El contexto del cliente sobrevive a la conversación, para que los informes profundos partan del conocimiento acumulado por la agencia y no de un prompt vacío.

El problema de LEED Agency no era la falta de respuestas de IA, sino la pérdida de contexto entre ellas. Cada cuenta tenía sus propias reglas de Google Ads, activos, métricas, capturas, formatos e historial. Un sistema útil debía recuperar ese contexto antes de analizar y conservar después lo aprendido.

Evidencia en la fecha de publicación: el entorno se verificó en vivo el 30 de mayo de 2026; registros recientes mostraron trabajo dentro de procesos reales de reporting; James describió el sistema como parte de su operación diaria.

La empresa

James dirige LEED Agency y trabaja con Google Ads, reporting de comercio electrónico, cuentas de clientes y proyectos de producto. Su base operativa incluye informes activos, conocimiento de cuentas, propuestas, auditorías, material de Webflow, borradores y contexto de producto.

Esa amplitud importa. Un informe no puede heredar por error las suposiciones de otro cliente. El valor reside en pequeñas diferencias acumuladas: qué métricas importan, qué reglas son innegociables, dónde están las fuentes, cómo debe escribirse el informe y qué descubrió el último análisis.

La restricción

Antes de la migración y del trabajo de memoria, TheoAI podía comportarse como un modelo nuevo aunque el conocimiento correcto existiera en otra parte. Los análisis de Google Ads largos y por etapas agotaban el tiempo. James debía reconstruir cuenta, reglas y contexto antes de obtener trabajo útil.

La restricción no era solo recuperar información, sino conservar continuidad. Lo completado en una sesión debía mejorar la siguiente en lugar de desaparecer en el historial del chat.

Por qué las herramientas existentes no bastaban

Los archivos podían guardar informes. El chat podía responder preguntas. El navegador podía revisar fuentes. Ninguna superficie sabía por sí sola qué cliente de LEED estaba activo, qué SOP regía la tarea ni qué hallazgo debía persistir.

La capa operativa debía ordenar el espacio, recuperar conocimiento por cuenta, conservar el tono y las reglas firmes de James, ofrecer tiempo suficiente para el trabajo profundo, fallar de forma limpia y devolver contexto útil a la memoria. Sin esos controles, incluso un modelo potente seguía siendo un asistente de reporting poco fiable.

Mapa de transformación

Antes

Solicitud -> contexto del chat actual -> búsqueda manual de archivos -> análisis parcial -> timeout o informe -> contexto perdido

Después

Solicitud -> identificar cliente y regla -> recuperar memoria y fuentes de LEED -> analizar -> revisión de James -> activo de informe -> conservar hallazgo

El modelo es un componente. La mejora operativa procede del routing, la memoria, la estructura, los tiempos de ejecución y un punto claro de revisión humana.

Un flujo de principio a fin

1. Entrada: James solicita un informe o análisis en un canal establecido de Discord o Telegram.
2. Selección de contexto: Theo identifica cliente, producto o proyecto y recupera memoria, SOP y formato de informe.
3. Revisión de fuentes: El asistente trabaja con archivos y fuentes accesibles por navegador, en vez de contestar solo desde el mensaje actual.
4. Análisis: La tarea larga utiliza un timeout ampliado y un watchdog finito, de modo que gana profundidad sin dejar un canal bloqueado si falla.
5. Aprobación humana: James revisa el análisis y decide qué entra en un informe para cliente. La fuente no afirma envío autónomo.
6. Salida: El informe o activo asociado se guarda en el espacio organizado del cliente.
7. Registro: Un hallazgo duradero puede volver a la memoria para que el siguiente trabajo comience con más contexto.

Qué cambió

• Construido: Conocimiento persistente de LEED, espacios ordenados por cliente y proyecto, timeouts seguros, búsqueda de memoria y soporte por voz.
• Conectado: Discord, Telegram, voz a texto y texto a voz locales, control del navegador y base estructurada de conocimiento.
• Probado: Salud del gateway, ruta de modelo, superficies de comunicación, servicio de navegador, comportamiento de timeout y recuperación del espacio.
• Verificado en vivo: El 30 de mayo de 2026, el LaunchAgent del gateway funcionaba, el endpoint local devolvía live, Discord y Telegram estaban activos y el servicio de navegador estaba operativo.
• Uso activo: Registros recientes mostraron a Theo en análisis de conversión Google Ads/Calendly y gestión de activos de informes. Las declaraciones aprobadas de James describen uso diario.
• Dependencia restante del proveedor o cliente: No se presenta ningún proveedor ausente como bloqueo del flujo de reporting evidenciado. El estado se revalida trimestralmente.
• Resultado financiero comunicado por el cliente: Ninguno. El caso evidencia uso y continuidad de contexto, no atribución de ingresos.

Evidencias

• Entorno en vivo: Gateway de OpenClaw, navegador, Discord y Telegram verificados el 30 de mayo de 2026.
• Control de reporting: Timeout ampliado a 1.800 segundos y watchdogs finitos para fallar limpiamente.
• Profundidad de conocimiento: El espacio conserva múltiples cuentas, propuestas, auditorías, proyectos y activos de informes.
• Uso real: Los registros recientes muestran actividad continuada, no un sistema instalado e inactivo.
• Corroboración del cliente: Dos declaraciones exactas y aprobadas figuran en el Claims Ledger.

Tecnología, al final

El sistema funciona en el Mac mini de James con OpenClaw, Discord, Telegram, routing de modelos Codex, GPT-5.4 en la verificación registrada, whisper.cpp local, Edge TTS, ffmpeg, control del navegador, ocbrain, búsqueda de memoria, dreaming y launchd. El espacio se divide en clientes, proyectos, conocimiento, memoria, propuestas y borradores para seguir el trabajo real de la agencia.

Testimonio del cliente

“It’s changed my life literally.”

«Literalmente, me ha cambiado la vida». (Traducción al español; el texto original exacto en inglés consta en el Claims Ledger.)

“I pretty much use it every single day, every second of the day.”

«Lo uso prácticamente todos los días, cada segundo del día». (Traducción al español; el texto original exacto en inglés consta en el Claims Ledger.)

• James, LEED Agency. El texto y el permiso de publicación están documentados; la fuente de las citas originales es el blueprint aprobado por el fundador.

Siguiente transformación

Descubre cómo Plutify convirtió datos contables en una superficie de revisión en vivo y de solo lectura. Ambos casos resuelven fricción de reporting: Plutify cambia la experiencia del cliente y LEED la memoria de trabajo interna.

Obtén tu plan de IA

Si la calidad del reporting depende de que una persona recuerde cada regla de cuenta, la primera transformación suele estar en la ruta de contexto y evidencia, no solo en generar el texto. Reserva una auditoría gratuita de IA para mapearla.

Registro de fuentes

• OPENCLAW-DEEP-CLIENT-CASE-STUDIES.pdf, página 13.
• RECAST_CASE_STUDIES_2026_UPDATED.pdf, página 7, documento RA-CASES-001, versión 2.0.
• RECAST_WEBSITE_MASTER_BLUEPRINT.md, apartados 6.5, 10.4, 11 y 58.