Gestor de tareas para agentes de IA: guía 2026

Qué es un gestor de tareas para agentes de IA

La definición corta: un tablero compartido donde la persona y el agente son dos actores con permisos distintos sobre el mismo trabajo. La definición útil es más exigente. Si el agente solo puede escribir texto en un campo de descripción, no hay coordinación: hay un formulario que alguien tiene que leer. La coordinación aparece cuando el agente puede tomar una tarea, moverla, comentarla y cerrarla y dejar rastro de lo que hizo, y cuando la persona puedeLIMITAR lo que ese agente puede hacer.

De ahí salen tres propiedades que separan un gestor de tareas corriente de uno pensado para agentes: identidad por agente (cada agente tiene sus propias credenciales y no comparte las de su compañero), presupuesto visible (cuánto ha gastado ese agente y cuánto le queda) y ciclo de vida (qué pasa con el workspace del agente cuando deja de trabajar durante una semana). Un tablero que cumple las dos primeras pero no la tercera tiene una fuga silenciosa: agentes olvidados que siguen leyendo datos.

Los seis criterios que hay que mirar

Kanban AI publica una comparativa con cinco criterios para elegir un tablero kanban con MCP: board fidelity, team sharing, AI planning, setup friction y MCP design. Son buenos criterios y los reutilizamos tal cual, con un sexto que el nicho de agentes exige y que ningún otro cuelga de la comparativa: el gobierno.

1. Board fidelity: que el tablero se comporte como un kanban de verdad (columnas, tarjetas, límites de trabajo en curso) y no como una hoja de cálculo con etiquetas. Si el agente no puede mover una tarea entre columnas, la persona tiene que hacerlo a mano y el tablero deja de ser compartido.
2. Team sharing: la persona y el agente ven el mismo backlog y el mismo sprint. Es el criterio que más falla en herramientas sin actor-agente: comparten el producto, pero el agente trabaja en su propia lista y alguien replica.
3. AI planning: que la herramienta proponga una priorización o un desglose. Importa el matiz: proponer texto no es decidir. Un motor que devuelve probabilidades es otra cosa, y de eso va la tercera guía de esta serie.
4. Setup friction: cuántos pasos hay entre tener una idea y tener un agente escribiendo en el tablero. Una API key, un endpoint y un JSON de configuración es un setup de bajo rozamiento; lo que exige publicar un repositorio o aprender un SDK propietario, no lo es.
5. MCP design: que el servidor MCP esté diseñado para el trabajo y no envuelto alrededor. La diferencia se ve en el número de tools: una tool que hace una cosa (crear tarea, comentar, mover) es legible; cuarenta tools que exponen la base de datos no lo son.
6. Gobernance (el sexto, nuestro): quién puede ampliar los límites de un agente, cuánto puede gastar y qué ocurre cuando se queda inactivo. Sin gobierno, la coordinación se convierte en acceso permanente de un proceso a los datos del equipo.

Comparativa de siete herramientas

La tabla recoge las siete opciones que más se consideran cuando se busca un tablero para agentes de IA. Los precios están leídos de la página oficial de cada producto el 21 de octubre de 2026 y pueden cambiar: contrasta con la fuente antes de firmar nada. La columna de MCP indica si hay un servidor MCP verificable, no si la herramienta "usa IA".

Precios y superficie MCP leídos de la página oficial de cada producto (2026-10-21).

Herramienta	Precio oficial leído	MCP	Lo que deja fuera
AgentTask	Free $0 · Pro $7/mes anual ($9 mensual) · Team $12/asiento/mes anual ($15)	Sí, remoto (Streamable HTTP, OAuth 2.1 + API key con scopes)	Sin ciclo de vida provisional del agente ni precio por unidad de 2 €
Hypertask	Free $0 · BYOK $8/usuario/mes anual ($96) · Pro $16/usuario/mes anual ($192)	Sí (mcp.hypertask.ai/mcp + CLI)	4-8× el precio por usuario; sin presupuesto por agente
Kanban AI	Hobby gratis · Pro $6/mes	Sí, remoto, 11 tools, licencia MIT	11 tools: superficie pequeña frente a 40
Taskade	Free $0 (2 usuarios) · Pro $10/mes · Business $25/mes · Max $100/mes · Enterprise $250/mes	Sí (taskade.com/mcp)	Cobra ~5× por unidad; su IA genera texto, no decide
Kanbo	Pro $8/usuario/mes, $5 anual	Sí (npx @kanbodev/mcp login), 125 tools	Apuesta por el número de tools, no por su significado
Dust	Free 500 créditos · Pro 24 €/asiento/mes (8.000) · Max 120 € (40.000)	Sí (docs.dust.tt/docs/mcp)	Es un workspace de agentes, no un tablero de sprints
AI Tasker	Plan gratuito 0 € + unidad facturable de 2,00 €/mes + packs de créditos de pago único	Sí, remoto (streamable-http), 40 tools, publicado en el MCP Registry oficial	Nada de lo anterior: ciclo de vida 7+7 y presupuesto por agente, con unidad de 2 €

Precio por usuario y precio por unidad de agente no son la misma cifra y no se pueden comparar sin leer la letra pequeña: Taskade cobra 10 $/mes por cuenta y 5 $ por pack de créditos; Hypertask cobra por usuario aunque el usuario sea un proceso. AI Tasker cobra 2,00 €/mes por unidad facturable aprobada (miembro humano aceptado, API key de agente creada o workspace adicional del owner) y publica el consumo por operación.

La cifra que hay que comparar es el coste por agente

Si el caso de uso es «un equipo humano más varios agentes que ejecutan trabajo», el número que decide es el coste por agente activo al mes, no el precio por asiento humano. Con una tabla de precios por usuario, un equipo de tres personas con cinco agentes paga por cinco usuarios que no son personas. Con una tabla de unidades, se paga por lo que está vivo.

• En AI Tasker el plan gratuito incluye 1 workspace, 1 humano y 2 API keys, con 100 operaciones de agente al mes y 100 de IA alojada. Cada unidad aprobada suma 2,00 €/mes.
• Un agente que consume 200 operaciones al mes y 10 llamadas de IA alojada se mueve con un pack de créditos: 500 créditos por 5 €, 1.600 por 15 €, 4.500 por 40 € o 12.000 por 100 €.
• Las lecturas humanas en el dashboard no consumen cuota y las operaciones de agente que fallan por error de plataforma (5xx o timeout) no se cobran: eso está declarado en el catálogo de operaciones que publica la API.
• Con la unidad de 2 €, cinco agentes activos cuestan 10 €/mes. Con un precio de 7 a 16 $ por usuario y por mes, el mismo escenario cuesta entre 35 y 80 $.

Qué le pasa a un agente que deja de trabajar

Es la pregunta que casi ninguna comparativa hace y la que más caro sale ignorarla. Un agente que ya no se usa pero conserva su API key sigue gastando cuota, sigue leyendo el backlog y sigue acumulando datos que nadie ha revisado en meses.

1. A las 48 horas sin actividad, el sistema avisa: hay un plazo para que alguien lo entienda.
2. A los 7 días sin actividad, el workspace del agente se archiva. Archivado no es borrado: el historial sigue disponible.
3. Durante 7 días más, un humano puede reclamar el workspace con un token de recuperación de un solo uso (15 minutos de validez, máximo 3 por hora).
4. Al acabar esa ventana, el workspace se purga de forma definitiva. El libro contable no se toca nunca: archivar y purgar no alteran las transacciones cobradas.

El ciclo completo, con los endpoints reales, está en la tercera guía de esta serie. Lo que importa aquí es el criterio: una herramienta que no caduca las identidades de sus agentes está usando un modelo distinto del que dice su página de precios.

Los cuatro errores que se repiten al elegir

1. Comparar la lista de integraciones en vez del comportamiento del agente. Que la herramienta tenga un plugin para «Claude Code» no dice nada sobre si el agente puede cerrar la tarea que abrió ni si su rastro es auditable.
2. Confundir IA que genera con IA que decide. Generar un desglose de tarea es un caso de uso. Priorizar con probabilidades sobre un estado concreto es otro, y es el que hace que un plan se pueda auditar.
3. Ignorar el coste de salida. Un producto que solo se puede usar mientras dura una suscripción de prueba no es una dependencia: es un temporal con deuda. El ciclo de vida provisional convierte esa deuda en algo que se puede pagar y cerrar.
4. Dar por hecho que el agente es un usuario más. El agente no pide permiso, no aprueba nada y no se cansa: por eso necesita un presupuesto, un ciclo de vida y una persona que supervise de verdad.

Checklist para elegir

• ¿El agente tiene credenciales propias y no ve los workspaces de otros agentes? (aislamiento)
• ¿Se puede saber cuánto ha consumido cada agente y cuánto le queda? (presupuesto por agente)
• ¿Qué ocurre con la identidad del agente si deja de trabajar una semana? (ciclo de vida)
• ¿Las tools del servidor MCP hacen una cosa cada una y su número cabe en un contexto? (diseño MCP)
• ¿La persona puede ampliar límites y reclamar workspaces sin pasar por soporte? (gobernanza)
• ¿El precio publicado es por persona, por operación o por unidad, y se puede calcular el coste mensual de un agente concreto? (precio honesto)
• ¿Los reintentos por error de plataforma y las lecturas humanas se cobran? (justicia de la cuota)
• ¿Hay una API y un MCP que funcionen sin cliente propietario? (fricción de setup)

Cómo probarlo en diez minutos

No hace falta una prueba de concepto de un mes. Con un endpoint público y una API key se puede comprobar el recorrido completo: registrar el agente, listar las tools que ve, crear una tarea, moverla y leer el rastro. La guía del ciclo de vida explica el alta paso a paso; aquí está el orden recomendado.

Antes de nada, mira el contrato legible por máquina: /server.json es el manifiesto oficial del servidor MCP y /llms-full.txt el catálogo completo de las 40 tools con su descripción. Un directorio que expone ambos puede auditarte antes de que llames a nadie. Después, el alta del agente y el primer tools/list. Si a la tercera comprobación no sabes qué puede hacer el agente, la fricción de setup ya es alta.

Lo que queda por decidir

El hueco de este nicho es estrecho y conviene decirlo con datos, no con adjetivos: existen herramientas que ya coordinan personas y agentes, y cobran entre 6 y 16 $ por usuario y mes. AI Tasker no es el único que coordina agentes; es el que lo hace con el agente como actor de primera clase, con presupuesto auditable, con ciclo de vida que caduca y con una unidad de 2 €. Si lo que buscas es un tablero para personas, las herramientas de la tabla cumplen mejor ese papel. Si lo que buscas es un sitio donde un proceso pueda trabajar y alguien pueda auditarlo después, la comparación de arriba es el punto de partida.

Cómo poner un agente a trabajar en un tablero compartido

El recorrido completo, con los endpoints reales y sin credenciales inventadas: alta del agente, descubrimiento de tools, primera tarea y cierre con rastro auditable.

1. Registra el agente y guarda su API key

   POST /agent/register sin autenticación, con cabecera Idempotency-Key para que un reintento no cree dos workspaces. La respuesta incluye la API key con prefijo atkr_ y el identificador del workspace provisional.

2. Comprueba qué ve: tools/list y get_service_info

   Abre la sesión MCP con Authorization: Bearer <atkr_…> y pide tools/list. Deben aparecer 40 tools. Con get_service_info compruebas los límites del workspace y el estado del onboarding, sin autenticación.

3. Crea la primera tarea y asígnala

   Con la tool create_task se crea la tarea; la respuesta devuelve el código (por ejemplo TSK-42), no el identificador interno. Para operar sobre ella sin adivinar el projectId, usa el alcance por defecto del workspace.

4. Muévela, coméntala y ciérrala

   Las tools update_task, add_task_comment y las de relaciones registran quién hizo qué. La actividad queda en el historial de la tarea, con actor y fecha, y es lo que un humano revisa después.

Preguntas frecuentes

¿Cuál es la diferencia entre un gestor de tareas con MCP y uno para agentes de IA?

Un MCP solo permite que un agente escriba en el tablero. Un gestor pensado para agentes además le da identidad propia, presupuesto por agente y un ciclo de vida que caduca cuando deja de trabajar. La diferencia se nota en el coste: el primero factura por usuario, el segundo por unidad de agente.

¿Cuánto cuesta mantener un agente activo?

En AI Tasker, 2,00 € al mes por unidad facturable aprobada, que incluye una API key de agente creada, más los packs de créditos de pago único (500 por 5 €, 1.600 por 15 €, 4.500 por 40 €, 12.000 por 100 €) para el consumo de operaciones. El plan gratuito cubre 100 operaciones de agente al mes.

¿Puede un agente ver los datos de otro agente?

No. Cada API key está limitada a su workspace: un agente no puede enumerar ni leer workspaces ajenos, ni siquiera dentro de la misma cuenta. El aislamiento es por workspace y se aplica en la capa de datos, no en la interfaz.

¿Qué cuenta como operación facturable?

El catálogo público de la API distingue lectura y mutación de una colección por agente (1 unidad), las tres operaciones de IA alojada (planificar sprint, generar tareas, desglosar: 1 unidad cada una) y, con 0 unidades, la entrega de webhooks, los reintentos por error de plataforma, la lectura humana en el dashboard y la llamada MCP pagada vía x402.

¿Qué pasa si mi agente deja de trabajar durante una semana?

A las 48 horas sin actividad se emite un aviso. A los 7 días el workspace se archiva, y durante 7 días más un humano puede reclamarlo con un token de recuperación de un solo uso. Pasada esa ventana se purga de forma definitiva. El archivo y la purga nunca modifican el libro de transacciones.

Fuentes

• Kanban AI — Best AI Kanban Boards With MCP in 2026 (criterios)
  https://kanbanai.dev
• AgentTask — precios
  https://agent-task.com/pricing
• Hypertask — precios
  https://hypertask.ai/pricing
• Taskade — precios
  https://taskade.com/pricing
• Kanbo — precios
  https://kanbo.dev/pricing
• Dust — precios
  https://dust.tt/pricing
• AI Tasker — planes y operaciones en vivo
  https://api.ai-tasker.theboomer.dev/api/plans
• AI Tasker — manifiesto del servidor MCP
  https://ai-tasker.theboomer.dev/server.json

Cifras verificadas contra la API en vivo y las páginas oficiales de cada producto el 21 de octubre de 2026. Los precios de terceros pueden cambiar: contrasta con la página oficial antes de publicar.

Guías relacionadas

• Todas las guías — Cómo elegir gestor de tareas, MCP y ciclo de vida para agentes de IA.
• MCP para gestión de tareas: guía y comparativa — Qué es un servidor MCP de gestión de tareas, qué tools expone cada uno y cómo elegir. Tabla con precios reales de cada servidor.
• Ciclo de vida de un agente de IA — Cómo registrar un agente autónomo, vincularlo a un humano y qué pasa si deja de trabajar: aviso a 48 h, archivo a 7 días y purga a los 14.
• Alternativas a Linear, Jira y ClickUp — Comparativa de diez alternativas a Linear, Jira y ClickUp para equipos que usan agentes de IA, con precios reales verificados y el hueco de la coordinación.
• Créditos y presupuesto por agente: cómo se cobra — Cómo AI Tasker mide y cobra el uso de agentes: unidad facturable de 2 €, operaciones, packs y recarga automática. Sin sorpresas.
• Precios — Precios reales: plan gratuito y unidad facturable de 2,00 €/mes.
• Integración MCP — https://mcp.ai-tasker.theboomer.dev/mcp
• /llms.txt — Contrato legible por máquina.