectura open source. Además es self-hostable con Docker: todos los datos viven en tu propia infraestructura.
Esto no es solo un checkbox de compliance. Es lo que hace a Teros viable en sectores donde OpenAI o Anthropic directamente no se pueden usar por GDPR: legal, banca, sanidad, notarías, seguros.
El caso real que me compartieron: una notaría en Valencia donde cada oficial redactaba las escrituras a su manera. Con Teros, el notario cargó las plantillas y el estilo de la casa una vez. Ahora el agente genera la escritura en 2 minutos con el formato correcto, lista para revisar y firmar. Tiempo anterior: 30 minutos por escritura. El resultado no es solo eficiencia — es estandarización y reducción de errores en documentos que tienen implicaciones legales.
El modelo es también model-agnostic: por defecto usa Kimi, GLM5 y DeepSeek, pero puedes conectar tu propia API key de Anthropic, OpenAI o cualquier proveedor. Si ya tienes acuerdo empresarial con alguno de ellos, lo integras directamente.
El pricing por horas agénticas: una métrica que las empresas entienden
La unidad de precio en Teros no son tokens. Son “horas agénticas”.
El modelo aproximado: 89€/licencia para 40 horas agénticas mensuales. Una hora agéntica = lo que un agente IA puede ejecutar en una hora de trabajo autónomo.
La lógica detrás del cambio de métrica es inteligente: ningún responsable de compras sabe qué son 10 millones de tokens. Pero todos entienden “2 horas de trabajo de una administrativa = 70€ vs. 2 horas agénticas = 4,50€”. La comparación es directa y justifica la inversión en términos empresariales, no técnicos.
Para quién es Teros (y para quién no)
Tiene sentido para:
- Equipos de más de 3-4 personas que ya usan IA individualmente y sienten la fragmentación.
- Empresas en sectores regulados donde la soberanía de datos es un requisito, no una opción.
- Organizaciones que quieren trazabilidad real de lo que hacen sus agentes.
- Proyectos donde hay perfiles no técnicos que necesitan usar IA sin depender del equipo de desarrollo.
Probablemente no es para ti si:
- Trabajas en solitario y no tienes intención de escalar.
- Tu caso de uso es puntual, no una necesidad operacional continua.
- Prefieres gestionar tú mismo toda la infraestructura desde cero con herramientas más low-level.
La curva de aprendizaje inicial existe — como en cualquier plataforma con este nivel de funcionalidad. No es un juguete de cinco minutos. Pero el ROI se ve rápido cuando hay un equipo real detrás.
