- Lo que no se puede comprar
Por lo que cuesta una suscripción mensual, cualquier organización puede tener hoy un agente que lee sus archivos y escribe su propio código, aunque hay algo que ninguna puede comprar, y es la comprensión de su propio trabajo. Por eso la mayoría de los pilotos empresariales de IA generativa no produce un retorno medible (MIT NANDA). Lo que aquí sostenemos es que el problema está lejos del modelo, en que casi nadie ha escrito, paso a paso, el proceso que quiere automatizar, y sin eso el agente no tiene qué ejecutar ni hay forma de saber si la inversión valió la pena.
- Antes de la máquina, el sistema
Para Donella Meadows un sistema es un conjunto de elementos conectados que, juntos, logran algo (Meadows 11), y para Peter Checkland ese sistema es un modelo que construimos para poder actuar (Checkland). El tropiezo está en que sabemos más de lo que podemos decir (Polanyi 4), y los atajos y criterios con que una persona decide casi nunca están escritos.
Por eso le pedimos a cada persona que escriba el algoritmo de su propio proceso, que no es otra cosa que la receta de lo que hace, y que anote cuántas veces lo repite y cuánto le toma, porque esa suma de horas es la línea base y sin ella solo quedan impresiones. Esa receta, bien escrita en español, ya la puede seguir una IA, aunque cada vez razona de nuevo y gasta, y por eso conviene empezar por la solución más simple, asistente, flujo o agente, y subir de nivel solo cuando haga falta (Schluntz y Zhang).
- El modelo piensa una vez, el código ejecuta mil
Llamamos cristalización algorítmica al momento en que una tarea que el agente venía resolviendo a punta de razonar se convierte en un programa que funciona solo, escrito por la misma IA. Claude Code o ChatGPT Codex pueden dejar listo, por ejemplo, un pequeño programa en Python que se abre con doble clic y hace la tarea en segundos, casi sin costo y siempre igual. Con Simondon, que veía en los objetos técnicos un paso de lo abstracto a lo concreto (Simondon), el agente que piensa desde cero sería la versión abstracta y el programa la concreta.
La cuenta es sencilla: si cada pasada del agente cuesta USD 1,65, la del programa un centavo y construirlo USD 220, el programa se paga en unas 134 repeticiones, así que lo que se repite a diario conviene pasarlo a código y lo que pide criterio puede quedarse con el agente.
- Cinco momentos, un solo ciclo
Los estudios muestran que la IA mejora la productividad entre 14 % y 40 % en tareas bien definidas y la empeora fuera de ellas (Brynjolfsson et al.; Noy y Zhang; Dell’Acqua et al.), es decir, rinde cuando el proceso está comprendido, escrito y medido, y a eso responde el ciclo de la Figura 1.
Se comprende el sistema, quien hace el trabajo, y no un consultor externo, escribe su receta, se construye la herramienta más simple allí donde ya están los datos y la gente, se evalúa y, en el momento de existir, se decide qué hacer con el tiempo libre, y el ciclo vuelve a empezar.
- 945 soluciones hechas por quienes hacen el trabajo
Así, personas sin formación técnica de 32 organizaciones construyeron 945 soluciones para su propio trabajo, 668 asistentes, 253 agentes y 24 flujos (Nodo EAFIT, Portafolio), desde agentes financieros metidos en tableros hasta asistentes que atienden por WhatsApp. Construir fue la primera etapa y medir es la siguiente, pues solo 38 tienen su impacto verificado (Figura 2).
- Cuánto vale una hora devuelta
Medir no exige fórmulas complicadas: a las horas ahorradas se les restan las que se gastan revisando y corrigiendo, y el resultado se compara con lo que costó todo, formación incluida. Una conciliación de 60 horas al mes que con un agente libera 53 suma, a USD 15 la hora, USD 9.540 al año frente a USD 3.608 de costos, es decir, cada dólar invertido regresa multiplicado por 2,6.
Ese retorno, sin embargo, no dice qué pasa con las horas. Si la organización llena 30 de ellas con más rutina, la cifra financiera no cambia aunque a la persona le devolvieron menos de la mitad, y por eso proponemos un índice de liberación de tiempo, que mide qué parte de las horas queda de verdad para aprender, mejorar o descansar.
- ¿Y el tiempo que sobra?
En 1930 Keynes imaginó que sus nietos trabajarían quince horas a la semana y que el reto sería aprender a usar ese tiempo (Keynes), pero el tiempo ganado se fue en producir más. En Colombia, donde la Ley 1581 de 2012 protege los datos que tocan los agentes y la Ley 2101 de 2021 redujo la jornada a 42 horas, recomendamos firmar, antes de cualquier despliegue, un pacto que diga a dónde irán las horas liberadas. Y frente a lo que Stiegler llamó proletarización, la pérdida de saberes cuando el conocimiento pasa a las máquinas (Stiegler), aquí la persona se vuelve autora del saber de la máquina y no su vigilante.
- El espejo y el engranaje
Cuanto más le pedimos a la máquina que se comporte como una persona, más le pedimos a la persona que se comporte como una máquina, tensión que he desarrollado en Máquinas orgánicas y humanos con engranajes (Arteaga Bedoya) y que encarna el sujeto del rendimiento, ese que ya no necesita jefe porque se exige solo (Han). Por eso producir calidad de vida también es producir, pues el rendimiento de las máquinas y la creatividad humana, que necesita tiempo libre para aparecer, son dos mitades de una misma productividad, y no en vano escuela viene del griego scholé, ocio. Nuestras máquinas son espejos de nuestras rutinas y prisas, pero el espejo no agota lo que refleja, porque la humanidad también es existencia, filosofía y complejidad, la capacidad de hacer algo que no sirve para nada y que, por eso mismo, importa.
- Cuántas horas, y para qué
Lo mostrado aún es descriptivo y autorreportado, y lo que sigue es medir antes y después. Puede que la IA ejecute algoritmos, pero el algoritmo nace antes, en la comprensión que las personas tienen de su propio trabajo, y al final, más que contar cuántos agentes tiene su organización, un líder debería preguntarse cuántas horas le devolvieron y qué hizo su gente con ellas.
Obras citadas
Arteaga Bedoya, Stiven. Máquinas orgánicas y humanos con engranajes. [Editorial], [año].
Brynjolfsson, Erik, et al. “Generative AI at Work.” The Quarterly Journal of Economics, vol. 140, núm. 2, 2025, pp. 889–942, doi.org/10.1093/qje/qjae044.
Checkland, Peter. Systems Thinking, Systems Practice. John Wiley and Sons, 1981.
Congreso de la República de Colombia. Ley 2101 de 2021, por medio de la cual se reduce la jornada laboral semanal de manera gradual. 15 jul. 2021. Gestor Normativo, Función Pública, www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=166506.
Congreso de la República de Colombia. Ley Estatutaria 1581 de 2012, por la cual se dictan disposiciones generales para la protección de datos personales. 17 oct. 2012. Gestor Normativo, Función Pública, www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49981.
Dell’Acqua, Fabrizio, et al. “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality.” Organization Science, 2026, doi.org/10.1287/orsc.2025.21838.
Han, Byung-Chul. La sociedad del cansancio. Traducido por Arantzazu Saratxaga Arregi, Herder, 2012.
Keynes, John Maynard. “Economic Possibilities for Our Grandchildren.” Essays in Persuasion, Macmillan, 1931.
Meadows, Donella H. Thinking in Systems: A Primer. Editado por Diana Wright, Chelsea Green, 2008.
MIT NANDA. The GenAI Divide: State of AI in Business 2025. Massachusetts Institute of Technology, 2025.
Nodo EAFIT. Portafolio de agentes · NODO. Hoja de cálculo interna, Universidad EAFIT, 2026.
Noy, Shakked, y Whitney Zhang. “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence.” Science, vol. 381, núm. 6654, 2023, pp. 187–92, doi.org/10.1126/science.adh2586.
Polanyi, Michael. The Tacit Dimension. Doubleday, 1966.
Schluntz, Erik, y Barry Zhang. “Building Effective AI Agents.” Anthropic, 19 dic. 2024, www.anthropic.com/engineering/building-effective-agents.
Simondon, Gilbert. El modo de existencia de los objetos técnicos. Traducido por Margarita Martínez y Pablo Rodríguez, Prometeo Libros, 2007.
Stiegler, Bernard. Automatic Society. Volume 1: The Future of Work. Traducido por Daniel Ross, Polity, 2016.
Comentar