Nunca necesitaste una moda para invertir en tu gente
Las empresas esperan modas de gestión antes de ayudar a su gente. Luego culpan a la IA cuando el problema real es la ...
12 min de lectura
15.09.2026, Por Stephan Schwab
Un enjambre de agentes de IA puede multiplicar lo que produce una persona. No aporta una segunda mente independiente, otra experiencia, el incentivo para exponer una mala suposición ni un ser humano dispuesto a decir que no y asumir la responsabilidad. Cada agente hereda el marco, el contexto, los permisos y los puntos ciegos de su operador. Los LLM dan a las personas competentes una capacidad extraordinaria, pero diez variantes fluidas del mismo error siguen siendo un solo error.
El panel de control luce magnífico.
Un agente planifica. Otro investiga. Un tercero escribe. Un cuarto revisa. Un quinto vigila a los demás y prepara un resumen impecable para el soberano humano sentado en la cabecera. Los recuadros tienen nombres distintos, iconos distintos y quizá incluso personalidades sintéticas distintas. Desde lejos, parece una organización.
No es una organización.
Es la intención de una persona, replicada mediante un conjunto de sistemas probabilísticos y software corriente. El enjambre puede explorar más opciones de las que esa persona podría examinar por sí sola. Puede trabajar en paralelo. Puede detectar incoherencias. Incluso puede producir un debate interno útil asignando papeles diferentes a distintos agentes.
Pero todo sigue empezando dentro de un solo marco. Una persona eligió el objetivo, seleccionó la evidencia disponible, concedió los permisos, definió el éxito y decidió qué desacuerdo contaba. El comité aparente tiene un propietario, una fuente de autoridad y, por lo general, un solo conjunto de puntos ciegos.
Eso es capacidad multiplicada. A veces, una capacidad asombrosa.
No es omnisciencia.
La palabra agente introduce de contrabando una enorme cantidad de humanidad en un componente de software.
Un agente parece tener un objetivo. Puede elegir entre herramientas, ejecutar varios pasos, inspeccionar un resultado, intentarlo de nuevo y pedir ayuda cuando el software que lo rodea se lo indica. Esto es autonomía operativa: suficiente libertad delegada para completar una tarea acotada sin que un ser humano apruebe cada pulsación de tecla.
La autonomía humana es otra cosa.
Una persona puede cuestionar el objetivo mismo. Un desarrollador puede negarse a construir una función de vigilancia. Un abogado puede decir que una táctica técnicamente defendible sigue estando mal. Un analista financiero puede advertir que la previsión solicitada existe principalmente para halagar la decisión preferida de un directivo. Un agente de soporte puede reconocer que una política perjudica a un cliente de una manera que la política nunca anticipó.
Esos actos no son fallos al seguir instrucciones. Son criterio.
El LLM no tiene una carrera profesional que poner en riesgo, una reputación que defender, un cliente cuyo enfado deba afrontar mañana ni una convicción privada de que el resultado solicitado no debería existir. No quiere que la empresa tenga éxito. Tampoco quiere que fracase. Produce la siguiente acción dentro de la estructura proporcionada por los humanos.
Darle más herramientas no cambia esa distinción. Dar cargos distintos a veinte instancias tampoco.
La respuesta de moda a la falibilidad de los modelos es añadir más modelos.
Que un agente proponga. Que otro critique. Que un tercero compare. Que un cuarto vote. El patrón puede mejorar los resultados. Las revisiones independientes detectan errores, las instrucciones que fuerzan una objeción exponen razonamientos débiles y el contexto especializado hace que cada agente rinda mejor en su tarea.
El error consiste en tratar esta técnica como el equivalente del criterio humano independiente.
Los agentes pueden compartir los mismos sesgos de entrenamiento. Pueden recibir los mismos documentos incompletos de la empresa. A todos puede faltarles el conocimiento tácito del especialista de operaciones despedido. Todos pueden aceptar la misma métrica de éxito engañosa porque el operador la escribió en cada tarea. Pueden debatir con enorme confianza tres soluciones para el problema equivocado.
Incluso el crítico interpreta un papel definido por la persona que quiere que se haga el trabajo.
Un colega real aporta un pasado incómodo que el operador no seleccionó. Recuerda al cliente que estuvo a punto de marcharse cuando la empresa intentó esto hace tres años. Sabe por qué existe ese paso de conciliación aparentemente redundante. Advierte que la nueva política trasladará trabajo no remunerado a un equipo al que nunca se invitó a la conversación. Tiene un incentivo para cuestionar la decisión porque estará de guardia cuando falle.
Esa independencia puede resultar frustrante. Puede ralentizar la reunión. Puede arruinar un plan maravillosamente simple.
A menudo, ese es su valor.
No hay nada inmoral en usar IA para conseguir más con menos esfuerzo. Las herramientas siempre han eliminado tareas ingratas, acortado tareas y permitido que grupos pequeños compitan con otros mayores. Una persona competente debería aprovechar la capacidad disponible.
La codicia aparece cuando la conclusión deseada llega antes que la evidencia.
El operador no pregunta qué trabajo realizan los agentes de forma fiable, qué decisiones siguen necesitando una revisión independiente ni qué responsabilidades cobran más importancia a medida que se acelera la producción. Pregunta con qué rapidez puede desaparecer la nómina.
Entonces, cada objeción se convierte en resistencia interesada. Los desarrolladores protegen sus empleos. Los abogados bloquean la innovación. Los editores sienten nostalgia. Los analistas defienden sus hojas de cálculo. La gente de operaciones teme el cambio. El agente nunca se queja, así que lo declaran más alineado con la empresa.
Claro que está alineado. No tiene intereses propios.
Precisamente por eso la comparación es deshonesta. El colega humano que advierte sobre un límite de seguridad, una afirmación sin respaldo, un proveedor frágil o un cliente enfadado no genera fricción porque los humanos estén obsoletos. Está exponiendo un coste que el operador esperaba no pagar.
El silencio sale más barato que el criterio, hasta el momento en que el criterio habría salvado la empresa.
Los LLM son máquinas magníficas para producir artefactos.
Antes del almuerzo pueden crear un contrato plausible, una función operativa, una campaña pulida, un análisis de mercado, una política, un resumen de investigación, un plan de contratación y una presentación para el consejo. La variación de calidad es enorme, pero la velocidad es real.
El trabajo intelectual nunca consistió únicamente en producir artefactos.
La parte difícil es saber qué cláusula contractual se volverá venenosa durante una disputa. Es reconocer que la función operativa codifica la regla de negocio equivocada. Es advertir que el análisis de mercado compara silenciosamente categorías incompatibles. Es preguntar si operaciones podrá cumplir la promesa de la campaña. Es comprender qué frase de la política hará que las personas competentes busquen cómo eludirla. Es decidir que el consejo debería escuchar una verdad desagradable en lugar de una previsión pulida.
Esas decisiones se nutren de conocimiento del dominio, consecuencias vividas, intereses en conflicto, ética, criterio estético y el valor de negarse.
El operador unipersonal puede poseer parte de ese criterio. Quizá una gran cantidad. La IA puede ampliar su alcance y liberar tiempo para las decisiones que más importan.
El delirio comienza cuando el éxito en un dominio se confunde con competencia universal. Un fundador capaz de juzgar la dirección del producto supone que el mismo instinto ahora cubre seguridad, derecho laboral, contabilidad, investigación de usuarios, arquitectura de software y operaciones porque un agente puede producir contenido convincente en cada campo.
La fluidez oculta la frontera entre lo que el operador sabe y lo que ya no puede reconocer como erróneo.
La empresa unipersonal de IA no fracasará necesariamente el primer día. Eso facilitaría la lección.
Puede prosperar.
Las listas de pendientes desaparecen. Los prototipos llegan de la noche a la mañana. Las respuestas a clientes se vuelven instantáneas. Los informes que antes tardaban una semana aparecen en una hora. El operador se siente reivindicado, los inversores aplauden los márgenes y cada antiguo colega empieza a parecer una prueba del despilfarro histórico.
Aquí suele perder la crítica sensata. Niega el aumento visible de productividad en lugar de explicar sus límites. El aumento es real. Una persona competente con modelos modernos puede realizar un trabajo que hasta hace poco exigía mucho más tiempo y coordinación.
Pero el rendimiento inicial mide la parte más fácil de ver: la producción.
Todavía no mide las decisiones que nadie cuestionó, las excepciones que nadie reconoció, el modelo de seguridad que nadie entendió, las relaciones que nadie mantuvo, la memoria institucional que nadie escribió ni los riesgos que tardan meses en madurar.
El desarrollo con agentes resulta útil gracias a límites, evidencia y criterio. Lo mismo ocurre fuera del desarrollo de software. Si se elimina a las personas que proporcionan esos límites, los agentes no se vuelven más autónomos. El operador restante queda más expuesto.
La factura suele llegar en forma de excepción.
Un cliente tiene un caso que el flujo nunca modeló. Un regulador interpreta una obligación de otra manera. Una actualización del modelo cambia su comportamiento. Un proveedor elimina una API. Un atacante encuentra el límite de permisos que los agentes no dejaron de reproducir. Una suposición financiera sobrevive en doce informes generados porque los doce heredaron la misma fuente. Un nuevo empleado pregunta por qué el sistema se comporta así y descubre que la respuesta solo existe repartida entre cientos de resúmenes sintéticos.
Entonces el operador recurre al enjambre.
El enjambre lee los artefactos. Reconstruye la intención probable. Propone una migración, una explicación, una política revisada y una tranquilizadora lista de próximos pasos. El resultado vuelve a ser impresionante.
Lo que no puede recuperar es el contexto humano que nunca se registró. ¿Por qué se opuso el desarrollador experimentado? ¿Qué promesa a un cliente prevaleció sobre el diseño limpio? ¿Qué excepción era políticamente imposible documentar? ¿Qué advertencia desestimó el operador como resistencia? ¿Qué cifra le pareció errónea al analista porque llevaba diez años viendo respirar al negocio?
Ese conocimiento se fue con las personas.
El operador no se limitó a reducir la plantilla. Destruyó el sistema de percepción independiente de la organización y lo sustituyó por un generador de gran eficiencia entrenado con lo que quedaba.
La fantasía habitual incluye una vía de escape: si alguna vez los agentes tienen dificultades, se contrata a un especialista durante unas horas.
A veces funciona. Los especialistas pueden diagnosticar problemas acotados y la IA puede ayudarles a entender material desconocido más rápido que antes.
Pero una empresa no es un conjunto de respuestas intercambiables que esperan en un mercado.
El desarrollador despedido sabía qué pruebas mentían. El antiguo responsable de cuentas sabía qué cliente había aceptado un compromiso incómodo y cuál se había limitado a dejar de discutir. La persona de operaciones sabía que un paso duplicado protegía contra los datos erráticos de un proveedor. El editor sabía cuándo la frase favorita del fundador hacía que la empresa pareciera poco fiable. El responsable financiero sabía qué suposición optimista era un ritual y cuál provocaría una crisis de liquidez.
Es posible volver a contratar personas competentes. No se pueden recomprar de inmediato esa historia concreta, la confianza y el reconocimiento de patrones que se decidió descartar.
Peor aún, el especialista que regresa se enfrenta ahora a una montaña de material generado. Más código, más documentos, más decisiones, más flujos automatizados y menos responsabilidad compartida. El aumento aparente de productividad se ha convertido en una excavación.
Llevamos décadas soñando con eliminar a los desarrolladores del desarrollo de software. La empresa unipersonal de IA se limita a extender el sueño a todas las profesiones cuyo trabajo real solo se vuelve visible cuando falta.
La IA cambiará el tamaño y la forma de las organizaciones. Algunas tareas desaparecerán. Algunos papeles se combinarán. Las empresas pequeñas desafiarán a compañías establecidas con recursos que habrían resultado absurdamente insuficientes pocos años atrás. Fingir lo contrario sería nostalgia.
Pero es poco probable que la organización más fuerte consista en un ser humano ejerciendo soberanía sobre una corte sintética.
Será un grupo compacto de personas capaces que emplean agentes de forma intensiva y conservan diferencias genuinas de conocimientos, incentivos, experiencia y criterio. Menos traspasos. Menos ceremonia. Mayor alcance individual. Responsabilidad clara. Suficientes mentes independientes para detectar un error compartido antes que el mercado.
Eso no es una defensa de departamentos hinchados ni de empleos conservados como piezas de museo. Si una tarea ya no crea valor, deje de hacerla. Si un agente la realiza mejor, use el agente. Si un equipo puede reducirse sin perder una capacidad necesaria, permita que se reduzca.
No confunda reducir la plantilla con adquirir sabiduría.
El operador codicioso ve el ahorro en nómina e imagina que todo el excedente fluye hacia arriba. El líder serio ve la capacidad multiplicada y plantea una pregunta más difícil: ¿qué formas de criterio humano se vuelven más valiosas ahora que producir trabajo es barato?
Esa pregunta conduce a mejores empresas. También a empresas con menos teatro.
La autonomía humana resulta incómoda porque otras personas pueden elegir de otra manera.
Pueden cuestionar al fundador. Pueden proteger a un cliente al que la métrica olvidó. Pueden rechazar un atajo. Pueden marcharse. Pueden exigir una parte del valor que ayudaron a crear. Desde la estrecha perspectiva del control, un enjambre de agentes obedientes parece superior.
Desde la perspectiva de construir algo duradero, esa obediencia es el peligro.
Una empresa necesita algo más que opciones generadas y ejecución rápida. Necesita personas capaces de decidir qué debería ocurrir, entender por qué, advertir cuándo ha cambiado la premisa y aceptar la responsabilidad por las consecuencias. Los LLM pueden aportar información a esas decisiones. Los agentes pueden ejecutar partes acotadas. Ninguno de los dos hace desaparecer la responsabilidad.
Por tanto, la empresa unipersonal de IA no es principalmente una predicción tecnológica. Es un deseo moral y organizativo: máxima capacidad sin depender de otros humanos, máxima producción sin compartir poder, máxima ganancia sin la molestia de un criterio que compita con el suyo.
Puede parecer brillante durante un tiempo.
El despertar comienza cuando la realidad por fin plantea una pregunta que el soberano ni siquiera sabía que debía formular y todos los agentes del reino ofrecen una respuesta impecable a otra cosa.
Cuénteme qué está pasando. Yo escucho, hago algunas preguntas prácticas y le devuelvo lo que veo: dónde puede estar el riesgo, qué puede estar bloqueando la entrega y qué parece valer la pena revisar después. Sin discurso comercial, sin compromiso. Confidencial y directo.
Iniciar una conversaciónVisibilidad y capacidad de ejecución
Navigator ofrece a tus ejecutivos una visión clara de patrones, bloqueos y capacidad. Nuestro Developer Advocate programa código productivo con tu equipo y acelera la entrega.