StaffDeck se lanza como código abierto: una plataforma empresarial para construir empleados digitales
El 15 de julio de 2026, OpenBMB lanzó StaffDeck como código abierto, una plataforma empresarial diseñada para construir, operar y gestionar empleados digitales. Este proyecto sigue un camino diferente al de los chatbots empresariales comunes. En lugar de tratar la IA como una ventana de diálogo temporal, StaffDeck busca convertir experiencia profesional, procesos de negocio, procedimientos operativos estándar y criterios de decisión en empleados digitales capaces de trabajar de forma continua y mejorar constantemente. El código fuente ya se ha publicado en GitHub, junto con paquetes de instalación para escritorio en macOS, Windows y Linux. StaffDeck también se puede implementar desde el código fuente utilizando endpoints de modelos compatibles con OpenAI. Muchos productos de IA empresarial siguen comenzando y terminando en la interfaz de chat. El usuario abre una conversación, hace una pregunta, recibe una respuesta y cierra la sesión. Este modelo es útil para tareas de asistencia simp
StaffDeck de código abierto: una plataforma empresarial para construir empleados digitales
Introducción
El 15 de julio de 2026, OpenBMB lanzó StaffDeck como código abierto, una plataforma empresarial diseñada para construir, operar y gestionar empleados digitales.
Este proyecto sigue un camino diferente al de los chatbots empresariales comunes. En lugar de tratar la IA como una ventana de diálogo temporal, StaffDeck busca convertir experiencia profesional, procesos de negocio, procedimientos operativos estándar y criterios de decisión en empleados digitales capaces de trabajar de forma continua y mejorar constantemente.
El código fuente ya se ha publicado en GitHub, junto con paquetes de instalación para escritorio en macOS, Windows y Linux. StaffDeck también se puede implementar desde el código fuente utilizando endpoints de modelos compatibles con OpenAI.
Del chatbot empresarial al empleado digital
Muchos productos de IA empresarial siguen comenzando y terminando en la interfaz de chat. El usuario abre una conversación, hace una pregunta, recibe una respuesta y cierra la sesión.
Este modelo es útil para tareas de asistencia simples, pero muestra sus limitaciones cuando las empresas desean que la IA participe en trabajos repetibles.
Un empleado digital necesita más que solo capacidad de diálogo. Debe entender su propio puesto, seguir las reglas organizacionales, usar conocimientos aprobados, invocar herramientas, guardar registros de ejecución y, cuando sea necesario, admitir intervención humana.
StaffDeck se construye precisamente en torno a esta visión más amplia. Caracteriza a los empleados digitales mediante atributos organizacionales, como:
- Límites del puesto y el rol
- Identidad del empleado
- Perfil de capacidades
- Recursos de conocimiento
- Habilidades y procedimientos operativos estándar
- Permisos de herramientas
- Registros de trabajo y ejecución
- Ámbito de acceso
- Historial de retroalimentación y mejora
Esta estructura acerca el sistema a una plataforma de gestión de empleados digitalizada, más que a una interfaz de chatbot genérica.
Convertir el conocimiento organizacional en capacidades reutilizables
Uno de los problemas más difíciles en las operaciones empresariales es que el conocimiento valioso suele estar disperso.
Parte de la información está registrada en documentos, otra está incrustada en hojas de cálculo y manuales de procesos, y una gran cantidad de conocimiento permanece en la experiencia de los empleados veteranos, incluyendo esos juicios sutiles que rara vez se documentan formalmente en los procedimientos operativos estándar.
Cuando un empleado experimentado se va o cambia de puesto, parte de ese conocimiento puede desaparecer con él.
StaffDeck busca convertir múltiples formas de conocimiento organizacional en capacidades digitales persistentes:
- Experiencia profesional
- Procesos de negocio
- Procedimientos operativos estándar
- Criterios de decisión
- Conocimiento documentado
- Reglas operativas informales
- Retroalimentación generada en el trabajo real
El objetivo no es una "inmortalidad digital" literal, sino un intento pragmático de hacer que el conocimiento profesional importante sea reutilizable, rastreable y más fácil de mejorar.
Un proyecto conjunto entre academia e industria
StaffDeck no se presenta como un producto interno de una sola empresa.
Según la información del repositorio oficial, la plataforma ha sido desarrollada conjuntamente por:
- ModelBest
- Laboratorio Conjunto de Inteligencia de Datos de la Universidad del Noreste y ModelBest
- Laboratorio de Procesamiento de Lenguaje Natural de la Universidad de Tsinghua (THUNLP)
- OpenBMB
- AI9Stars
Esta combinación reúne investigación de modelos, procesamiento de lenguaje natural, experiencia en implementación empresarial y capacidad de ingeniería de código abierto.
Su público objetivo incluye empresas e instituciones que desean transformar la IA de una herramienta de productividad personal a una capacidad organizacional reutilizable.
Funcionalidades principales de StaffDeck
El proyecto oficial describe cuatro áreas de capacidad.
Construir y gestionar empleados digitales
Los usuarios pueden definir empleados digitales con roles independientes, números de empleado, perfiles de capacidad, permisos y registros de trabajo.
Los empleados digitales se pueden publicar, reutilizar o ajustar según las necesidades de diferentes organizaciones. Un mecanismo de aislamiento de permisos ayuda a evitar que cada usuario modifique directamente los recursos compartidos.
Esto es particularmente útil cuando una empresa desea mantener un conjunto aprobado de roles digitales controlados, en lugar de permitir que cada empleado construya robots personales aislados.
Habilidades procesales impulsadas por máquinas de estado
StaffDeck puede convertir descripciones de procesos en lenguaje natural en procedimientos operativos estándar estructurados y ejecutarlos a través de una máquina de estados.
La máquina de estados ayuda a descomponer el trabajo complejo en etapas definidas, condiciones de transición y ramificaciones de estado. Este enfoque es más predecible que pedirle al modelo que improvise todo el proceso en una sola instrucción.
La plataforma admite:
- Procesos paralelos múltiples
- Cambio de proceso en tiempo real
- Preservación del contexto
- Edición visual de procesos
- Gestión de versiones
- Evolución por ramificaciones
Estas funciones son especialmente adecuadas para tareas que deben seguir procesos estables pero aún requieren un juicio limitado de la IA.
Recuperación de conocimiento con conciencia de la estructura del documento
Los sistemas de recuperación tradicionales suelen dividir los documentos en pequeños fragmentos de texto y buscarlos directamente. Este método funciona, pero puede perder la información estructural del documento original.
StaffDeck construye índices navegables en múltiples niveles, como documentos, secciones, páginas y resúmenes.
El empleado digital puede primero estimar dónde podría aparecer la información relevante y luego localizar el texto original con mayor precisión.
La plataforma también admite:
- Cubos de conocimiento independientes
- Recuperación precisa
- Citación de fuentes
- Depuración de recuperación
- Acceso con conciencia de permisos
Esto permite a los equipos comprender más claramente por qué el empleado digital seleccionó una fuente particular.
Ejecución autónoma y mejora continua
StaffDeck puede ejecutar trabajos a través de interfaces HTTP, herramientas del protocolo de contexto del modelo y tareas programadas.
El proceso de ejecución no es una caja negra oculta. La plataforma registra eventos intermedios como identificación de intenciones, recuperación, selección de habilidades, uso de herramientas, revisión y generación de respuestas.
Luego, se puede utilizar la memoria a largo plazo, los comentarios de los usuarios, los registros de conversación y el análisis de retroalimentación para mejorar las capacidades del empleado digital.
Los usuarios humanos también pueden intervenir cuando sea necesario, cancelar ejecuciones, continuar tareas en cola o asumir tareas.
Cómo StaffDeck retiene el conocimiento más allá de una sola conversación
La diferencia más importante entre una plataforma de empleados digitales y un chatbot estándar es la persistencia.
En los productos de chat convencionales, la mayor parte del contexto útil pertenece a una sola conversación. Una vez que esa sesión termina, el conocimiento relevante puede no convertirse en un activo organizacional gestionado.
StaffDeck separa las capacidades reutilizables del contexto de conversación temporal.
El empleado digital puede retener y reutilizar:
- Bases de conocimiento aprobadas
- Definiciones de procesos
- Habilidades
- Herramientas conectadas
- Reglas específicas del puesto
- Memoria a largo plazo
- Registros de retroalimentación
- Rastros de ejecución
- Tareas programadas
Esto no significa que cada conversación deba convertirse automáticamente en memoria permanente. Los sistemas empresariales aún deben seguir reglas de permisos, protección de privacidad, procesos de revisión y políticas de retención claras.
El punto clave es que el conocimiento puede transformarse conscientemente en un recurso controlable, en lugar de quedar atrapado en los registros de chat personales de los empleados.
Flujo de trabajo central
El flujo de trabajo oficial de StaffDeck se puede resumir en seis etapas.
1. Crear un empleado digital
Definir el puesto, los límites del rol, el estilo de servicio, el creador y el ámbito de acceso.
Una definición clara del rol ayuda a evitar que el empleado digital actúe más allá de sus responsabilidades previstas.
2. Configurar capacidades
Asociar bases de conocimiento, habilidades generales, procedimientos operativos estándar y herramientas.
Los equipos pueden copiar recursos del mercado o crear los suyos propios sin modificar las plantillas compartidas originales.
3. Iniciar una sesión
Abrir un empleado digital desde el mercado o la lista de empleados y enviar la primera solicitud.
Después de enviar el primer mensaje, la sesión formal se guarda de forma persistente.
4. Ejecutar y observar
Seguir el registro de ejecución mientras el empleado digital trabaja.
La interfaz puede mostrar eventos relacionados con la intención, la recuperación, las habilidades, las herramientas, la revisión y la respuesta final.
5. Intervenir cuando sea necesario
Los usuarios pueden gestionar solicitudes en cola, cancelar ejecuciones, transferir tareas a procesamiento manual o manejar respuestas pendientes.
Para tareas inciertas, sensibles o de alto impacto, la intervención humana sigue siendo importante.
6. Mejorar continuamente el rendimiento del empleado
Utilizar memoria, retroalimentación, registros de conversación y tareas programadas para optimizar el rendimiento del empleado digital.
Cuando el equipo revisa casos fallidos y actualiza el conocimiento, las definiciones de procesos o las herramientas, el empleado digital se vuelve más valioso.
Inicio rápido con StaffDeck
El artículo fuente anunció el lanzamiento de código abierto, pero no incluyó instrucciones de instalación. Los siguientes comandos están tomados del repositorio oficial de StaffDeck para que los lectores puedan verificar y probar directamente la plataforma.
Requisitos del entorno
Prepare el siguiente entorno:
- macOS, Linux o WSL (para scripts de desarrollo)
- Python 3.11 o superior
- Node.js 20 o superior
- npm
- Interfaz de finalización de chat compatible con OpenAI
- Clave API válida para el servicio de modelo seleccionado
StaffDeck en sí no requiere CUDA. Las necesidades de hardware dependen de la interfaz del modelo que elija ejecutar o a la que acceda.
1. Clonar e instalar
git clone https://github.com/OpenBMB/StaffDeck.git
cd StaffDeck
python3 -m venv backend/.venv
backend/.venv/bin/python -m pip install -e "backend[dev]"
npm --prefix
enterprise ci
cp
```plaintext
backend/.env.example backend/.env
2. Configurar el modelo
Abra el archivo backend/.env, configure la clave secreta de la aplicación y la información del servicio de modelos:
APP_SECRET="replace-with-a-long-random-secret"
DEMO_MODEL_BASE_URL="https://your-openai-compatible-endpoint/v1"
DEMO_MODEL_NAME="your-model-name"
DEMO_MODEL_API_KEY="your-api-key"
La clave de API se usa para crear la configuración inicial del modelo y se cifra antes de almacenarla en la base de datos.
No envíe backend/.env a repositorios públicos.
Después de iniciar el servicio, también puede gestionar los proveedores de modelos desde la siguiente ruta:
Administración → Configuración de modelos
3. Iniciar la demostración web
DETACH=1 scripts/dev_up.sh
Este script compila el frontend y, a través del proceso FastAPI en el puerto 5173, proporciona la interfaz, la API y la documentación Swagger.
Las credenciales iniciales del administrador son:
Nombre de usuario: admin
Contraseña: admin
Después del primer inicio de sesión, cambie inmediatamente la contraseña predeterminada.
4. Verificar la instalación
Ejecute la comprobación de estado:
curl http://127.0.0.1:5173/api/health
Respuesta esperada:
{"status":"ok"}
Luego, abra:
http://127.0.0.1:5173/workspace/gallery
Seleccione un empleado digital y envíe un mensaje. La respuesta y el registro de ejecución deberían mostrarse en la misma ronda de conversación.
Comandos comunes
scripts/dev_status.sh # Ver estado del servicio
scripts/dev_down.sh # Detener servicios locales
scripts/dev_up.sh # Ejecutar en primer plano
Descarga de la versión de escritorio
Los usuarios que no deseen implementar desde el código fuente pueden usar la versión de escritorio publicada oficialmente por el equipo de StaffDeck.
| Plataforma | Arquitectura | Paquete oficial |
|---|---|---|
| macOS | Apple Silicon, arm64 | Descargar.dmg |
| Windows | x64 | Descargar instalador.exe |
| Linux | x86_64, Debian o Ubuntu | Descargar.deb |
Dado que el proyecto aún se encuentra en una fase temprana de pruebas, los equipos deben probar cada versión en un entorno controlado antes de usarla para tareas importantes de producción.
Estructura del proyecto
El repositorio oficial divide la aplicación en componentes de backend, frontend, documentación, scripts y empaquetado.
StaffDeck/
├── backend/ # API FastAPI, runtime de Agentes, almacenamiento y workers de tareas
├── frontend-enterprise/ # Interfaz de StaffDeck en React/TypeScript
├── docs/ # Tutoriales, API, definiciones de esquemas y flujos de ejemplo
├── scripts/ # Gestión del ciclo de vida del servicio y scripts de validación
├── packaging/ # Recursos de empaquetado para macOS, Linux y Windows
├── README.md
├── README.zh.md # Documentación en chino simplificado
El backend se basa principalmente en Python, mientras que el frontend empresarial usa React y TypeScript.
Casos de uso empresarial
StaffDeck puede servir como base para diversos roles digitales internos.
Asistente interno de conocimiento
Los empleados digitales pueden recuperar documentos aprobados de la empresa, citar fuentes y ayudar a los empleados a buscar información sobre procesos o políticas.
Asistente de ejecución de SOP
Los equipos pueden convertir procesos repetitivos en flujos estructurados y hacer que los empleados digitales guíen o ejecuten cada fase.
Coordinador de operaciones
Mediante tareas programadas y API conectadas, los empleados digitales pueden monitorear trabajos rutinarios y desencadenar acciones autorizadas.
Soporte al cliente
Los empleados digitales pueden integrar conocimiento de productos, reglas de servicio y procesos de escalado, mientras conservan registros de ejecución para revisión.
Asistente de investigación o análisis
El sistema puede integrar materiales, seguir procesos de investigación establecidos y conservar los pasos utilizados para generar respuestas.
Retención de conocimiento de expertos
Los empleados experimentados pueden convertir criterios de juicio, guías de revisión y métodos de trabajo utilizados repetidamente en capacidades digitales reutilizables antes de cambiar de rol o abandonar la organización.
Riesgos y limitaciones
El código abierto no significa que los sistemas de IA estén automáticamente listos para su implementación empresarial sin restricciones.
El repositorio de StaffDeck enumera varias limitaciones importantes:
- Las respuestas del modelo pueden ser incorrectas, incompletas o inconsistentes.
- Los registros de ejecución mejoran la auditabilidad, pero no garantizan la corrección.
- La calidad de la recuperación depende de la calidad de los documentos, el análisis, la indexación, los permisos y la capacidad del modelo.
- Las herramientas externas pueden producir efectos secundarios reales.
- Las tareas programadas requieren workers en ejecución continua y una configuración correcta de la zona horaria.
- Las operaciones de alto riesgo deben usar credenciales con permisos mínimos y requerir aprobación humana.
- Esta plataforma no reemplaza la revisión profesional calificada en áreas reguladas.
- Las decisiones importantes requieren autorización, protección de la privacidad y supervisión humana.
Las organizaciones deben comenzar con flujos de trabajo de bajo riesgo, limitar los permisos de las herramientas y revisar los resultados antes de ampliar las responsabilidades del sistema.
Licencia de código abierto
StaffDeck se publica bajo la Licencia Pública General Affero de GNU v3.0 (comúnmente conocida como AGPL-3.0).
Los equipos que planeen modificar la plataforma o proporcionar servicios a través de la red deben leer atentamente la licencia. AGPL-3.0 puede generar obligaciones de divulgación del código fuente para versiones modificadas proporcionadas a los usuarios a través de servicios de red.
Para decisiones comerciales o legales, las organizaciones deben consultar el texto completo de la licencia y, si es necesario, obtener asesoramiento profesional.
Preguntas frecuentes
¿Qué es StaffDeck?
StaffDeck es una plataforma empresarial de código abierto para construir y gestionar empleados digitales. Integra definición de roles, bases de conocimiento, SOP, herramientas, permisos, memoria y registros de ejecución en un solo sistema.
¿En qué se diferencia StaffDeck de un chatbot?
Los chatbots manejan principalmente conversaciones. StaffDeck, en cambio, está diseñado para soportar roles persistentes, conocimiento regulado, flujos estructurados,
Herramientas de interconexión, programación de tareas, registros de auditoría y mejora continua.
¿Puede StaffDeck ejecutarse sin una GPU local?
Sí. La aplicación se conecta a un punto final de modelo compatible con OpenAI, por lo que StaffDeck no requiere una GPU local. Los requisitos de hardware dependen de si el servicio de modelo seleccionado se despliega localmente o se aloja de forma remota.
¿Qué proveedores de modelos puede utilizar StaffDeck?
La plataforma requiere un punto final de finalización de chat compatible con OpenAI. La compatibilidad depende de si el proveedor implementa el comportamiento necesario de la API y si el modelo seleccionado funciona correctamente con el flujo de trabajo de StaffDeck.
¿Puede StaffDeck desplegarse en Windows?
El proyecto oficial proporciona un instalador de escritorio para Windows x64. Para flujos de trabajo de desarrollo basados en código fuente, el repositorio admite macOS, Linux o el subsistema de Windows para Linux como entornos de ejecución.
¿Por qué los usuarios normales pueden usar recursos del mercado pero no editarlos?
Los recursos del mercado son plantillas compartidas protegidas por los permisos del creador y del administrador. Los usuarios normales pueden copiar o vincular recursos autorizados a sus empleados digitales, pero no pueden modificar los recursos originales.
¿Está StaffDeck listo para su uso en producción?
El proyecto es de código abierto e incluye funciones orientadas a empresas, pero la versión actual aún se encuentra en una fase temprana de pruebas. Las organizaciones deben realizar pruebas de seguridad, privacidad, fiabilidad y flujo de trabajo antes de implementarlo en un entorno de producción.
¿Qué licencia utiliza StaffDeck?
StaffDeck utiliza la licencia AGPL-3.0. Las organizaciones que modifiquen este software o lo ejecuten a través de un servicio de red deben revisar los términos de la licencia y las obligaciones de código fuente correspondientes.
Herramientas relacionadas
- StaffDeck: Sitio web oficial de la plataforma de empleados digitales empresariales.
- OpenBMB: Ecosistema de modelos grandes de código abierto que incubó StaffDeck.
- FastAPI: Framework web de Python utilizado para proporcionar la API y el backend de la aplicación de StaffDeck.
- React: Biblioteca frontend utilizada en el espacio de trabajo empresarial de StaffDeck.
- Protocolo de contexto de modelo: Protocolo que StaffDeck puede utilizar para conectar empleados digitales con herramientas externas.
- GitHub: Plataforma que aloja el código fuente, problemas, versiones publicadas y el historial del proyecto de StaffDeck.
Enlaces relacionados
- Repositorio de GitHub de StaffDeck: Repositorio oficial de código fuente y referencia técnica principal.
- Sitio web oficial de StaffDeck: Portal oficial del producto y documentación.
- Versiones publicadas de StaffDeck: Versiones beta oficiales y paquetes de instalación de escritorio.
- Documentación en inglés de StaffDeck: Información oficial sobre funciones, pasos de despliegue, flujo de trabajo, riesgos y licencias.
- Documentación en chino de StaffDeck: Documentación en chino simplificado mantenida en el repositorio del proyecto.
- Soporte de problemas de StaffDeck: Canal oficial para informes de errores reproducibles y sugerencias de funciones.
- Organización OpenBMB en GitHub: Otros modelos, sistemas y proyectos de código abierto mantenidos por OpenBMB.
Resumen
StaffDeck representa un cambio de los chatbots empresariales temporales a empleados digitales continuos. Su objetivo es transformar el conocimiento experto, los procedimientos operativos estándar, las reglas de decisión, las herramientas y la retroalimentación en capacidades gobernables y reutilizables en toda la organización.
La plataforma integra gestión de roles, flujos de trabajo de máquinas de estado, recuperación consciente de la estructura, invocación de herramientas de API y MCP, tareas programadas, memoria a largo plazo, intervención humana y registros detallados de ejecución. Su código fuente, paquetes de instalación de escritorio e instrucciones de despliegue están disponibles públicamente.
El proyecto aún se encuentra en una fase temprana de pruebas, por lo que las empresas deben comenzar con escenarios de bajo riesgo controlables y aplicar estrictamente políticas de permisos, privacidad y revisión humana.
La idea central de StaffDeck es directa: cuando el conocimiento y los procesos pertenecen a la organización y no desaparecen al final de una conversación, el valor de la IA empresarial aumenta significativamente.