Agentes de IA rápidos: la revisión humana es el cuello de botella

La máquina puede redactar la propuesta, clasificar la bandeja de entrada y producir una semana de informes antes de comer. Lo difícil quizá sea decidir cuáles de sus respuestas merecen una segunda mirada.

Un nuevo estudio sobre el trabajo dentro de Anthropic, publicado el 16 de octubre de 2026, da a ese problema conocido una forma muy concreta: a medida que se multiplicaban los agentes de IA de la empresa, los empleados dedicaban más de sus interacciones a organizarlos, instruirlos y supervisarlos.¹ El trabajo no desapareció sin más. Una parte subió un nivel.

Esta pregunta es más inmediata para una pequeña empresa, una ONG o un responsable de departamento que saber si la IA acabará sustituyendo una ocupación. ¿Cuánto trabajo valioso puede delegar un equipo con seguridad antes de que su limitada capacidad para comprobar, corregir y responder de los resultados se convierta en el freno? La respuesta determina no solo el retorno de una inversión en IA, sino también lo que los empleados tendrán que aprender después. Complementa nuestro marco anterior sobre qué tareas de los agentes cambian primero y los roles de supervisión que esos cambios crean.

Una proporción de seis a uno que necesita una advertencia

Los investigadores de economía de Anthropic examinaron registros internos de empleo, telemetría de agentes, medidas de producción, datos de calendario, encuestas y 17 entrevistas con empleados. En agosto de 2026, los agentes interactivos dirigidos por empleados de la empresa de IA registraron aproximadamente seis horas de tiempo de ejecución por cada hora trabajada estimada de sus operadores humanos.¹ Los investigadores definen el tiempo de ejecución del agente como inferencia y uso activo de herramientas, sin contar esperas de más de 30 minutos. El tiempo humano no se mide igual: se estima a partir del número de empleados, suponiendo semanas laborales de 40 horas. Son unidades que no se pueden intercambiar, y la proporción no mide el trabajo terminado de seis empleados.

El hallazgo más revelador del informe es lo que ocurrió alrededor de esa producción. En una muestra de 2.000 resúmenes breves de sesiones interactivas de Claude, la proporción clasificada como «metatrabajo» pasó del 10 % en otoño de 2025 al 22 % en primavera de 2026.¹ Esto incluía dar instrucciones a los agentes, supervisar flujos de procesamiento, organizar que un agente revise a otro y documentar procesos. Es una proporción de las interacciones de IA clasificadas, no la prueba de que los empleados dedicaran el 22 % de su jornada total a gestionar la IA.

Los investigadores también estimaron que las sesiones interactivas de agentes pasaban cerca del 80 % de su tiempo transcurrido esperando la intervención humana.¹ Esa estadística se refiere al tiempo de espera de las sesiones, no a que los empleados estuvieran inactivos el 80 % del día. La distinción importa. El problema operativo central no es que a la IA le falte velocidad: es que una persona todavía tiene que priorizar las interrupciones, aportar el contexto que falta y decidir cuándo un resultado es lo bastante bueno para usarlo.

Anthropic es un caso extremo, no un empleador representativo. Desarrolla la tecnología que se estudia, tiene equipos técnicos excepcionalmente sofisticados y un interés comercial en demostrar su utilidad. El informe es un estudio observacional interno, no una estimación aleatorizada de lo que ocurriría en una empresa típica. Sus medidas de producción también cambiaron durante un periodo de rápida expansión del negocio, y los autores señalan que los empleados que adoptan las herramientas pueden diferir de quienes no lo hacen. Estos límites no borran el patrón. Definen con cuánta cautela conviene generalizarlo.

El trabajo que nadie incluyó en el presupuesto de automatización

Pensemos en una organización comunitaria hipotética que usa un agente para preparar solicitudes de subvención a partir de notas del programa, registros financieros y requisitos de los financiadores. Redactar se vuelve más rápido. Pero alguien tiene que verificar la elegibilidad, cuadrar las cifras, proteger la información confidencial, confirmar que cada afirmación tiene respaldo y aprobar el envío final. Si el sistema produce diez borradores en lugar de dos, la cola de revisión puede crecer más rápido que la capacidad del equipo para vaciarla. La organización no ha automatizado la rendición de cuentas: ha cambiado el lugar donde reside.

La misma aritmética vale para un pequeño comercio cuyo agente responde a consultas de proveedores, o para un equipo financiero cuyo agente clasifica facturas. Hay diferencia entre revisar todos los resultados, muestrear los casos de bajo riesgo y exigir aprobación solo para las excepciones. Cada enfoque equilibra el tiempo con las consecuencias de un error. Una errata sin corregir en un resumen interno no equivale a un pago equivocado, una instrucción médica inexacta o una afirmación engañosa a un financiador. El diseño de la revisión debe reflejar esa diferencia.

Un estudio de septiembre de 2026 de la consultora BearingPoint ofrece un contrapeso útil a la idea de que tareas más rápidas significan automáticamente una organización más fuerte. En una encuesta en línea a 1.050 altos directivos de organizaciones públicas y privadas de Europa, Estados Unidos y China, el 74 % de las organizaciones que habían implantado IA declaró un impacto medible en ingresos o costes, pero solo el 13 % dijo haber escalado las iniciativas por completo según lo previsto. Más de una cuarta parte informó de mejoras de productividad sin efectos medibles en la cuenta de resultados.² Son autoinformes de directivos, no estimaciones causales auditadas, y la muestra no se centra en organizaciones pequeñas. Aun así, señalan una brecha entre la eficiencia local y el valor para la organización.

El paso que falta suele ser organizativo. Los borradores más rápidos aportan poco valor si las aprobaciones siguen siendo lentas. Una respuesta más rápida al cliente no es un mejor resultado si el cliente debe volver a contactar con la organización para corregirla. Un equipo puede ahorrar tiempo en una tarea y luego gastar la ganancia en comprobar, cuadrar o atender un mayor volumen de solicitudes. La medida útil es el resultado completado y correcto, no el número de mensajes que un agente puede generar.

Velocidad y calidad pueden moverse en direcciones opuestas

Investigaciones ajenas a Anthropic refuerzan la necesidad de distinguir entre tareas. En un documento de trabajo de julio de 2026, Sven Bottesch y sus colegas describieron un experimento aleatorizado «lab-in-the-field» con 128 trabajadores del conocimiento de una organización industrial multinacional. La asistencia de IA mejoró la eficiencia en las tres tareas probadas. La calidad mejoró en el empaquetado y la creación de conocimiento, pero empeoró en la adquisición de conocimiento.³ El estudio es pequeño, específico de tareas y un documento de trabajo, no una estimación universal del rendimiento de la IA. Su lección práctica es, sin embargo, clara: un flujo de trabajo puede volverse más rápido mientras un tipo concreto de error se hace más probable.

Un preprint distinto de junio de 2026, de Chen Zhu, Xiaolu Wang y Weilong Zhang, probó un flujo de investigación estructurado con intervención humana. En 280 ejecuciones de investigación experimentales con cuatro conjuntos de datos, los autores indican que los fallos críticos bajaron del 72 % en una línea base multiagente sin restricciones al 16 % cuando se impusieron operaciones de datos deterministas y puntos de decisión humanos explícitos.⁴ Esas cifras describen un banco de pruebas de investigación diseñado a propósito, no la tasa de error esperable en una oficina. Aun así, ilustran por qué la arquitectura de la revisión puede importar tanto como la sofisticación del modelo.

Hay la tentación de resolver un cuello de botella de revisión pidiendo a un segundo agente que inspeccione al primero. Eso puede ayudar a detectar incoherencias rutinarias, pero dos controles automáticos pueden compartir puntos ciegos. Si la fuente de origen es errónea, si una política es ambigua o si un modelo inventa con seguridad una cita, añadir otro modelo no establece por sí solo la verdad. Un revisor humano sigue necesitando acceso a las pruebas, un criterio de aprobación claro y tiempo suficiente para ejercer su juicio.

Una prueba práctica para un equipo sin departamento de IA

Antes de escalar un agente, los responsables pueden mapear un único flujo de trabajo desde la solicitud hasta el resultado final. Pueden marcar qué acciones son reversibles, cuáles crean compromisos externos, cuáles manejan datos sensibles y cuáles requieren juicio profesional o legal. Después, pueden dar a cada categoría una regla de revisión explícita. Un borrador interno de bajo riesgo puede muestrearse; un cambio de pago, una decisión de contratación o una afirmación factual pública pueden exigir un aprobador con nombre. Es un marco editorial de decisión, no una afirmación de que un nivel concreto de automatización sea seguro en todos los casos.

A continuación, conviene medir el ciclo completo durante unas semanas: tiempo hasta el primer resultado, tiempo dedicado a verificarlo, repeticiones de trabajo, frecuencia de excepciones, número de casos completados correctamente y si los clientes o beneficiarios reciben un mejor servicio. Hay que comparar esos resultados con el proceso previo a la IA e incluir el coste de formar a las personas que supervisan el sistema y de mantener las instrucciones de las que depende. Si el agente es rápido pero la decisión final sigue atascada en una cola, añadir más capacidad de generación difícilmente resolverá el cuello de botella.

Por último, hay que decidir quién aprende de las excepciones. La persona revisora que nota por qué una respuesta propuesta es insegura, incompleta o está mal planteada está construyendo criterio sobre el ámbito de trabajo. Esa experiencia puede convertirse en una lista de comprobación compartida, un proceso mejorado o mejor formación para los compañeros. Pero si el mismo experto rescata en silencio cada resultado fallido, la organización pasa a depender de un trabajo invisible. Una buena supervisión es una capacidad que hay que desarrollar y repartir, no un recurso ilimitado que consumir.

La consecuencia profesional es más sutil que un nuevo título de puesto

Supervisar agentes no es necesariamente una nueva ocupación. En muchos lugares de trabajo es un componente cambiante de puestos existentes: una persona de servicios sociales que comprueba la elegibilidad, un contable que investiga anomalías, un reclutador que cuestiona el resumen de una candidatura o un responsable que define qué es una buena respuesta. Anthropic señala que los empleados de algunas funciones se orientaron a especificar y coordinar el trabajo en lugar de ejecutar cada paso ellos mismos. También informa de una menor proporción de contrataciones técnicas júnior, pero sus datos internos no pueden probar que el uso de agentes sea por sí solo la causa de ese cambio.¹

Esto plantea un dilema de formación. Los buenos revisores necesitan saber cómo se hace el trabajo de fondo, pero la automatización puede eliminar los casos rutinarios con los que se adquiría ese conocimiento. Las organizaciones pequeñas no pueden resolver el problema simplemente contratando «gestores de IA» con experiencia. Pueden necesitar aprendizajes deliberados: revisiones de excepciones supervisadas, trabajo práctico periódico sin el agente y oportunidades para que el personal júnior explique por qué aceptó o rechazó un resultado. Eso cuesta tiempo a corto plazo, pero protege el criterio del que depende una automatización segura.

La promesa de la IA es real: menos pasos repetitivos, más capacidad para el contacto con clientes, análisis más profundos y trabajo que antes quedaba sin hacer. El riesgo también lo es: las organizaciones pueden contar la producción generada como productividad mientras tratan como un coste a las personas que la hacen fiable. La pregunta más útil para el próximo piloto de IA no es, por tanto, «¿cuántas tareas puede realizar el agente?». Es «¿quién sabrá cuándo el agente se equivoca y tendrá la autoridad y el tiempo para hacer algo al respecto?».

Cómo puede ayudarte hilighter

Adoptar agentes con seguridad empieza por saber qué competencias hay detrás de cada puesto, dónde aterrizan las excepciones y quién puede crecer hacia la revisión y la supervisión. hilighter te ayuda a mapear competencias por puesto, explorar fortalezas y brechas con Competencias y talento, definir planes de desarrollo personalizados y obtener una visión indicativa del impacto potencial de la IA en los empleos. Hay un plan gratuito disponible para hasta tres roles.

Fuentes

1. Anthropic Institute, How employment is changing at Anthropic, 16 de octubre de 2026.
2. BearingPoint, Scaling AI for measurable impact, septiembre de 2026; trabajo de campo de la encuesta en agosto de 2026.
3. Bottesch et al., Faster, Higher, Stronger? The Impact of GenAI on Knowledge Work Productivity - Evidence from the Field, documento de trabajo, 28 de julio de 2026.
4. Zhu, Wang y Zhang, (Human) Attention Is (Still) All You Need: Human oversight makes AI-assisted social science reliable, preprint, 11 de junio de 2026.

Fuentes revisadas por última vez: 24 de octubre de 2026. Las cifras de Anthropic describen a un único empleador de IA de vanguardia; los resultados de encuestas y documentos de trabajo no son estimaciones universales para pymes.