Productividad con agentes IA: el coste de la supervisión

La productividad con agentes IA debe medirse por el trabajo útil que una empresa termina con calidad y control, incluyendo el tiempo de supervisión. Un agente puede preparar cien propuestas y empeorar el proceso si una persona debe revisar cien documentos completos antes de decidir. La unidad de mejora es la tarea aceptada, con sus costes y consecuencias, no el número de respuestas generadas.

Para una empresa de Madrid que quiere automatizar operaciones, esta distinción cambia el proyecto: antes de multiplicar agentes hay que definir quién decide, qué evidencia recibe y cuánto tarda en resolver una excepción. Esta guía propone un método de medición y un ejemplo económico hipotético; no presenta resultados de clientes de Niter Agency.

Qué aporta el estudio de Anthropic de octubre de 2026

El 16 de octubre, Anthropic publicó How employment is changing at Anthropic. Combina registros internos de empleo, actividad y producción con encuestas y 17 entrevistas. Describe aumentos de producción asociados a la adopción de agentes y una creciente demanda de atención humana.

Un dato requiere especial cuidado: alrededor del 80 % del tiempo de las sesiones interactivas se dedica a esperar intervención humana. La medida resta el trabajo activo del agente al tiempo total de la sesión. No significa que un empleado pierda el 80 % de su jornada, ni que todo ese tiempo de espera sea desperdicio.

Es una observación dentro de una empresa que desarrolla IA, con herramientas, perfiles e incentivos propios. No es una estimación representativa de las pymes españolas ni un experimento que permita trasladar sus ganancias a cualquier negocio. Su aportación práctica es una pregunta: ¿estamos creando más trabajo útil o una cola de decisiones para personas que ya están ocupadas?

Rapidez percibida y valor entregado son medidas diferentes

La encuesta de METR publicada en mayo de 2026 estudia a 349 trabajadores técnicos y distingue rapidez de valor producido. Sus estimaciones son autodeclaradas; el propio equipo explica sus limitaciones. No deben convertirse en una promesa de ahorro para otro sector.

Para nuestro análisis, la consecuencia es medir el proceso propio. Preparar un informe más deprisa no aumenta su valor si nadie lo necesita. Tampoco equivale a liberar capacidad cuando el ahorro en redacción reaparece como revisión, corrección o reuniones. Conviene registrar ambas cosas: tiempo y resultado aceptado por quien lo utiliza.

El cuello de botella humano: cómo reconocerlo

La supervisión humana es la intervención de una persona para validar información, autorizar acciones o resolver situaciones que quedan fuera de las reglas del sistema. Puede mejorar la calidad, pero necesita capacidad y un diseño explícito. Añadir un botón de aprobación al final de un flujo no resuelve por sí solo esa organización.

En una cola de trabajo hay tres tiempos distintos: ejecución automática, intervención humana y espera hasta la decisión. Solo el segundo consume necesariamente dedicación del revisor; los tres pueden afectar al plazo que recibe el cliente. Por eso el tiempo transcurrido y las horas de trabajo deben registrarse por separado.

Estas señales justifican revisar el diseño antes de ampliar volumen:

• Los borradores se acumulan más deprisa de lo que se aprueban.
• El revisor abre varias aplicaciones para reconstruir el contexto de cada solicitud.
• Las mismas dudas vuelven una y otra vez porque no existe una regla operativa.
• Las notificaciones urgentes mezclan errores importantes con consultas rutinarias.
• El equipo acepta recomendaciones sin contrastarlas para vaciar la bandeja.

La respuesta puede ser reducir salidas, agrupar decisiones o acotar permisos. Un resumen diario de excepciones puede resultar más útil que cincuenta mensajes individuales. El criterio es si la persona conserva información suficiente para detectar el error relevante, no si el panel parece más limpio.

Qué medir antes de comprar más agentes

Proponemos una ficha por proceso con una definición estable de tarea terminada. En una solicitud comercial podría ser una ficha validada y asignada al responsable correcto; un borrador sin revisar seguiría siendo trabajo pendiente. En documentación, una respuesta aceptada debe incluir las fuentes que exige el caso de uso.

Cinco indicadores que permiten decidir

1. Tareas aceptadas por hora humana: resultados útiles divididos entre el tiempo de preparación, revisión, corrección y gestión de incidencias.
2. Coste por tarea aceptada: coste total del periodo dividido entre resultados aceptados, incluyendo los intentos fallidos que consumieron recursos.
3. Aceptación sin retrabajo: proporción que supera la revisión inicial con los criterios acordados. Registrar aparte errores graves y leves.
4. Espera de aprobación: mediana y un percentil alto, como el 90, desde que se solicita la decisión hasta que se resuelve.
5. Excepciones abiertas y antigüedad: cuántas tareas no se han podido cerrar y cuánto llevan pendientes.

No conviene resumir todo en una única puntuación. Un coste menor puede acompañarse de más errores; una revisión rápida puede ocultar aprobaciones automáticas de hecho. Registra también la cantidad de tareas y su dificultad: comparar una semana de casos sencillos con otra de incidencias complejas distorsiona la conclusión.

La línea base debe usar las mismas definiciones antes y después. Conserva una muestra de casos habituales, ambiguos y fuera de alcance; documenta las exclusiones. Los registros han de permitir reconstruir decisiones sin copiar datos personales innecesarios a cada herramienta de observación.

Ejemplo de costes: clasificación de solicitudes comerciales

Supongamos un proceso hipotético de 1.000 solicitudes mensuales. Resolverlas manualmente requiere cuatro minutos por solicitud: 66,7 horas. Con un coste interno supuesto de 30 euros por hora, la dedicación equivale a unos 2.000 euros. No es una tarifa de mercado ni un presupuesto de Niter Agency.

En el escenario automatizado, asumimos lo siguiente:

• Revisar cada solicitud lleva un minuto: 16,7 horas, aproximadamente 500 euros.
• Un 10 % necesita cinco minutos adicionales de corrección: 8,3 horas y 250 euros.
• Licencias, consumo de modelos e infraestructura suman 150 euros al mes.
• Mantenimiento y seguimiento requieren cuatro horas: 120 euros con el mismo coste horario.

El coste recurrente del ejemplo es de unos 1.020 euros. La diferencia frente a la línea base ronda los 980 euros mensuales, antes de implantación, formación y otros costes que no se hayan incluido. Si implantarlo costara 3.000 euros, una recuperación simple sería de unos 3,1 meses, únicamente si esas condiciones se mantuvieran.

El cálculo cambia con la revisión: si cada solicitud exige tres minutos en lugar de uno, el coste recurrente sube a unos 2.020 euros y desaparece el ahorro del ejemplo. La calidad del diseño de supervisión pesa más que una pequeña rebaja en el precio del modelo.

Además, liberar horas no equivale automáticamente a ahorrar dinero en caja. Puede permitir atender más solicitudes, reducir retrasos o mejorar atención, pero ese beneficio debe materializarse y medirse. Y la división económica solo es comparable si se mantiene el nivel de servicio y se aceptan las mismas 1.000 tareas; las no resueltas deben seguir contando como pendientes.

Diseñar una supervisión que permita trabajar

Clasificar acciones por impacto

Una propuesta de separación consiste en permitir lecturas y borradores dentro de un alcance acordado, enviar a revisión las modificaciones relevantes y exigir autorización explícita para compromisos externos sensibles. La clasificación depende del proceso: cambiar un dato de contacto y cambiar una cuenta de cobro requieren controles diferentes.

La documentación de n8n sobre revisión humana de herramientas describe cómo pausar la ejecución de herramientas seleccionadas y mostrar la acción y sus parámetros para aprobarla o rechazarla. Es un mecanismo de control; no certifica la calidad del contenido ni sustituye la política de permisos de la empresa.

Entregar una decisión preparada

La solicitud de revisión debería incluir el objetivo, el registro afectado, la propuesta de cambio, las fuentes, las dudas y el efecto de aprobar o rechazar. Cuando sea posible, muestra la diferencia respecto al estado anterior. El revisor necesita comprobar una acción concreta, no interpretar una explicación extensa del agente.

Por ejemplo, para actualizar una oportunidad comercial: empresa identificada, campo anterior, campo propuesto, fragmento que lo respalda y enlace al registro. Si la evidencia no permite distinguir dos empresas con nombres similares, el flujo debe dejar el caso sin resolver y pedir la información necesaria.

Resolver ausencias, rechazos y reintentos

Define responsable principal, sustituto, plazo y destino de los casos bloqueados. La falta de respuesta no debería convertirse por defecto en permiso para una acción sensible. Tras un rechazo, el sistema debe conservar el motivo y evitar repetir la misma propuesta sin nueva información.

También hay que impedir duplicados: una ejecución repetida tras un fallo no debe enviar dos correos ni crear dos registros por accidente. Añade identificadores de operación, comprobaciones del estado actual y un registro de acciones. Los límites de volumen y gasto permiten detener un flujo antes de que una incidencia se multiplique.

Piloto propuesto: cuándo ampliar y cuándo parar

Un piloto útil parte de un único proceso, una persona responsable y criterios acordados antes de ver resultados. Empieza con permisos mínimos y un conjunto de tareas revisable. Para diseñar ese alcance puedes utilizar nuestra guía de automatización de procesos con inteligencia artificial.

Primero registra la línea base; después prueba sin ejecutar cambios externos; finalmente habilita las acciones acordadas con revisión. Mantén una comparación sobre tareas equivalentes y una lista de errores que obligan a detenerse. El tamaño y duración deben adaptarse al volumen y al impacto, no a una promesa universal de resultados en dos semanas.

Amplía cuando mejoren las tareas aceptadas por hora y el coste por tarea, con calidad y plazos dentro de lo pactado. Detén o reduce alcance si aparecen acciones sin autorización, pérdida de trazabilidad, errores relevantes o una cola de revisión que el equipo no puede atender. Si el proceso es estable y sus reglas bastan, una automatización determinista puede ser preferible a añadir razonamiento de un agente.

Preguntas frecuentes sobre productividad y supervisión de agentes IA

¿Más agentes significan más productividad?

Solo si aumentan los resultados útiles aceptados sin trasladar un coste excesivo a revisión, coordinación o incidencias. Añadir capacidad automática a un proceso bloqueado por aprobaciones puede aumentar el trabajo pendiente. Mide el sistema completo antes de multiplicarlo.

¿Hay que aprobar manualmente todas las acciones?

El alcance de supervisión debe ajustarse al impacto, los permisos y las pruebas del proceso. Las acciones sensibles pueden necesitar aprobación individual; otras pueden operar con reglas y controles posteriores. Esta guía propone criterios operativos, no determina obligaciones legales de un caso concreto.

¿Cómo calculo si compensa económicamente?

Compara coste total por tarea aceptada con una línea base equivalente. Incluye integración, formación, licencias, modelos, revisión, corrección y mantenimiento. Distingue capacidad liberada de ahorro en caja y calcula escenarios con más errores o mayor tiempo de revisión.

¿Qué debo pedir a una consultora antes de implantar agentes?

Un alcance concreto, muestra de evaluación, permisos, responsables, criterios de aceptación, costes recurrentes y plan de salida. Pide que explique cómo se gestionan errores, ausencias y duplicados, y quién mantiene el sistema cuando cambian tus herramientas.

Del experimento al proceso de empresa

Niter Agency trabaja desde Madrid en consultoría e implementación de inteligencia artificial para empresas. El siguiente paso es revisar un proceso concreto, sus herramientas y las personas que deberán operar el sistema. La propuesta debe permitir decidir con evidencia si conviene automatizar, incorporar un agente o simplificar el flujo existente.

Puedes consultar el servicio de integración de sistemas de información, conocer nuestra consultoría de inteligencia artificial o reservar una conversación sobre tu proceso. Llevar volumen aproximado, tiempo actual y dos o tres excepciones habituales ayudará a definir una evaluación útil.

Fuentes y alcance

• Anthropic: How employment is changing at Anthropic, 16 de octubre de 2026. Investigación interna; sus cifras no representan a otras empresas.
• METR: impacto autodeclarado de la IA en trabajadores técnicos, 11 de mayo de 2026. Encuesta con límites de selección y medición.
• n8n: Human-in-the-loop for tools. Referencia del mecanismo técnico de aprobación, consultada el 21 de octubre de 2026.

Los indicadores, el diseño de piloto y el ejemplo económico son propuestas de análisis de Niter Agency. No son resultados experimentales, tarifas ni garantías de rentabilidad.