Shopify hace público su agente de código River en Slack

El 11 de mayo, Tobias Lütke, CEO de Shopify, publicó un hilo en Twitter describiendo con cierto detalle cómo funciona River, el agente de codificación interno de la compañía. El dato que llama la atención no es tanto qué hace River técnicamente, sino dónde lo hace: exclusivamente en canales públicos de Slack. Sin mensajes directos, sin conversaciones privadas, sin trabajo en la sombra.

La mecánica es sencilla pero deliberada. Si alguien intenta contactar a River por DM, el agente declina educadamente y sugiere abrir un canal público. Lütke trabaja con River en `#tobi_river`, un canal que según él mismo cuenta con más de 100 personas que siguen los hilos, añaden contexto, retoman tareas o simplemente observan cómo trabaja su propio CEO con una herramienta de IA. Simon Willison recogió y comentó el hilo en su blog, señalando que la decisión de diseño tiene implicaciones que van más allá de la transparencia interna.

La Lehrwerkstatt como modelo organizativo

Lütke recurre a un término alemán para describir el entorno que quieren construir: Lehrwerkstatt, literalmente «taller de enseñanza». La idea es que todo el suelo de fábrica es el aula. No hay una sala de formación separada ni un manual que leer antes de empezar; el aprendizaje ocurre por proximidad al trabajo real, observando cómo otros resuelven problemas concretos.

Eso es exactamente lo que persigue la arquitectura pública de River. Cada conversación queda indexada y es buscable. Cualquier ingeniero de Shopify puede revisar cómo se planteó un problema, qué instrucciones se dieron, qué generó el agente, cómo se corrigió el rumbo. El historial de interacciones se convierte en corpus de aprendizaje colectivo, no en conocimiento tácito atrapado en el portátil de alguien.

Por qué importa más allá de Shopify

La mayoría de las empresas que integran agentes de IA en sus flujos de trabajo lo hacen de forma atomizada: cada desarrollador tiene su ventana de Claude Code, su contexto privado, sus prompts guardados en algún fichero local. El resultado es que los patrones de uso exitosos no se propagan, los errores se repiten y la curva de aprendizaje la recorre cada persona desde cero.

El diseño de River invierte esa lógica. Al forzar la visibilidad, convierte cada sesión de trabajo en un recurso compartido. No es una decisión trivial: implica que Lütke también expone sus propias interacciones —incluyendo, según él mismo admite, lo oxidadas que están algunas de sus habilidades técnicas— ante más de cien colegas. Hay una señal cultural explícita en eso.

Para equipos de ingeniería que estén valorando cómo desplegar agentes internos, el caso de River plantea una pregunta que vale la pena hacerse antes de configurar permisos: ¿qué se pierde cuando el trabajo con IA ocurre en privado?

Qué no sabemos todavía

Lütke no entra en detalles técnicos sobre River: no especifica sobre qué modelo corre, cómo gestiona el contexto entre sesiones largas, ni cómo se integra con el código base de Shopify más allá de Slack. Es posible que esos detalles no sean el punto de su hilo, pero son las preguntas que surgirían naturalmente si alguien quisiera replicar el enfoque.

Tampoco queda claro cómo escala la visibilidad cuando hay decenas de canales activos simultáneamente. La capacidad de seguir el trabajo de otros tiene un límite de atención; en algún punto, la transparencia total puede volverse ruido.

---

Dicho esto, la idea de diseñar un agente que rechace trabajar en privado como decisión arquitectónica —no como política de empresa, sino como comportamiento del propio sistema— es de las pocas propuestas concretas que hemos visto sobre cómo integrar IA en organizaciones sin que el conocimiento se fragmente. Merece más atención de la que suelen recibir los hilos de Twitter de CEOs.