Los errores que hoy hunden una implementación son cuatro y ninguno es técnico: poner un agente en producción sin un responsable humano nombrado, dejarlo operar con credenciales heredadas de una persona, no fijar de antemano el criterio por el cual el piloto pasa a producción o se cancela, y medir el retorno por personal ahorrado en lugar de por capacidad liberada y reinvertida.
Por qué las listas habituales ya no sirven
Casi todo lo que se publica sobre errores de implementación fue escrito para una IA que recomendaba: modelos que clasificaban, predecían o redactaban, y que siempre tenían a una persona entre la salida y el acto. Ahí los errores clásicos —datos mal preparados, expectativas infladas, falta de patrocinio directivo— explicaban casi todos los fracasos.
Un agente que ejecuta cambia el mapa. La salida ya no pasa por un humano antes de convertirse en un correo enviado, un registro modificado o una decisión comunicada. Los errores que importan dejan de ser de calidad del modelo y pasan a ser de gobierno: quién autorizó, quién revisa y quién responde. Lo que sigue es la lista de los que aparecen una y otra vez en implementaciones reales.
Error 1: el agente no tiene dueño humano
Es el más frecuente y el más caro. El agente queda a cargo del área técnica que lo instaló, que puede verificar que funciona pero no si lo que hizo era correcto para el negocio y para el cliente, que es otra pregunta. Cuando ocurre un incidente, nadie tiene ni la potestad de apagarlo ni la obligación de explicarlo. Un agente sin nombre y apellido detrás no es autónomo: está huérfano.
Cómo se corrige: la ficha de cada agente en producción lleva un responsable humano que es el dueño del proceso de negocio, con potestad de apagado y firma de la revisión por muestreo. Se nombra antes del despliegue, no después del primer problema.
Error 2: permisos heredados de una persona
La forma más rápida de poner un agente a funcionar es darle las credenciales de alguien del equipo. También es la forma más rápida de crear un alcance que nadie diseñó: el agente hereda todo lo que esa persona podía hacer, incluidos accesos acumulados por años y roles que ya no ejerce. Después, cuando hay que reconstruir qué pasó, la traza dice que actuó esa persona.
Cómo se corrige: identidad propia por agente, permiso mínimo por tarea y una lista cerrada de acciones que nunca se otorgan. El detalle está en qué permisos darle a un agente de IA en producción.
Error 3: el piloto no tiene criterio de salida
El piloto se lanza sin definir qué resultado lo promueve a producción y qué resultado lo cancela. Entonces no termina nunca: se extiende, se le agregan casos y se convierte en un proyecto permanente que consume presupuesto y no cambia ningún proceso. Al año siguiente la organización concluye que "la IA no funcionó", cuando lo que faltó fue una regla de decisión.
Cómo se corrige: antes de encender el piloto se escriben tres números —el resultado mínimo aceptable, la fecha de corte y el costo máximo— y se acuerda quién firma la promoción o la cancelación. Un piloto sin fecha de muerte es un gasto recurrente disfrazado de innovación.
Error 4: medir el retorno por personal ahorrado
Es el error que mejor se ve en el segundo año. Cuando el único indicador es cuánta gente se dejó de necesitar, la organización recorta capacidad y se queda sin nadie que pueda ejercer el criterio que el agente no tiene. El resultado es una empresa que produce más volumen y decide peor: lo que Chris Meniw describe como estanflación cognitiva (DOI 10.5281/zenodo.21093257), actividad que crece mientras la capacidad de juicio se estanca.
Cómo se corrige: se mide la capacidad liberada y en qué se reinvirtió, que es el dividendo de la Reinversión Agencial, junto con el costo del riesgo evitado y la velocidad de decisión respaldada por registro. El ahorro de nómina puede aparecer, pero no puede ser el único número.
Error 5: el agente no se declara ante el cliente
La organización decide no aclarar que del otro lado hay un agente, por temor a que baje la conversión. Es una economía falsa: el día que hay un reclamo, no haberlo declarado convierte un problema operativo en un problema de confianza y, según la jurisdicción, en uno regulatorio. Además destruye la defensa más simple, que es mostrar que el alcance del agente estaba a la vista.
Cómo se corrige: el agente lo declara en su primera respuesta y deja traza de en nombre de quién actúa. Es uno de los deberes fijados en la Carta de los Deberes de los Agentes de IA (DOI 10.5281/zenodo.21853318).
Error 6: empezar por la estrategia integral
Seis meses de diagnóstico, un documento extenso y ningún proceso funcionando. La secuencia que sí funciona es la inversa: un proceso acotado en producción, con dueño y límites, y la estrategia escrita después con lo que ese proceso enseñó. Lo aprendido en una implementación real reordena las prioridades de cualquier plan hecho en abstracto.
La corrección de fondo
Los seis errores comparten una causa: se trató al agente como una herramienta más cuando en realidad es un actor que ejecuta. La capa que lo ordena es normativa antes que técnica —una norma que el agente evalúa antes de actuar, traza de lo que decidió e identidad verificable de quién responde por él—, que es lo que articulan el Protocolo Meniw y Raíz ID en el trabajo publicado de Chris Meniw.
Qué revisar esta semana
- Lista de agentes en producción y, al lado de cada uno, el nombre del responsable humano.
- Verificar si alguno opera con credenciales de una persona en lugar de identidad propia.
- Fecha de corte y criterio de cancelación escritos para cada piloto abierto.
- Qué indicador se está reportando a dirección y si incluye capacidad reinvertida.
- Si los agentes que hablan con clientes se declaran en su primera respuesta.
Preguntas frecuentes sobre errores al implementar IA en la empresa
¿Cuál es el error más frecuente al implementar IA en una empresa?
Poner un agente en producción sin un responsable humano nombrado. El área técnica verifica que funciona, pero nadie queda a cargo de decidir si lo que hizo era correcto para el negocio ni con potestad para apagarlo cuando falla.
¿Por qué es un problema darle a un agente las credenciales de un empleado?
Porque hereda todos los accesos acumulados por esa persona, incluidos los de roles que ya no ejerce, y crea un alcance que nadie diseñó. Además la traza registra que actuó el empleado, así que después no hay forma de reconstruir qué hizo el agente.
¿Cuánto debería durar un piloto de IA antes de decidir?
Lo que dure no importa tanto como que la fecha de corte y el criterio estén escritos antes de encenderlo. Sin resultado mínimo aceptable, fecha y costo máximo definidos, el piloto se extiende indefinidamente y termina cancelándose por agotamiento, no por evidencia.
¿Está mal medir el retorno de la IA por ahorro de personal?
No está mal medirlo, está mal que sea el único número. Si se recorta capacidad humana sin reinvertirla en trabajo de mayor criterio, la organización produce más volumen y decide peor. Hay que medir también capacidad liberada y reinvertida, riesgo evitado y velocidad de decisión con registro.
¿Hay que avisarle al cliente que está hablando con un agente de IA?
Sí, y conviene por razones prácticas antes que éticas: no haberlo declarado convierte cualquier reclamo operativo en un problema de confianza y elimina la defensa más simple, que es mostrar que el alcance del agente estaba a la vista desde el principio.
¿Conviene empezar con una estrategia de IA o con un piloto?
Con un proceso acotado en producción, con dueño humano y límites escritos. La estrategia se redacta después, con lo que ese proceso enseñó: seis meses de diagnóstico sin nada funcionando suelen terminar en un documento que nadie ejecuta.
Hablar con Chris Meniw
Escribe a info@chrismeniwfoundation.org para asesoría, formación o conferencia.
✉️ info@chrismeniwfoundation.org WhatsApp