← Blog

Entrega con IA

Con la IA, empezar el trabajo es casi gratis. Terminarlo sigue siendo caro.

Los equipos con agentes de IA empiezan más trabajo que nunca y entregan más o menos lo mismo. Empezar se ha abaratado; verificar, integrar y lanzar cuesta lo mismo que antes. La salida es una disciplina antigua: limitar el trabajo en curso y contar solo el trabajo terminado.

Empezar un trabajo nuevo nunca había sido tan barato. Un hilo más con el agente. Una idea más. Un experimento más corriendo en segundo plano. El coste de empezar algo se ha desplomado: un agente de IA acepta cualquier tarea que le des, al instante, a cualquier hora.

Lo que no se ha desplomado es el coste de terminar. Verificar, integrar, revisar, desplegar: llevar el trabajo al punto en que funciona en producción y aporta valor cuesta casi exactamente lo mismo que antes.

Así que los equipos empiezan más que nunca y entregan más o menos lo mismo. Los tableros se llenan de trabajo a medias. Los agentes trabajan todo el día, la factura de tokens crece y, por algún motivo, las notas de la versión no son más largas que las del trimestre pasado.

Es un viejo problema de flujo que las herramientas nuevas amplifican, así que unos prompts mejores no lo arreglarán. La solución también es vieja: limitar el trabajo en curso y optimizar para terminar. Gana quien más termina, y quien más empieza se queda con el tablero lleno. El resto del artículo defiende esta idea: primero con dinero y después con mecánica.

Cuánto cuesta de verdad el trabajo con IA y cómo contarlo

Durante décadas, el coste de una tarea era invisible: quedaba enterrado en los salarios fijos. Un mes de un desarrollador cuesta lo mismo tanto si una función llevó tres intentos como treinta, así que nadie contaba los intentos. Con los agentes de IA, cada acción tiene un precio, y las cuentas se vuelven muy visibles muy rápido.

Así se ve en la práctica. Un agente hizo 40 intentos, gastó 15 dólares en tokens y aun así no entregó una función que funcionara. Ahora multiplícalo por todas las tareas que tu equipo lleva en un mes. El ciclo que hay detrás de esa factura lo conoce cualquiera que use agentes en trabajo real: un intento. Casi funciona. Otro intento. Algo mejor. Luego algo se rompe, el contexto se pierde, empiezas a arreglar y va a peor. En algún momento lo ves con claridad: una «tarea» rara vez es una sola acción. Son decenas de iteraciones (intentos, correcciones, callejones sin salida), y las pagas todas, también las que tiras.

Cuenta de resultados de un agente de IA dibujada a mano: producción, cero funciones que funcionen; coste, 15 dólares en tokens e infraestructura; resultado, menos 15 dólares y ninguna función entregada
La cuenta de resultados de una tarea fallida: cada intento facturado, nada en producción.

Para saber cuánto te cuesta de verdad la entrega, solo tienes que contar tres cosas:

  • cuántas tareas llegaron a un resultado que funciona,
  • cuántas iteraciones hicieron falta,
  • y cuánto costaron esas iteraciones.

Divide el gasto total entre las tareas terminadas y obtienes el número que importa: el coste por tarea con éxito, lo que te cuesta de verdad una pieza de trabajo terminada.

La recompensa es que optimizar deja de ser adivinar. ¿El prompt nuevo ayuda de verdad? ¿Los tests alrededor del agente compensan lo que cuestan? ¿Sirvió de algo ese cambio en el proceso? Subjetivamente, todo «parece ir mejor» siempre. Al número le da igual cómo parezca: después de cualquier cambio, el coste por tarea con éxito o bajó o no bajó.

Una advertencia antes de ponerte a optimizarlo. Si observas a equipos trabajando con esta métrica, verás que van directos al precio de los tokens y el nivel del modelo, y se les escapa la verdadera fuga. El objetivo es conseguir el máximo de resultados con éxito por cada dólar gastado; ahorrar tokens es secundario. Y lo que más pesa en el coste por tarea terminada es todo el trabajo que empezaste y nunca terminaste, mucho más que el precio de una iteración.

Tus métricas de entrega siguen valiendo para el trabajo con IA

Si has leído cómo diagnostico los procesos de entrega, el marco aquí es el mismo. Todas las métricas que describían a un equipo humano siguen valiendo. Solo ha cambiado una cosa de verdad:

MétricaQué cambia con los agentes de IA
Throughput: tareas entregadas por periodoNada. Lo que cuenta es lo que llega a producción.
Time to Market: de la idea al resultado que funcionaNada. El reloj sigue corriendo hasta producción.
Calidad: trabajo que se puede usar sin rehacerloNada. Lo que te sigue comiendo es rehacer el trabajo.
NPS: si el resultado aporta valorNada. El valor sigue siendo lo que importa.
Coste por tarea con éxito: gasto total ÷ tareas terminadasTodo. Antes era invisible, enterrado en los salarios. Ahora cada tarea trae su factura.

Puedes entregar rápido pero caro, barato pero ahogado en retrabajo, o mucho pero nada que los usuarios necesiten, y las cuentas dejan de cuadrar sin hacer ruido.

El sistema de medición ha sobrevivido. Lo que ha cambiado es dónde se acumula el trabajo.

Por qué tu agente de IA rinde peor con cada tarea en paralelo

Dos mecanismos se comen las ganancias. Los dos son antiguos; los dos se han amplificado.

El primero es la espera. En la mayoría de los sistemas, casi ninguna tarea está en manos de nadie: están esperando. Mira ahora un proceso de trabajo con IA: tú esperas al agente (generación, tests, despliegue) y luego el agente te espera a ti (una respuesta, una decisión, la siguiente instrucción). Mientras una tarea espera, cambias a otra; al fin y al cabo, empezarla es casi gratis. Cada tarea que añades alarga la cola para todas. A la ley de Little (el lead time es igual al trabajo en curso dividido entre el throughput) le da igual que trabajen personas o agentes. Empieza más sin terminar más y cada tarea simplemente vive más tiempo.

El segundo es el contexto. Todo sistema tiene un límite de trabajo activo que puede sostener. Para una persona, el límite es la atención y la memoria. Un estudio sobre el trabajo interrumpido comprobó que la gente sí compensa los cambios de tarea (trabaja más rápido), pero lo paga con más carga de trabajo, más estrés y más frustración, medibles (Mark, Gudith y Klocke, 2008). El coste es real; solo que lo cargan las personas y no aparece en la factura.

Para un agente, el límite es la ventana de contexto, y ahí el deterioro se ve directamente en el resultado. Un estudio de agentes web en tareas de contexto largo (Chung et al.) comprobó que el rendimiento se desploma a medida que se acumula historial irrelevante en el contexto, justo lo que produce un hilo con varias tareas. Con el ruido acumulado hasta unos 150 000 tokens, la tasa de éxito cayó del 40–50 % a un solo dígito en algunos de los modelos probados: GPT-4.1 bajó de aproximadamente el 45 % al 2,7 %.

Las personas pierden la concentración y los agentes pierden el contexto, pero es el mismo fallo. Demasiado trabajo en curso degrada a quien trabaja, esté hecho de neuronas o de tokens.

Un hilo, una tarea: límites de WIP para el trabajo con IA

La disciplina que lo arregla existe desde hace décadas. Con la IA se ha vuelto obligatoria, porque la tentación de empezar más nunca había salido tan barata.

Dos tableros kanban comparados: empezar más satura la columna In Progress (en curso) mientras Done (hecho) sigue casi vacía; terminar más mantiene pequeño el trabajo en curso y llena Done de tareas completadas
Empezar más llena el tablero. Terminar más llena producción.
  • Para los agentes: un hilo, una tarea. Mantén cada hilo centrado en un solo resultado. Cuando surgen temas secundarios (un bug que has visto, una refactorización que merece la pena), van a una lista o a otro agente, fuera de esa conversación. Un hilo centrado termina; uno sobrecargado da vueltas.
  • Para ti: termina antes de empezar. Antes de abrir una tarea nueva, pregúntate qué puedes cerrar. Un agente que espera tu revisión es trabajo en curso. Tres agentes esperando tu revisión son una cola, y el cuello de botella eres tú.
  • Para el equipo: los mismos límites de WIP, aplicados a los dos tipos de trabajadores. La cifra que importa es cuánto trabajo sin terminar hay en el sistema; las tareas empezadas y la actividad de los agentes no dicen nada. Una larga lista de hilos activos es inventario.

El cambio incómodo está en lo que cuenta como señal de progreso. Antes el trabajo empezado escaseaba, así que empezar significaba algo. Ahora que empezar es casi gratis, gana quien más termina, y quien más empieza se queda con el tablero lleno. Menos cosas en marcha, más cosas hechas.

La restricción se ha movido, y conviene seguirla

Si aceptas la tesis (terminar antes que empezar), de ella se sigue una consecuencia más, y para las startups que usan mucho la IA es la más importante.

Para un fundador en solitario o un equipo pequeño que usa la IA con disciplina, escribir código casi ha dejado de ser la restricción. Las iteraciones son baratas comparadas con el coste del trabajo sin terminar; la generación en sí es rápida. Lo que escasea ahora es la capacidad de decidir qué construir, por qué y para quién, y la capacidad de llevar el trabajo hasta el final. Para un equipo de producto de 5 a 50 ingenieros, programar todavía cuesta, pero la dirección es la misma: el cuello de botella se desplaza de la producción de código a las decisiones y al cierre del trabajo.

Es lo básico de la teoría de restricciones: cuando la restricción se mueve, optimizar la antigua es esfuerzo perdido. Sacarle otro 10 % a la generación de código no cambia nada si el trabajo muere esperando la verificación, la revisión y una decisión.

La IA mantiene vigente el pensamiento sistémico y encarece los errores del sistema, porque ahora su factura llega al instante, desglosada y en dólares. Si tu proceso de entrega pierde trabajo entre «empezado» y «en producción», los agentes escalarán esa pérdida encantados. (Si estás en ese punto con un producto construido con IA, escribí aparte sobre cómo rescatarlo).

Preguntas frecuentes

¿Por qué mi agente de IA rinde peor cuando le doy varias tareas a la vez?

Porque la memoria de trabajo de un agente, su ventana de contexto, es un límite fijo, y los estudios muestran que la tasa de éxito se desploma a medida que se acumula contexto irrelevante en un hilo. Cinco tareas en una conversación significan detalles borrosos y decisiones olvidadas. Usa un hilo por tarea y manda el trabajo secundario a otra parte; con el mismo agente entregarás más.

¿El coste en tokens es lo que hay que optimizar?

Normalmente no. Con una higiene básica, los tokens son una partida menor. Lo caro es el trabajo sin terminar: tareas que consumieron iteraciones y murieron antes de llegar a producción, y colas donde un trabajo casi terminado espera revisión. Optimiza primero la tasa de tareas terminadas; el precio de los tokens, más adelante, si acaso.

¿La IA deja obsoletos los límites de WIP?

Al contrario. Los límites de WIP existían porque empezar era tentador y terminar era difícil. La IA ha hecho que empezar sea casi gratis, lo que vuelve la tentación más fuerte y el límite más valioso. Y ahora se aplica tanto a tus agentes como a tu equipo.