Una bandeja de entrada llena es en muchas empresas el primer punto del orden del día — y a menudo el menos productivo. Una noticia actual describe una alternativa obvia: la ingeniera de prompts Susanne Renate Schneider ha configurado un agente de IA que clasifica previamente sus correos electrónicos cada mañana. Comparte sus instrucciones al respecto en formato de pódcast.

Lo interesante no es tanto el caso individual como el patrón que hay detrás. Un agente, en este contexto, no es otra cosa que un modelo de lenguaje que no solo responde una vez, sino que ejecuta de forma recurrente una tarea definida — aquí: revisar los mensajes entrantes, clasificarlos y ponerlos en un orden. La lógica para ello no reside en un conjunto de reglas programado de forma clásica, sino en una instrucción en lenguaje natural.

Por qué esto es relevante para las empresas

Muchas tareas de oficina tienen exactamente este perfil: son recurrentes, lo suficientemente basadas en reglas como para poder describirse, pero demasiado difusas para reglas de filtro rígidas. Si una solicitud es urgente, si pertenece a ventas o a soporte, si necesita siquiera una respuesta — tales decisiones dependen del contenido, no del remitente ni de la línea de asunto.

Hasta ahora, la automatización de tales tareas era un proyecto: aclarar requisitos, desarrollar, probar, desplegar. Los enfoques impulsados por prompts desplazan este umbral. Quien puede describir con precisión su propia forma de trabajar llega a un primer resultado funcional sin escribir una sola línea de código. Esto convierte a tales soluciones en una entrada sensata para organizaciones que quieren probar primero a pequeña escala la optimización de procesos asistida por IA.

El trabajo real está en la descripción

El inconveniente es el mismo que en cualquier iniciativa de automatización: una tarea solo se puede delegar si está claro cómo hay que realizarla. Quien quiere decirle a un agente qué es importante, primero debe decidir él mismo qué es importante. Precisamente esta aclaración es la parte que muchos equipos nunca han llevado a cabo de forma explícita — está en la cabeza de personas individuales.

En la práctica, esto significa: antes del prompt hay un breve inventario. ¿Qué categorías existen realmente? ¿Según qué criterios se prioriza? ¿Qué ocurre con los casos límite? Responder estas preguntas tiene valor incluso si al final no surge ningún agente.

Pensar también en los límites

Un agente que lee una bandeja de entrada obtiene acceso a contenidos en parte sensibles — datos de clientes, temas de personal, borradores de contratos. Para el uso privado esto es una consideración personal; en el contexto empresarial es una cuestión de protección de datos, confidencialidad y directrices internas. Antes de que una configuración así crezca más allá del puesto de trabajo individual, conviene aclarar los siguientes puntos:

  • Flujo de datos: ¿Qué contenidos abandonan el propio sistema y hacia dónde?
  • Permisos: ¿Puede el agente solo leer y clasificar o también eliminar, reenviar, responder?
  • Trazabilidad: ¿Es posible reconstruir en caso de duda por qué un mensaje se clasificó de una determinada manera?
  • Tolerancia a errores: ¿Qué cuesta una clasificación errónea — un minuto de búsqueda o un plazo incumplido?

La última pregunta decide sobre el ámbito de aplicación sensato. Los modelos de lenguaje trabajan de forma probabilística, es decir, hacen estimaciones y no decisiones deterministas. Para la preselección, el resumen y las propuestas de priorización esto no es crítico, siempre que una persona revise los resultados por encima. Para pasos con efecto externo — respuestas automáticas, eliminaciones, reenvíos a terceros — la persona debería conservar la aprobación.

Una entrada realista

Quien quiera probar el principio en su propia casa hace mejor en optar por un enfoque acotado. Un único puesto de trabajo, una tarea claramente delimitada, un periodo manejable. Después se puede comprobar si la clasificación resiste la propia evaluación y cuánto retrabajo sigue siendo necesario.

  1. Elegir una tarea que se presente a diario y cuyos criterios puedan describirse.
  2. Fijar los criterios por escrito antes de que surja el primer prompt.
  3. Dejarlo funcionar en paralelo durante dos o tres semanas y comprobar los aciertos mediante muestras aleatorias.
  4. Solo después decidir si merece la pena un despliegue más amplio o una implementación técnica más estable.

A más tardar en el despliegue, el enfoque puramente impulsado por prompts suele terminar. Lo que funciona como herramienta personal necesita, en el uso multiusuario, conexión con los sistemas existentes, gestión de derechos, registro y una instancia que intervenga en caso de comportamiento erróneo.

Qué significa esto para los proyectos

Para los proyectos web y de software, esto desplaza sobre todo el punto de partida: hoy un prototipo surge a menudo en horas en lugar de semanas, y de hecho por los propios departamentos especializados. El trabajo del proyecto ya no comienza entonces con la pregunta de si una idea funciona, sino con la pregunta de cómo llevarla a la infraestructura de sistemas existente de forma segura, trazable y mantenible. Quien planifica esta transición desde el principio se ahorra más tarde la reconstrucción de una solución aislada que ha ido creciendo.

Fuentes