Qué le dejarías hacer a un agente de IA sin mirar
Los agentes de IA ya pueden trabajar horas, casi jornadas, seguidas. La pregunta útil ya no es qué pueden hacer, sino qué les dejarías hacer sin mirar. Mi respuesta cabe en dos preguntas: cuánto cuesta deshacerlo y cuánto tardarías en enterarte.
Construyo agentes de IA para empresas. Quizá por eso delego en ellos mucho menos de lo que la gente imagina.
En lo personal, experimento con agentes en tareas pequeñas y de bajo riesgo. Todo lo demás lo hacemos con una supervisión humana fuerte, y hay cosas que no delego nunca: nada que dependa de comunicarme con otras personas y nada que toque cuentas de alto valor. No es desconfianza en la tecnología. Es saber exactamente dónde falla.
Esta semana tuve un buen ejemplo. Trabajé con un agente, sentado a su lado y aprobando cada paso, para ordenar mi canal de YouTube, revisar la indexación de mi web y crear mi ficha en Crunchbase. En una tarde avanzamos lo que a mí solo me habría llevado varios días.
Y se equivocó una vez. Al añadir uno de mis trabajos, lo enlazó a una empresa con el mismo nombre que no tenía nada que ver conmigo. Añadirlo fue un clic. Quitarlo, no: una vez publicado, Crunchbase ya no me dejaba borrarlo.
If you’d like to suggest the removal of this Job, please email support@crunchbase.com
Esa asimetría resume este artículo. Lo que un agente hace en un segundo puede tardar mucho más en deshacerse, y a veces no se deshace nunca.
La pregunta equivocada
Cuando se habla de agentes, casi siempre se pregunta qué pueden hacer. Y la respuesta cambia cada pocos meses.
METR, un laboratorio independiente que evalúa modelos, mide cuánto duran las tareas que un agente es capaz de completar, tomando como referencia lo que tarda una persona experta. En marzo de 2025 calculó que esa duración se duplicaba cada siete meses. Con sus datos más recientes, desde 2023 se duplica cada cuatro meses.
Su última medición es la de Claude Mythos Preview, el modelo que Anthropic presentó en abril de 2026 con acceso restringido por su capacidad para encontrar vulnerabilidades informáticas: más de 17 horas. En tres años se ha pasado de tareas de minutos a tareas de más de una jornada de trabajo. El propio METR advierte que, por encima de 16 horas, su medición todavía no es fiable.
Duración de las tareas que los mejores agentes completan la mitad de las veces
Tiempo que tardaría una persona experta, escala logarítmica. Un punto por modelo punta, en su fecha de lanzamiento
Ver los datos
| Modelo | Lanzamiento | Duración (50 %) |
|---|---|---|
| GPT-2 | feb 2019 | 3 s |
| GPT-3 | may 2020 | 9 s |
| GPT-3.5 | mar 2022 | 36 s |
| GPT-4 | mar 2023 | 4,0 min |
| GPT-4 Turbo | nov 2023 | 4,0 min |
| GPT-4o | may 2024 | 7,0 min |
| Claude 3.5 Sonnet | jun 2024 | 11 min |
| o1-preview | sep 2024 | 20 min |
| Claude 3.5 Sonnet (oct.) | oct 2024 | 21 min |
| o1 | dic 2024 | 39 min |
| Claude 3.7 Sonnet | feb 2025 | 1 h |
| o3 | abr 2025 | 2 h |
| GPT-5 | ago 2025 | 3 h 23 min |
| Gemini 3 Pro | nov 2025 | 3 h 44 min |
| Claude Opus 4.5 | nov 2025 | 4 h 53 min |
| GPT-5.2 | dic 2025 | 5 h 52 min |
| Claude Opus 4.6 | feb 2026 | 11 h 59 min |
| Claude Mythos Preview | abr 2026 | 17 h 25 min |
Pero hay un matiz que casi nunca se cuenta. Esa duración es la de las tareas que el agente completa la mitad de las veces. Es decir, capacidad no es fiabilidad. Un agente puede hacer algo muy difícil y fallar en algo muy tonto.
Anthropic lo comprobó dejando que un agente gestionara una pequeña tienda en sus oficinas, el experimento Project Vend. En la segunda fase, con mejores herramientas y hasta un agente «director» que lo supervisaba, la tienda dejó de perder dinero casi todas las semanas. Aun así, estuvo a punto de firmar un contrato ilegal y trató de contratar a un vigilante por debajo del salario mínimo sin tener autoridad para contratar a nadie. La conclusión de Anthropic: la distancia entre «capaz» y «completamente robusto» sigue siendo grande.
Por eso la pregunta útil no es qué puede hacer un agente. Es qué le dejarías hacer sin mirar.
Lo que se hace en un segundo y se deshace en un día
En julio de 2025, el agente de programación de Replit borró la base de datos de producción de SaaStr, la empresa de Jason Lemkin, durante un periodo en el que tenía prohibido tocar nada. Se perdieron los datos de más de 1.200 directivos y casi 1.200 empresas. Lemkin contó que se lo había dicho once veces, en mayúsculas.
Después, el agente aseguró que no era posible recuperar los datos. Tampoco era verdad: la recuperación funcionó.
Lo más interesante es cómo reaccionó Replit. No añadió más instrucciones. Cambió el sistema: separó automáticamente las bases de datos de desarrollo y de producción y creó un modo en el que el agente solo puede planificar, sin tocar nada real.
Esa es la primera lección. Los límites de un agente no se escriben en el prompt, se construyen en el sistema. Una instrucción es una petición. Un permiso que no existe es un límite. Los agentes siempre encendidos de este otoño, como Grok Bot y dots o Muse de Meta, ya lo aplican: hay acciones que no pueden hacer sin que la persona las apruebe o tome el control.
Dos preguntas antes de delegar
Cuando decido si un agente puede hacer algo solo, me hago dos preguntas.
¿Cuánto cuesta deshacerlo? Mover un archivo, reordenar una lista o escribir un borrador se deshace en segundos. Enviar un correo, publicar algo, pagar o borrar datos, no. Y hay irreversibles menos evidentes: todo lo que se dice a otra persona deja de ser tuyo en cuanto sale.
¿Cuánto tardaría en enterarme? Hay errores que se ven al momento y errores que pasan semanas sin que nadie los note. Un dato mal copiado en un informe que nadie revisa es más peligroso que un error visible.
Con esas dos preguntas, casi todas las tareas caen en uno de cuatro sitios:
Qué le dejo hacer a un agente
Esta semana trabajé exactamente así. El agente rellenaba formularios y yo revisaba cada paso. Las contraseñas y las verificaciones las hacía yo, y nada se guardaba ni se publicaba sin mi sí. Gracias a eso vi a tiempo otro error: al rellenar un cargo en un desplegable, el agente había elegido una opción equivocada. Lo corregimos antes de guardar, porque ese paso estaba a la vista.
La autonomía se gana como la confianza
A nadie que se incorpora a un equipo se le dan las llaves de todo el primer día. Primero observa. Después propone. Luego hace cosas que alguien revisa. Con el tiempo, hace y avisa. Y al final, en algunas cosas, decide solo.
Cómo crece la autonomía de un agente
- ObservaLee y resume. No toca nada.
- ProponeSugiere qué haría y por qué.
- Actúa con revisiónHace el trabajo; una persona lo aprueba antes de que tenga efecto.
- Actúa y avisaHace el trabajo y deja constancia de lo hecho.
- Decide soloSolo en tareas reversibles, acotadas y ya probadas.
Con un agente debería ser igual. La autonomía se amplía con pruebas sobre trabajo real, no con demostraciones. Una demo enseña el mejor caso. El trabajo real enseña todos los demás.
En Convexify lo aplicamos también a nuestros propios sistemas. Antes de cambiar el motor de un recomendador conversacional que ya está en producción, el cambio se documenta, se prueba en un entorno aparte con una batería de 1.600 conversaciones y solo después llega a los clientes reales. Es más lento que cambiarlo directamente, pero es la única forma de saber que funciona en lo que de verdad importa.
Saltarse ese proceso tiene un coste. Gartner prevé que más del 40 % de los proyectos de IA agéntica se cancelarán antes de que acabe 2027, por costes que se disparan, valor de negocio poco claro o controles de riesgo insuficientes. Y añade algo que pocos quieren oír: muchos de los casos que hoy se venden como agentes no necesitan un agente.
Se delega la tarea, no la responsabilidad
En 2024, el chatbot de Air Canada le dijo a un cliente que podía pedir una tarifa reducida por duelo después de viajar, algo que la política de la aerolínea no permitía. La compañía alegó ante el tribunal que el chatbot era responsable de sus propios actos. El tribunal no lo aceptó: lo que dice el chatbot lo dice la empresa.
Es la razón por la que no dejo que un agente hable por mí. Lo que se dice a otra persona es irreversible, compromete a quien lo firma y, además, es justo lo que no quiero automatizar: la relación con clientes, con el equipo o con cualquiera que confía en que al otro lado hay alguien. Se puede delegar la tarea, no la responsabilidad.
Empezar por lo que nunca haría
Cuando diseño un sistema con agentes, no empiezo por lo que el agente puede hacer. Empiezo por lo que no hará nunca.
Mi lista es clara: nada que dependa de la comunicación con otras personas, ninguna cuenta de alto valor, nada de mover dinero, nada de credenciales y nada de borrar lo que no se puede recuperar. Todo eso lo hace una persona.
Parece restrictivo, pero es lo contrario. Con lo esencial protegido, todo lo demás queda libre para experimentar sin miedo. Se arriesga en los bordes, donde un error es barato y enseña mucho, y nunca en el centro.
Es la misma lógica que uso fuera de la tecnología: mejor varias apuestas pequeñas y reversibles que una grande que no tiene vuelta atrás.
Lo que conviene recordar
Los agentes de IA son cada vez más capaces, y eso es una buena noticia. Pero la pregunta que decide si un agente te ayuda o te complica la vida no es qué puede hacer, sino qué le dejarías hacer sin mirar.
La respuesta sale de dos preguntas: cuánto cuesta deshacerlo y cuánto tardarías en enterarte. Lo reversible y visible se delega. Lo irreversible se prepara y se aprueba. Lo irreversible e invisible no se delega, y la comunicación con otras personas tampoco. La autonomía crece a medida que el agente demuestra, en trabajo real, que la merece.
El objetivo no es vigilar al agente para siempre. Es construir las condiciones para dejar de mirar donde no hace falta y poner la atención, que es lo más valioso que tenemos, donde sí importa.
El artículo en una imagen
Fuentes
- METR, Measuring AI Ability to Complete Long Tasks (19 mar 2025)
- METR, Time Horizon 1.1 (29 ene 2026)
- METR, Task-Completion Time Horizons of Frontier AI Models (datos actualizados en mayo de 2026)
- InfoQ, Anthropic Releases Claude Mythos Preview with Cybersecurity Capabilities but Withholds Public Access (13 abr 2026)
- Anthropic, Project Vend: phase two (18 dic 2025)
- The Register, Vibe coding service Replit deleted production database (21 jul 2025)
- Fortune, AI coding tool Replit wiped database, called it a catastrophic failure (23 jul 2025)
- Gartner, Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 jun 2025)
- American Bar Association, BC Tribunal Confirms Companies Remain Liable for Information Provided by AI Chatbot (feb 2024)