Agentes de IA: el cuello de botella no es generar, es revisar

Le pediste a la IA que generara las descripciones de 300 productos de tu catálogo. Te las devolvió en cuatro minutos. Y ahí te trabaste. Porque ahora alguien tiene que leer las 300, y leer 300 descripciones lleva más tiempo que escribir 50 a mano. El cuello de botella cambió de lugar y nadie avisó.

Ese es el problema silencioso de los agentes de IA dentro de una empresa. La parte de producir salió barata. La parte de verificar sigue costando exactamente lo mismo que siempre costó: tu atención. Y la atención no escala con una suscripción mensual.

Vi a un desarrollador estadounidense, Daniel Vaughn, escribir sobre esto en el contexto de la programación. Su idea es que revisar código generado por IA es pésimo porque el formato del texto fue hecho para que los humanos escriban, no para que auditen en masa. La conclusión vale mucho más allá del código: cuando la máquina produce a escala, el formato de la entrega tiene que cambiar. Si no, tú te vuelves el embudo.

Lo que cambia cuando producir sale gratis

Antes, el costo estaba en la ejecución. Hacer el presupuesto, escribir el correo, armar la planilla, responderle al cliente. Contratabas gente para ejecutar y el control se hacía por muestreo, porque el volumen era humano.

Ahora la ejecución cuesta centavos. Un agente responde 400 correos mientras almuerzas. Solo que el control sigue siendo humano y el volumen ya no lo es.

El resultado práctico que veo en las empresas siempre es uno de estos tres:

• La persona revisa todo, se ahoga, y la ganancia de tiempo se evapora.
• La persona deja de revisar, y tres semanas después descubre que el agente venía prometiendo entrega en 24 horas para una ciudad donde el transportista tarda cinco días.
• La persona abandona la IA y vuelve al método antiguo, jurando que "no funciona".

Ninguno de los tres es culpa de la IA. Es culpa de haber automatizado la producción sin rediseñar la verificación.

Automatizar la ejecución sin rediseñar el control es cambiar un cuello de botella conocido por uno invisible.

Por qué revisar es más caro de lo que parece

Revisar no es leer. Revisar es leer, entender la intención, comparar con lo que debería ser, y decidir. Son cuatro operaciones mentales por ítem.

Una prueba que hago con clientes: cronometro la revisión de diez ítems generados por IA. Casi siempre da entre 40 segundos y 2 minutos por ítem, según la complejidad. Toma 2 minutos y multiplícalo por 300. Son diez horas. La generación tardó cuatro minutos.

Hay otro detalle cruel. El texto de IA da la impresión de estar bien. Es fluido, bien puntuado, seguro de sí mismo. Eso apaga tu radar. Cuando un pasante escribe algo raro, te das cuenta al instante. Cuando la IA escribe algo equivocado con total confianza, lo lees y estás de acuerdo. El error viene envuelto en competencia.

La salida no es revisar mejor, es revisar menos

El instinto de todo el mundo es intentar acelerar la revisión. Leer más rápido, contratar a alguien que ayude, hacer un muestreo del 10%. Eso es un parche.

Lo que funciona es cambiar lo que el agente entrega. En vez de pedir el producto final, pides el producto final más una estructura que permita verificar rápido. Tres cosas ayudan mucho:

1. Pide el resumen de la decisión, no solo el resultado. Si el agente clasificó 500 tickets, también debe devolver: "los agrupé en 6 categorías, 480 cayeron en 3 de ellas, y 20 quedaron dudosos, listados aquí". Tú revisas los 20. Los 480 los verificas por muestra. Tu atención va hacia lo incierto.

2. Haz que el agente marque su propia confianza. Pídele que separe lo que hizo con base sólida de lo que hizo adivinando. Los modelos actuales lo hacen razonablemente bien cuando se los pides de forma explícita. No es perfecto, pero convierte una pila uniforme en una pila con prioridad.

3. Pon la validación donde es barata. Si el agente genera precios, un script verifica si el valor está dentro de un rango antes de que lo vea cualquier humano. Si genera plazos de entrega, una regla lo contrasta con la tabla real del transportista. Una regla fija no se cansa, no se equivoca y corre en milisegundos. Deja el cerebro humano solo para lo que exige juicio de verdad.

Un caso concreto

Un cliente mío, una distribuidora, recibía unos 200 pedidos por día por WhatsApp en texto suelto. Cosas como "manda 3 cajas del 40 y 2 del 25, misma factura que la semana pasada". Dos personas pasaban toda la mañana convirtiendo eso en pedidos en el sistema.

La primera versión de la automatización fue tonta: el agente leía el mensaje y creaba el pedido. Funcionó en el 85% de los casos. Parece excelente. No lo es. El 15% de 200 son 30 pedidos equivocados por día entrando al sistema, y nadie sabía cuáles eran los 30. Las dos personas empezaron a verificar los 200 para encontrar los 30. Empeoró.

La segunda versión cambió la entrega. El agente pasó a devolver el pedido interpretado más un estado: verde cuando todos los códigos coincidían con el catálogo y el cliente tenía historial de ese ítem, amarillo cuando hubo interpretación, rojo cuando faltaba información. Los verdes entraban directo. Amarillo y rojo iban a una fila con el mensaje original al lado de la interpretación, lado a lado, para verificar en cinco segundos.

Quedó cerca del 70% verde. Las dos personas pasaron a mirar 60 pedidos en vez de 200, y a mirarlos de verdad, con contexto en la pantalla. Toda la mañana se convirtió en una hora. Lo que resolvió no fue un modelo mejor. Fue que el agente empezó a mostrar su propio razonamiento.

"¿Pero esto no es solo desconfiar de la IA?"

Es desconfiar del proceso, que es distinto. Tampoco dejas a un empleado nuevo, por bueno que sea, aprobando pagos solo en su primer mes. No es una ofensa personal, es diseño de proceso.

Y hay un punto de negocio que mucha gente pierde de vista. La responsabilidad sigue siendo tuya. Si el agente le prometió un plazo al cliente y no lo cumpliste, el cliente no va a aceptar "fue la IA". Si calculó un descuento equivocado en 200 ventas, la pérdida aparece en tu caja. La IA no tiene razón social. Tú sí.

Eso no es motivo para frenar. Es motivo para montarlo bien. Una automatización con un punto de verificación bien puesto es más rápida que una sin él, porque la versión sin verificación se rompe en algún momento y tienes que parar todo para investigar.

Cómo empezar sin convertirlo en un proyecto de seis meses

Toma un solo proceso. De preferencia uno que sea aburrido, repetitivo y de bajo riesgo. Nadie debería estrenar automatización en el cálculo de la nómina.

Después haz tres preguntas antes de escribir cualquier cosa:

• Cuando ese proceso sale mal hoy, ¿cómo se da cuenta alguien? Si la respuesta es "no se da cuenta", resuelve eso primero.
• ¿Cuál es el error más caro posible aquí, y se puede atrapar con una regla fija?
• ¿Cuánto del volumen es obviamente rutina, y cuánto exige juicio? Esa proporción es tu ganancia real.

Córrelo en paralelo con el método antiguo durante dos semanas. Compara. Casi siempre descubres que el agente acierta en un tipo de caso y falla sistemáticamente en otro, y ahí la decisión se vuelve fácil: automatizas el primero, dejas el segundo con personas.

La parte difícil de los agentes de IA nunca fue hacerlos funcionar. Fue lograr que tú puedas dormir después de encenderlos. Eso no viene del modelo, viene del diseño alrededor de él.

Si tienes un proceso que ya corre en automático pero nadie confía del todo en el resultado, o quieres montar uno sin caer en la trampa del cuello de botella de la revisión, escríbeme para conversar sobre tu caso. Normalmente puedo decirte en una conversación si vale la pena o no.

La IA escribió 300 descripciones de producto en 4 minutos. Y ahí la empresa se trabó.

Porque ahora alguien tiene que leer las 300. Y leer 300 lleva más tiempo que escribir 50 a mano.

El cuello de botella no desapareció, cambió de lugar. Producir salió barato. Verificar sigue costando tu atención, y la atención no escala con una suscripción mensual.

Un cliente mío recibía 200 pedidos por día en WhatsApp. La primera automatización acertaba el 85%, y nadie sabía cuáles eran el 15% equivocado. Empeoró. La segunda versión empezó a devolver el pedido con estado verde, amarillo y rojo. El verde entraba directo. Toda la mañana se convirtió en una hora.

Lo que resolvió no fue un modelo mejor. Fue que el agente mostrara su propio razonamiento.

Si tienes una automatización corriendo en la que nadie confía de verdad, escríbeme para conversar sobre tu caso.

#InteligenciaArtificial #AutomatizacionDeProcesos #Gestion #Tecnologia #Productividad