Open Claw: primeras impresiones de un agente con mucho potencial (y mucho caos)
En las últimas semanas fue imposible no cruzarse con Open Claw (antes ClawdBot). Pasó rápido del mundo ultra-tech a titulares más mainstream, prometiendo algo que suena casi demasiado bueno para ser verdad: un agente de inteligencia artificial con acceso a un computador completo, capaz de ejecutar tareas reales por ti.
Decidimos probarlo, no como tutorial paso a paso, sino como primeras impresiones reales, con usos concretos, costos reales y también frustraciones reales.
Disclaimer suave: esto no es una recomendación, es una experiencia temprana.
Qué es Open Claw, a grandes rasgos
Open Claw es un agente que vive en un entorno propio (idealmente aislado) y al que le puedes asignar tareas complejas: leer datos de la web, procesarlos, iterar sobre resultados y, en teoría, automatizar ese trabajo en el tiempo.
Uno de sus diferenciales más llamativos es que la interacción ocurre vía apps de chat (Telegram, por ejemplo), lo que hace que la experiencia se sienta más cercana a “hablar con un asistente” que a operar un script tradicional.
Cómo lo probamos
Nuestra experiencia se limitó a MoltWorker, la versión basada en Cloudflare Workers, que se puede correr por unos $5 USD al mes.
En cuanto a modelos:
- Empezamos usando la API de Anthropic, donde el default es Opus (carísimo) y, en algunos casos, Sonnet.
- Tras quemar créditos más rápido de lo esperado, terminamos migrando a Z.ai con GLM 4.7, usando su suscripción anual (el primer año cuesta $30 USD).
Costos reales de la prueba:
- ~$5 USD Cloudflare
- ~$25 USD en créditos de Anthropic
- $30 USD suscripción anual de Z.ai
No es prohibitivo, pero tampoco es “gratis para jugar sin pensar”.
Los casos de uso que probamos
Los dos casos fueron muy similares en esencia: automatización de lectura de datos desde internet.
- Una base de datos de televisores, donde el agente debía leer múltiples páginas, extraer precios y organizar la información.
- Un seguimiento de jugadores de fútbol colombiano, leyendo datos públicos y estructurándolos de forma consistente.
Aquí Open Claw muestra algo especial: puedes iterar la tarea conversando, ajustar instrucciones, probar de nuevo… hasta que el resultado empieza a verse “bien”.
El verdadero momento wow
El momento clave no fue que “funcionara a la primera”, sino este flujo:
- Dar una tarea
- Probar
- Ajustar instrucciones
- Volver a probar
- Llegar a un estado “bueno”
- Y entonces pensar: esto lo podría automatizar
Ese salto mental, de script puntual a agente que ejecuta tareas recurrentes, es donde Open Claw realmente brilla.
Lástima que, en nuestro caso, nunca pudimos llegar a probar la automatización: todo el trabajo se perdió.
Donde la experiencia se rompe hoy
Aquí queda claro que no es un producto para el usuario de a pie:
- La memoria no persiste El agente olvidó tareas completas de un día para otro. Esto puede ser un problema del setup en Cloudflare, pero el resultado es el mismo: frustración total.
- Panel de configuración abrumador Hay demasiadas opciones y muy poca guía sobre por dónde empezar.
- Consumo de tokens peligroso Que Opus sea el modelo por defecto es casi una trampa. En una sesión se pueden ir decenas de dólares sin darte cuenta.
Riesgos y seguridad: aquí no hay que improvisar
Esto es clave. Open Claw no se debe usar con cuentas reales.
Recomendaciones claras:
- Aislarlo lo más posible
- Limitar su blast radius
- Crear cuentas propias para el agente (correo, GitHub, etc.)
- Nunca darle credenciales personales
- Idealmente correrlo en un sandbox o entorno dedicado
Aquí todavía hay demasiada superficie de ataque como para relajarse.
Comparación rápida: Open Claw vs Goose
Después de esta experiencia, la sensación es clara:
- Open Claw: experimento temprano, poderoso, pero muy crudo.
- Goose: hace muchas de las mismas cosas, con una configuración inicial mucho más amigable para el usuario tech curioso.
Nuestra impresión actual es que Goose es más usable hoy, mientras que Open Claw tiene más potencial a largo plazo… si logra pulirse.
Conclusión
Open Claw (antes ClawdBot) es fascinante. Cuando funciona, deja ver un futuro muy potente de agentes personales.
Pero hoy sigue siendo un experimento: complejo, frágil y fácil de romper si no sabes exactamente lo que estás haciendo.
Vamos a seguir probándolo, posiblemente en otros entornos y con setups más controlados.
Esto apenas empieza, y definitivamente vale la pena seguirle la pista.
