¿Cuánto trabajo asumen realmente los agentes de IA y dónde termina su influencia? Un equipo de investigación evaluó 769 registros de tareas del desarrollo de un modelo de IA propio. Se consideran agentes aquellos sistemas que no solo proporcionan respuestas individuales, sino que procesan tareas de forma autónoma a lo largo de varios pasos.
El resultado puede resumirse en dos cifras. Hasta el 55 por ciento de las propuestas de métodos provinieron de agentes de IA. Al mismo tiempo, las personas tomaron más del 85 por ciento de las decisiones finales. Por lo tanto, los sistemas participaron intensamente en la preparación, pero apenas en la determinación.
Más actividad no es más autonomía
Precisamente de esta confusión advierten las autoras y autores del estudio: un número creciente de contribuciones de agentes no significa automáticamente que los sistemas actúen de forma más independiente. Quien interpreta la cantidad de propuestas generadas como medida de autonomía, sobreestima el grado de madurez real.
Para la práctica, esta distinción es más que una sutileza terminológica. Determina cómo se asignan responsabilidades en los proyectos, qué pasos de aprobación se planifican y cómo se representa el beneficio de las herramientas de IA en los informes.
El efecto pasado por alto: tareas que de otro modo quedarían pendientes
Otro hallazgo merece atención: aproximadamente un tercio de las tareas evaluadas no se habrían abordado en absoluto sin IA. Por lo tanto, la ganancia aquí no radica en que el trabajo existente se realice más rápido, sino en que se lleva a cabo trabajo adicional.
Se trata típicamente de cosas que quedan relegadas en el día a día: probar una variante de implementación alternativa, verificar una condición límite, preparar una situación de datos para la que de otro modo simplemente no hay tiempo. Tales tareas no aparecen en los cálculos clásicos de eficiencia porque no hay un valor previo con el que comparar.
Qué significa esto para la evaluación del uso de IA
Muchas consideraciones de rentabilidad sobre la IA en el entorno de desarrollo preguntan por las horas ahorradas. La evaluación sugiere que esta perspectiva es demasiado estrecha. Más útil es considerar varias perspectivas en paralelo:
- Rendimiento de preparación: ¿Cuántas opciones sólidas hay sobre la mesa antes de una decisión, y con qué rapidez?
- Cobertura adicional: ¿Qué verificaciones, variantes o análisis se realizan ahora que antes se omitían?
- Calidad de la decisión: ¿Se toman las determinaciones sobre una base mejor, aunque sigan proviniendo de personas?
En cambio, el mero número de ejecuciones de agentes es un indicador débil. Dice poco sobre si las propuestas generadas fueron utilizables.
Consecuencias para el diseño de procesos
Si las personas toman la gran mayoría de las decisiones, el proceso debe estar diseñado para ello, y no para un escenario de autocontrol completo. De ello se derivan algunos puntos prácticos:
- Nombrar puntos de decisión. Determine en qué puntos es obligatoria una aprobación humana, por ejemplo en cuestiones de arquitectura, temas de protección de datos o cambios en sistemas productivos.
- Hacer comparables las propuestas. Los agentes proporcionan opciones. Para que de ellas surjan decisiones rápidas, las propuestas necesitan una forma uniforme: supuestos, esfuerzo, riesgos.
- Garantizar la trazabilidad. Los registros sobre qué propuesta provino de quién y quién decidió no son burocracia, sino la base para evaluaciones posteriores, como en el estudio descrito.
- Calibrar las expectativas en el equipo. Quien espera un sistema autónomo se decepciona. Quien espera un colaborador muy productivo trabaja de forma realista.
Clasificación con la debida cautela
Las cifras provienen del desarrollo de un modelo de IA, es decir, de un entorno cercano a la investigación con tareas muy específicas. No pueden trasladarse uno a uno a un proyecto de relanzamiento de TYPO3 ni al mantenimiento de una aplicación especializada. Sin embargo, la estructura básica —mucha colaboración preparatoria, poca decisión independiente— coincide con lo que se observa en el trabajo diario de proyectos.
Además, es notable que el hallazgo provenga de un entorno en el que el manejo de herramientas de IA forma parte del negocio central. Si allí la autoridad de decisión permanece en gran medida en manos de las personas, es poco probable que migre más rápido en contextos menos especializados.
Qué significa esto para proyectos web y de software
Planifique los agentes de IA como una ampliación de capacidad en la preparación, no como sustituto de roles con facultad de decisión: las revisiones, aprobaciones y responsabilidad técnica siguen ocupadas. El beneficio más tangible suele residir en las tareas que sencillamente no se realizarían sin el apoyo de herramientas, como pruebas adicionales, variantes de migración o análisis del sistema existente. Por ello, quien quiera medir el éxito del uso de IA no debería fijarse solo en las horas ahorradas, sino en la calidad de las bases de decisión.