Qué hace que un agente sea workforce (y no demo)
Un agente IA es "workforce" cuando cumple tres condiciones operativas: tiene dueño humano identificado (no "la dirección general"), tiene SLA medible (tiempo de respuesta, calidad esperada) y tiene métricas de coste por tarea registradas. Sin las tres, es un experimento — con las tres, es un empleado digital. La distinción no es académica: cambia cómo se presupuesta, cómo se mide y cómo se mantiene.
Los 4 roles que mejor funcionan en empresa
- Asistente de investigación. Búsquedas estructuradas, resúmenes ejecutivos, monitorización competitiva.
- Operador de procesos administrativos. Procesar facturas, contratos, formularios, validaciones.
- Asistente comercial junior (NO senior). Calificación inicial, agendar reuniones, follow-ups operativos.
- Agente de soporte L1. Resolución de tickets repetitivos con escalado a humano para L2/L3.
Cómo se asigna un human-in-the-loop
El human-in-the-loop no es "alguien revisando todo el trabajo del agente" — es alguien interviniendo en checkpoints concretos. La asignación correcta:
- Dueño operativo del agente. 1 persona, dedicada 5-20% de su tiempo según volumen del agente.
- Checkpoints automáticos. Decisiones de alto impacto que requieren confirmación humana antes de ejecutar.
- Revisión muestreada semanal. El dueño revisa 30-50 casos aleatorios y marca aciertos/errores.
- Iteración mensual. Reunión de 30 min con el partner técnico para ajustar prompts y configuración basada en los hallazgos.
Governance, escalado y QA
Sin gobernanza, el agente es deuda técnica disfrazada de productividad. Las 4 piezas obligatorias:
- Política de uso clara — qué puede hacer el agente, qué no, qué decisiones requieren humano.
- Logs auditables de cada decisión y cada acción con contexto.
- Mecanismo de rollback — cuando el resultado se desvía, el sistema vuelve al estado anterior.
- Revisión periódica con eval automatizada + revisión humana de muestra.
Coste real por tarea
El cálculo correcto incluye los cinco componentes — no solo "tokens del LLM":
- Coste de LLM (tokens) por ejecución.
- Coste de infraestructura (compute, storage, base vectorial) prorrateado.
- Coste de herramientas (CRM API, etc.).
- Coste de supervisión humana (% del tiempo del dueño operativo).
- Coste amortizado de setup (dividido por meses de vida útil esperada).
Cuándo NO merece la pena
- Volumen <50 ejecuciones/semana del agente — setup no se rentabiliza.
- Proceso a punto de ser eliminado o transformado.
- No hay dueño operativo disponible o asignado.
- Casos donde el coste de error supera mucho al ahorro esperado.
- Equipos sin disponibilidad de iteración mensual mínima.