Cada semana entra en nuestra bandeja un pedido de un agente. Atención, ventas, RR.HH., legal. La pregunta casi siempre viene envuelta en urgencia — "el competidor ya tiene", "el directorio lo pidió", "el piloto de OpenAI pasó el comité". La respuesta honesta no siempre es sí. Y cuando es sí, rara vez es el agente que estaban pidiendo.
Un agente es una capa de ejecución. Toma un proceso, se conecta a sistemas, decide cosas pequeñas y actúa. Si el proceso debajo está torcido — ambiguo, mal documentado, con SLA inflado para encubrir capacidad — el agente va a amplificar el problema, no a resolverlo. Responderá rápido cosas equivocadas, escalará aún más temprano, y generará pasivo de gobernanza.
Este texto no está contra los agentes. Está contra los agentes mal colocados. Vamos por partes.
El síntoma y el diagnóstico
El síntoma suele ser operación cara que no escala. Atención con cola, flujo manual en planilla, equipo pequeño reaccionando a SLA. El CEO oye hablar de Agentforce, ChatGPT corporativo, copiloto. La solución parece obvia: pone un agente.
El diagnóstico real rara vez es "falta agente". Suele ser una combinación de:
- Proceso mal diseñado — pasos no escritos, excepciones no catalogadas, reglas que viven en la cabeza de las personas.
- Datos sucios o fragmentados — el agente necesita contexto, y el contexto está en silos que nadie integró. No confundir con perseguir limpieza absoluta antes de cualquier proyecto: lo que traba al agente es fragmentación y calidad insuficiente para el caso de uso, no la imperfección en sí.
- SLA mal calibrado — el equipo no tiene capacidad para atender en el plazo prometido. El agente se vuelve tampón y oculta el problema.
- Falta de feedback loop — nadie mide lo que el equipo hace hoy. ¿Cómo medir lo que el agente hará mañana?
Implantar un agente antes de cuidar esto equivale a poner piloto automático en un avión con mantenimiento atrasado.
Un buen agente amplifica un buen proceso. Un agente pegado a un proceso malo solo se vuelve ruido más rápido.
Cinco preguntas para validar
Antes de aprobar cualquier proyecto de agente, pasamos por cinco verificaciones. Si fallan tres o más, agente no es la próxima decisión.
- ¿El proceso está escrito? No basta con existir en la cabeza. Necesita estar en un flujo legible por humano no iniciado y por LLM.
- ¿Los datos que el agente va a consultar existen, son confiables y accesibles vía API? No hay magia — agente sin datos es palpito confiado. Cuando el conocimiento vive en documentos y no en sistemas, entrás en territorio RAG — y ahí la recuperación se vuelve el cuello de botella, no el LLM.
- ¿Hay KPI de operación actual? Tiempo medio, tasa de resolución, NPS, costo por contacto. Sin baseline, no se puede probar valor después — y la evaluación seria de un agente exige métricas propias más allá de las del canal.
- ¿Hay un humano dueño del proceso? No el "patrocinador ejecutivo" — el operador sénior que sabe dónde duele. Sin esa persona el proyecto se vuelve teatro.
- ¿El riesgo de que el agente se equivoque es tolerable? En atención humana, sí — con la frontera clara entre lo que automatizar y lo que no. En escalamiento legal, tal vez no. En decisión de crédito, ciertamente no sin gobernanza específica.
El camino del MVP en cuatro semanas
¿Pasó las cinco? Aquí está lo que entregamos. Cuatro semanas, costo controlado, KPI al final.
Semana 1 — Mapear. Nos sentamos con el operador sénior, modelamos el proceso, identificamos los 3–5 caminos más frecuentes (cubren ~80% de los casos), y los puntos donde la IA puede decidir versus dónde necesita escalar.
Semana 2 — Prototipar. Construimos un agente que cubre solo el camino más simple (1 de 5). Lo conectamos a los datos vía API, instrumentamos métricas, lo corremos con 10 casos reales offline.
Semana 3 — Validar. Soltamos el agente en producción con supervisión humana — toda respuesta es revisada antes de salir. Recopilamos tasa de acierto, tipos de error, casos escalados. Comparamos con el baseline de la operación.
Semana 4 — Decidir. Reunión de stop/go. Si el KPI cumplió (generalmente: 80%+ de acierto en el camino más simple, con tiempo medio <30% del actual), expandimos a los otros caminos. Si no cumplió, el problema rara vez es el agente — es una de las cinco preguntas del inicio.
Por qué IA sin gobernanza se vuelve pasivo
Última observación. Aun cuando el agente funciona, necesita gobernanza desde el día 1 — no como proyecto futuro. Logs de toda interacción, auditoría de decisiones, kill switch, definición clara de cuándo escalar a humano, política de privacidad aplicada antes del primer prompt, proceso de incidente.
Sin eso, lo que parecía ganancia de eficiencia se vuelve riesgo operacional silencioso. Las ganancias desaparecen en los primeros meses; el pasivo aparece en el primer incidente — generalmente público.
Buena IA empresarial es IA con auditoría incorporada. No es overhead — es lo que separa un proyecto que sobrevive a una nueva dirección de uno que se vuelve slide de "lecciones aprendidas".