¿Tu agente de IA ahorra trabajo? Mide lo que cuesta cerrar bien un caso

A las nueve entra una consulta por una devolución. A las nueve y dos el agente de IA ya ha redactado una contestación. A las once el cliente vuelve a escribir porque sigue sin saber quién paga el porte. ¿Cuánto tiempo se ha ahorrado? El cronómetro del borrador tiene respuesta. La persona que atiende la segunda consulta necesita otra medida. Para saber si un agente mejora un proceso, sigue el expediente hasta el resultado que le importa al usuario.

Esto también cambia qué estudios merece la pena citar. Un trabajo sobre atención al cliente midió incidencias resueltas por hora. Un experimento sobre desarrollo de software cronometró tareas reales en repositorios conocidos por sus mantenedores. Encontraron resultados distintos en condiciones distintas. Ambos son más útiles para diseñar una prueba en tu negocio que una promesa genérica de productividad. Estudio de atención al cliente y ensayo de METR en proyectos de software.

Decide qué significa terminar antes de encender el agente

En devoluciones, «terminado» podría significar que el cliente recibe las instrucciones aplicables al pedido, el expediente queda correctamente registrado y no se reabre por el mismo error en los siete días siguientes. Siete días son una decisión del ejemplo, no un estándar. Una tienda podría necesitar más tiempo por su ciclo de recogida. Una asesoría que prepara documentación para un trámite usaría otro cierre: quizá un expediente aceptado a la primera y sin petición de subsanación por un error de preparación.

Escribe también qué ocurre cuando el agente escala una consulta difícil. Un caso que pasa a una persona puede ser una buena decisión del sistema. El coste de esa revisión sigue formando parte del proceso. Borrar las escaladas del cómputo equivale a dejar en una bandeja distinta los casos difíciles y luego felicitar al agente por la facilidad de los que conservó. Una clasificación útil distingue resuelto en el primer contacto, resuelto tras revisión, pendiente dentro de plazo y fuera de plazo.

Dos lotes de cien y dos conclusiones a primera vista opuestas

Este ejemplo es ficticio. Dos lotes comparables reciben cien solicitudes cada uno. En el flujo habitual, el equipo dedica 600 minutos y resuelve correctamente 90 asuntos dentro del plazo establecido. En el flujo con agente emplea 500 minutos, incluida la revisión, y obtiene 85 resoluciones válidas. Son cien minutos menos de trabajo y cinco solicitudes resueltas menos. Si el objetivo acordado era mantener al menos el 90 % de resolución, la segunda condición falla aunque el tiempo haya mejorado.

Con una valoración hipotética de 0,40 euros por minuto, los 600 minutos del primer equipo suman 240 euros. Para el segundo, 500 minutos representan 200 euros. Añadimos ocho euros de uso de la herramienta: 208 euros en total. El coste por resolución válida pasa de 240/90, unos 2,67 euros, a 208/85, unos 2,45. Ahora podemos afirmar algo preciso: en este ejemplo se gastó menos por caso cerrado correctamente, pero una fracción mayor de clientes se quedó sin solución dentro del plazo. La dirección debe decidir qué peso tiene cada resultado.

Los asuntos pendientes siguen siendo obligaciones. Si se acumulan en otra semana y allí se emplean más horas, una comparación cerrada demasiado pronto puede favorecer al segundo flujo. Una forma de evitarlo es informar de la cohorte completa, es decir, de todos los asuntos que entraron durante el periodo, y seguirlos hasta el mismo horizonte. Los que aún no tienen antigüedad suficiente permanecen en una columna provisional. La revisión a siete días no debería comparar expedientes de siete días con otros que solo llevan una tarde.

La lección de dos estudios reales

Erik Brynjolfsson, Danielle Li y Lindsey Raymond estudiaron la introducción escalonada de un asistente en atención al cliente usando datos de 5.172 agentes de soporte. En la versión publicada en The Quarterly Journal of Economics, el acceso aumentó de media un 15 % los asuntos resueltos por hora, con resultados diferentes según el perfil del trabajador. Era asistencia a quienes atendían chats en una empresa concreta. La unidad de medida, asuntos resueltos por hora, capta algo que no captaría la mera velocidad de redactar mensajes. Artículo científico y descripción de la variable principal.

METR estudió otra población y otra tarea. En su experimento de comienzos de 2025, 16 desarrolladores con experiencia trabajaron sobre 246 tareas en proyectos de código abierto que conocían. En ese diseño, permitir herramientas de IA aumentó alrededor de un 19 % el tiempo para completar las tareas. En febrero de 2026 el equipo explicó por qué una investigación posterior se había vuelto más difícil de interpretar: la disposición de los desarrolladores a participar y la selección de actividades podían cambiar cuando ya encontraban particularmente útil la IA en algunas de ellas. Experimento inicial y actualización metodológica.

No tendría sentido promediar el 15 % de un estudio con el 19 % del otro. Uno cuenta resoluciones por hora y el otro tiempo por tarea. Los participantes, el trabajo, las herramientas y las fechas son diferentes. En cambio, sí se puede tomar prestada una idea de cada equipo: medir un resultado relevante para el negocio y documentar quién acepta participar y qué tareas selecciona. Un piloto voluntario que deja fuera los trabajos más difíciles puede ofrecer una fotografía muy distinta de la que se verá al generalizar la herramienta.

Diseña la comparación para que la respuesta sea interpretable

Clasifica primero los casos entrantes por complejidad o por tipo de incidencia con criterios disponibles al inicio de cada asunto. Reparte casos comparables entre el flujo habitual y el asistido cuando sea viable. Si solo un empleado maneja todos los asuntos, alternar grupos comparables puede ser más práctico que asignar dos equipos enteros. Conviene registrar horas, temporada y carga de cola: probar sin agente durante una promoción y con agente la semana tranquila posterior introduce una diferencia que puede confundirse con el efecto de la herramienta.

Evita enviar dos comunicaciones contradictorias al mismo cliente por hacer una comparación. En una primera fase se puede utilizar un conjunto de casos históricos debidamente autorizado y anonimizado, con una respuesta correcta ya identificada. Eso sirve para comprobar si el agente propone soluciones razonables antes de exponer usuarios reales al flujo. El ensayo con datos históricos no mide toda la carga de un día laboral, las respuestas inesperadas del cliente ni los tiempos reales de coordinación entre personas.

Para revisar calidad, conserva las expectativas antes de mirar los resultados. En el caso de devoluciones podrían ser «identifica el pedido correcto», «explica el porte según las condiciones aplicables», «indica el siguiente paso» y «no promete un reembolso fuera de sus permisos». Si es factible, el revisor puede valorar las respuestas sin saber qué vía las produjo. El objetivo es evitar que una redacción fluida reciba puntos por sonar segura aunque deje sin resolver la pregunta del cliente.

El tiempo humano que suele quedarse fuera

Cuenta preparación de instrucciones, comprobación de la respuesta, llamadas posteriores, corrección de excepciones y mantenimiento de la integración. Distingue el coste inicial de diseñar el proceso del coste recurrente por expediente. Si montar una automatización consume varias jornadas y se reciben pocas consultas al mes, el coste por caso de la primera semana puede parecer desmesurado. Si se borra esa inversión por completo, el resultado también queda sesgado. Expón el coste inicial aparte y prueba escenarios con distintos volúmenes.

El tiempo de la herramienta y el de las personas tampoco son necesariamente aditivos. Un agente puede tardar tres minutos en completar una tarea mientras el empleado atiende otra. Para estimar coste laboral hay que medir minutos humanos ocupados; para evaluar experiencia del cliente importa también el tiempo de espera hasta que recibe solución. Un caso con intervención humana mínima puede resultar muy lento para el usuario. Declara cuál de esas magnitudes mejora y cuál empeora en vez de hacer que un único indicador represente a las dos.

Conserva los casos incómodos

Una incidencia de privacidad, un importe incorrecto enviado a un cliente o una modificación sin autorización no deberían perderse en un promedio de centenares de mensajes correctos. Define por adelantado las clases de error que requieren revisión inmediata y quién está autorizado para intervenir. El propósito es proporcionar una respuesta adecuada cuando el daño potencial de una equivocación sea mucho mayor que el valor de los minutos ahorrados. Esas condiciones también evitan que un equipo cambie las reglas después de ver qué solución sale favorecida.

En la tabla semanal bastan cinco cifras si están bien definidas: asuntos recibidos, asuntos correctamente resueltos al cierre del seguimiento, minutos humanos, coste del servicio y casos graves. Conserva las reaperturas y las escaladas para explicar cambios de una semana a otra. Revisa por separado los encargos repetitivos y las excepciones. Si solo mejoran los primeros, se puede adoptar el agente para ellos y mantener el proceso habitual para los segundos. No hay motivo para imponer un único flujo a operaciones con perfiles tan distintos.

Cuándo tomar una decisión

Si la comparación cumple el nivel de calidad acordado, reduce el coste por caso y conserva los límites de actuación, hay base para ampliar la prueba a un volumen mayor y observar si el efecto se mantiene. Si mejora rapidez pero empeora calidad, localiza en qué clase de expediente sucede y corrige o restringe ese uso antes de volver a medir. Si el número de casos es pequeño o el periodo demasiado corto para ver reaperturas, lo honesto es dejar abierta la estimación y fijar cuándo volver a leerla.

Un dato de adopción tampoco sustituye a este ejercicio. Más cuentas activas, más consultas enviadas o más licencias vendidas dicen cuánto se utiliza una herramienta. Una organización puede adoptar una aplicación porque necesita aprenderla, porque su proveedor la incluye o porque funciona muy bien en una sola tarea. Gaia explica cómo interpretar esos números en su análisis de agentes de IA en pymes europeas. Para tu propio proceso, el dato más útil sigue siendo cuánto cuesta resolver bien un caso, quién queda sin atender y qué pasa después.

Fuentes y agradecimientos

Agradecemos a Brynjolfsson, Li y Raymond el estudio de atención al cliente y a METR tanto su investigación con desarrolladores como la revisión de su diseño. Gaia elaboró los gráficos y las cuentas con cifras ficticias, elegidas para mostrar qué decisión cambia cuando se incluyen las solicitudes pendientes.