La IA no es un adorno. Es una herramienta con propósito.
Buena parte de la IA que vemos entrar a los negocios hoy es adorno. Un widget de chat en la esquina, una etiqueta de "inteligente" en una función que en realidad no hace nada distinto. Parece progreso. Casi nunca cambia cómo opera el negocio.
Normalmente lo notamos en los primeros cinco minutos de una llamada. Alguien describe la nueva función de IA con detalle, y después preguntamos qué reemplazó, y hay un silencio. El adorno se describe por cómo se ve. Las herramientas reales se describen por lo que antes era más lento.
La pregunta que nadie hace primero
Antes de construir un agente, preguntamos qué decisión o tarea está reemplazando, y quién hacía ese trabajo antes. Si no hay una respuesta clara, todavía no lo construimos. Un agente de IA sin un trabajo definido solo agrega algo más que mantener, no algo que ayude.
Los agentes que sí funcionan son deliberadamente acotados. Uno lee mensajes entrantes y los etiqueta por intención. Otro compara una hoja de cálculo contra un CRM y marca lo que no coincide. Ninguno intenta ser un asistente general para todo, porque eso no era lo que el negocio necesitaba.
Nada de eso suena impresionante en una junta de ventas. Esa es también la razón completa por la que esos agentes siguen funcionando un año después, sin ruido, mientras los impresionantes se apagan en silencio.
Dónde se falla
Hemos visto empresas pegar IA a un proceso que ya estaba roto, esperando que la IA absorbiera el desorden. No pasa. Solo responde más rápido a un mal proceso, o da respuestas seguras basadas en los mismos datos desorganizados que ya causaban problemas.
La confianza es la parte peligrosa. Un proceso lento y roto al menos se anuncia solo, la gente se queja. Un proceso rápido y roto envuelto en IA suena como si supiera lo que hace hasta que deja de saberlo, y para entonces ya respondió mil veces.
¿Qué decide si vale la pena construir un agente?
No es qué tan impresionante se ve la demo. Es si el trabajo pasa cuatro filtros antes de que se construya una sola línea:
- Alguien hoy hace este trabajo lo suficientemente bien como para explicar exactamente cómo
- El trabajo se repite lo suficiente como para importar, no solo una vez al trimestre
- Una respuesta equivocada sería fácil de detectar, no quedaría enterrada hasta que un cliente se queje
- El equipo está de acuerdo en cómo se ve "bien hecho" para esta tarea
Si un trabajo falla en más de uno de esos puntos, el agente no está listo, la definición es la que falta. Construir encima de ese vacío no lo cierra, solo lo esconde detrás de una respuesta más rápida.
Una vez un equipo nos pidió construir un agente que manejara "preguntas de clientes." Eso no es un trabajo, es un departamento. Cuando lo desglosamos, el trabajo real cabía en tres frases: marcar solicitudes de reembolso que mencionan una palabra específica y enviarlas a una sola persona.
Esa es la diferencia entre un agente y un adorno. Uno reemplaza un trabajo que ya estaba escrito. El otro solo lleva puesto el nombre del trabajo, y nadie lo nota hasta que alguien pregunta qué reemplazó de verdad.
¿Qué realmente cambia cuando el trabajo está definido primero?
No es que el agente se vuelva más inteligente. Es que deja de adivinar un trabajo que nadie describió.
Un agente construido sobre un trabajo definido tiende a ser aburrido de la mejor forma: hace lo mismo, algo acotado, correctamente, miles de veces, y nadie tiene que revisar su trabajo a mano.
El agente de admisión de un cliente hace exactamente una cosa: lee un formulario y marca urgencia. No es impresionante en una demo. Le ha ahorrado a alguien cuarenta minutos al día durante más de un año, y nadie ha tenido que reescribirlo ni una vez desde que se lanzó.
Un agente está haciendo un trabajo real, no de adorno, cuando:
- Tiene un nombre que describe la tarea exacta, no todo el departamento
- Alguien podría apagarlo y sentir de inmediato el vacío que deja
- Sus errores son específicos y rastreables, no vagos y ocasionales
- Nadie tuvo que bajar sus expectativas para llamarlo un éxito
Nada de eso requiere IA más avanzada. Requiere un trabajo que valiera la pena automatizar desde el principio, uno que ya tuviera un responsable claro antes de que un solo modelo lo tocara.
Preguntas frecuentes
¿Cómo sabemos si una tarea es un buen candidato para un agente de IA?
Revisa si alguien ya puede explicar cómo hacerla bien en unas pocas frases. Si la explicación toma una hora y todavía tiene excepciones en las que nadie se pone de acuerdo, la tarea necesita definición antes que IA. Esa prueba rápida dice más que cualquier demo.
Ya construimos un agente y no nos está ahorrando tiempo. ¿Qué pasó?
La mayoría de las veces el agente está haciendo exactamente lo que se construyó para hacer, el trabajo en sí nunca fue lo suficientemente acotado desde el principio. Regresa a lo que se suponía que iba a reemplazar y revisa si eso alguna vez quedó escrito con claridad. Normalmente la respuesta es no, y ese es el arreglo real.
¿No es más útil un asistente general que puede hacer todo, en vez de varios agentes acotados?
Es más impresionante en una demo y más difícil de confiar en la práctica. Un agente acotado falla de formas que puedes predecir. Uno general falla de formas que te enteras por un cliente, normalmente el que más querías impresionar.
¿Cuál es la diferencia entre un agente de IA y la automatización?
La automatización sigue los mismos pasos fijos cada vez, sin criterio de por medio. Un agente de IA toma decisiones de criterio dentro de una tarea definida, usando patrones que aprendió en vez de una regla fija. Ambos necesitan que el trabajo de base esté definido primero, o ninguno de los dos funciona, solo fallan de formas distintas.
Usada con un objetivo claro, la IA ahorra horas reales y detecta errores reales. Usada como una función para anunciar, cuesta dinero y no cambia nada. La diferencia no es la tecnología. Es si alguien se detuvo a definir el trabajo.
Eso es lo primero que hacemos en Linaria antes de construir cualquier agente: sentarnos a definir el trabajo exacto que va a reemplazar. Si todavía no tienes esa respuesta clara, hablemos.