Volver al blog

Dónde fallan los agentes de IA en la práctica

Por Sebastián Domínguez ·

Revisión crítica de un proceso asistido por agentes de IA

Después de varios proyectos, los motivos por los que un agente no llega a producción se repiten. Ninguno tiene que ver con qué modelo se eligió.

1. El agente no tiene los datos

Se le pide que prepare un informe, pero la mitad de la información vive en una carpeta compartida a la que nadie quiere dar acceso. El resultado es un agente que redacta bien y se equivoca en los números. Antes de construir nada hay que resolver el acceso, con el alcance mínimo necesario.

2. Nadie definió el límite

Si no está escrito qué puede hacer el agente sin aprobación, pasan las dos cosas malas: o se le deja hacer demasiado y aparece un incidente, o no se le deja hacer nada y el ahorro nunca llega. El límite es una decisión de negocio, no técnica.

3. Se mide contra una sensación

“Parece más rápido” no sobrevive al primer recorte de presupuesto. Sin una línea base tomada antes de empezar —minutos por tarea, errores, retrabajo— no hay forma de defender el proyecto ni de saber si conviene seguir.

4. Se automatizó la excepción

Es tentador atacar el caso más difícil para demostrar potencia. Es el error clásico: el caso raro consume el presupuesto y aporta poco tiempo recuperado. Primero lo frecuente y aburrido; la excepción después, ya aislada.

5. Nadie se quedó a cargo

Un agente es software: los formatos cambian, las reglas cambian, los modelos cambian. Si al terminar el proyecto nadie de la casa sabe ajustarlo, se degrada solo. Por eso la última fase siempre es transferencia y formación, no una presentación de cierre.

Seguir leyendo

¿Qué rol le conviene aumentar primero?

En una primera videollamada de 30 minutos podemos identificar el rol con más horas recuperables en su empresa y decirle con franqueza si tiene sentido empezar por ahí.