Blog

Qué delegar a un agente de IA (y qué no): el marco de supervisión

Pablo Cabrera

Fundador de OperandIA · Experto en IA aplicada a negocio

20 de julio de 202612 min de lectura

Si ya tienes un agente de IA trabajando en tu empresa —Claude Cowork, un GPT con acciones o cualquier equivalente—, probablemente ya superaste la pregunta de "¿esto sirve?". La pregunta que de verdad te quita el sueño ahora es otra: ¿cuánta cuerda le doy? Gartner lo ha puesto en cifras: predice que para 2027 el 40% de las empresas retirará o recortará agentes autónomos, no porque no funcionen, sino por fallos de gobernanza que solo se detectan tras un incidente en producción. Y McKinsey encuentra que las empresas que mejor rinden con IA tienen procesos formales de revisión humana en el 65% de los casos, frente a apenas el 23% del resto. La diferencia no es la tecnología: es si alguien decidió, por escrito, cuánta autonomía tiene cada tarea. Este artículo es ese marco de decisión, pensado para quien dirige, no para quien programa.

"Delegar o no" es la pregunta equivocada

En este blog ya explicamos qué es de verdad un agente de IA y cómo dar el primer paso con Claude Cowork sin escribir código. Si no tienes ninguno funcionando todavía, empieza por ahí. Este artículo asume que ya diste ese paso —o estás a punto— y se ocupa del problema que viene después, el que casi nadie anticipa: cuando pasas de un agente a media docena de tareas delegadas, la pregunta "¿esto se puede delegar sí o no?" deja de servir. No es binaria. Un agente que clasifica tu correo entrante no supone el mismo riesgo que uno que envía respuestas a clientes en tu nombre, y tratarlos igual —todo bajo aprobación manual o todo en piloto automático— es exactamente el error que señala Gartner: la gobernanza uniforme aplicada a agentes con riesgo distinto produce dos fallos típicos y opuestos. Sofocar de más las tareas simples (todo pasa por aprobación, el equipo deja de usar el agente y vuelve a hacerlo a mano, o peor, usa herramientas sin decírtelo) o soltar de más las tareas delicadas (el agente actúa solo donde un error sale caro). Lo que hace falta no es una lista de sí y noes. Es una escala.

El marco de los cuatro niveles de autonomía

Gartner propone un marco de cuatro niveles que traducimos aquí a lenguaje de pyme. No hace falta jerga técnica para aplicarlo: son cuatro preguntas sobre quién decide y quién actúa.

Nivel	Qué hace el agente	Qué hace la persona	Ejemplo en una pyme
1 — Observar	Lee y resume, solo acceso de lectura	Ve el resultado, no actúa basándose en él sin comprobarlo	Un agente que cada mañana resume los 150 emails entrados en el buzón de soporte
2 — Asesorar	Lee y propone: genera un borrador o una recomendación	Revisa el borrador entero y lo ejecuta él mismo (lo envía, lo publica, lo archiva)	Un agente que redacta la respuesta a una reclamación; la persona la lee, la ajusta y la envía
3 — Actuar con aprobación	Ejecuta la acción, pero pide luz verde antes de cada una	Aprueba o rechaza acción por acción, antes de que ocurra	Cowork en modo "Aprobar manualmente", o el "Plan mode" de ChatGPT Work: el agente enseña el plan, tú lo apruebas, luego actúa
4 — Actuar de forma autónoma	Ejecuta sin pedir permiso en cada paso, dentro de unos límites ya fijados	Deja de aprobar una a una y pasa a auditar: revisa registros, muestrea resultados, atiende excepciones	Un agente que clasifica y renombra 400 documentos al mes en una carpeta acotada, y tú revisas un 10% al azar cada semana

El salto importante está entre el nivel 3 y el 4: ahí es donde tu papel cambia de verdad, de aprobar decisiones una a una a vigilar el conjunto. Ese cambio de postura —de aprobación previa a revisión posterior— es exactamente lo que describe McKinsey cuando habla de organizaciones que se sitúan "por encima del bucle": no dejan de supervisar, dejan de hacerlo acción por acción.

Cómo decidir el nivel de cada tarea

No hace falta una consultora para asignar el nivel correcto a cada tarea (aunque, si prefieres no hacerlo solo, para eso existe la auditoría de IA). Tres preguntas bastan como primer filtro:

¿Un error aquí es barato y fácil de detectar? Si sí, puedes subir de nivel más rápido. Si un fallo pasa desapercibido hasta que hace daño (una cifra mal leída en una factura, una fecha de vencimiento perdida), quédate en niveles 1-2 más tiempo.
¿El resultado se verifica de un vistazo, o hay que rehacer el trabajo para comprobarlo? Si revisar te cuesta casi lo mismo que hacerlo, el agente no te está ahorrando nada; súbelo de nivel o cámbiale la tarea.
¿Toca dinero, datos sensibles o comunicación externa a un cliente? Si la respuesta es sí a cualquiera de las tres, el nivel 4 queda descartado por ahora, con independencia de lo bien que le haya ido en pruebas. No es prudencia excesiva: es la misma línea que traza el RGPD y, como veremos, la que empieza a trazar también la ley europea de IA.

La regla que aplicamos en OperandIA con nuestros clientes es simple de recordar: ninguna tarea entra en nivel 4 sin haber pasado antes un mínimo de semanas en nivel 3, con un historial revisado y sin sorpresas. La confianza en un agente se gana igual que con una persona nueva: no el primer día, con resultados sostenidos en el tiempo.

Lo que cambia el 2 de agosto: la ley empieza a pedir cuentas

Esto no es una discusión solo de buenas prácticas. El 2 de agosto de 2026 —dentro de menos de dos semanas desde que se publica este artículo— entra en vigor el artículo 50 del Reglamento europeo de IA (AI Act): obligaciones de transparencia para los sistemas de IA cuyas acciones generan resultados dirigidos directamente a personas. En la práctica, si un agente redacta o envía una comunicación que llega a un cliente, tu empresa tiene que dejar claro que ha intervenido una IA. El incumplimiento puede suponer multas de hasta 15 millones de euros o el 3% de la facturación mundial anual, lo que sea mayor.

La definición de "sistema de IA" del propio reglamento (artículo 3) ya menciona explícitamente "niveles variables de autonomía", así que los agentes no necesitan una categoría aparte: caen dentro de la norma general desde el primer día. Si además algún agente de tu empresa llegara a clasificarse como sistema de "alto riesgo" (categoría que hoy afecta sobre todo a sectores muy regulados, y cuyo calendario se ha retrasado a diciembre de 2027 tras el paquete Digital Omnibus), el artículo 12 exige algo que deberías estar haciendo ya de todos modos: registrar toda la cadena de acciones del agente —qué herramientas invocó, qué datos consultó, qué decisiones tomó, qué errores cometió—, no solo la entrada y la salida.

El paralelismo con lo que recomiendan Gartner y McKinsey no es casualidad: la ley está formalizando, con plazos y multas, la misma disciplina de registro y supervisión que ya deberías tener por sentido común de negocio. Empezar antes del 2 de agosto no es un ejercicio de cumplimiento normativo: es adelantarte a un hábito que en unos meses dejará de ser opcional para bastantes empresas.

Lo que ya hacen los proveedores por ti (y lo que sigue siendo cosa tuya)

Los grandes proveedores han empezado a construir la supervisión dentro del propio producto, no como un añadido posterior. Merece la pena conocer qué trae cada uno de fábrica, verificado a fecha de julio de 2026:

Proveedor	Producto	Qué ofrece para supervisar
Anthropic	Claude Cowork	Dos modos de permiso —"Aprobar manualmente" (pausa antes de cada acción) y "Aprobar automáticamente" (revisa cada acción y solo pausa si detecta riesgo)—, protección contra borrado permanente de archivos (exige confirmación explícita) y clasificadores que escanean el contenido en busca de intentos de manipular las instrucciones del agente
OpenAI	ChatGPT Work (lanzado el 9 de julio de 2026)	"Plan mode": el agente enseña el plan paso a paso antes de ejecutar y tú lo apruebas; check-ins configurables durante tareas largas
Microsoft	Copilot Autopilots (ej. Microsoft Scout)	Agentes que operan en segundo plano de forma continua, pero siempre dentro de los permisos y políticas que fija la organización en Microsoft Graph
Google	Gemini Enterprise Agent Platform	"Semantic Governance Policies" (en fase preliminar): evalúa en tiempo real cada acción que el agente va a ejecutar contra las reglas de negocio de la empresa, antes de dejarla pasar

Ninguna de estas funciones te libra de decidir tú los niveles. El fabricante te da el candado; la llave —qué carpeta, qué proceso, qué nivel de autonomía para cada tarea— la pones tú. Un dato que conviene tener en la cabeza al diseñar esa política: según cifras que ha publicado el propio Anthropic sobre el uso real de Cowork, más del 90% del trabajo que hace no es programación, es trabajo de oficina cotidiano —la categoría más grande, con un 33%, es justo lo que este artículo trata: operaciones y procesos de negocio como consolidar informes o conciliar hojas de cálculo—. Es la prueba de que este marco no es un ejercicio teórico: ya es el pan de cada día de miles de empresas.

Dos pymes, dos niveles de autonomía distintos

Correduría de seguros, Murcia (18 empleados). Reciben una media de 40 avisos de siniestro al mes por email, teléfono y una app del ramo, cada uno con su propio formato. Antes, una persona los leía uno a uno, decidía la categoría (daños, robo, responsabilidad civil) y abría el expediente en el sistema de gestión: unos 20 minutos por siniestro, con picos de tres días de retraso en las semanas de más volumen. Montaron un agente en nivel 2: lee cada aviso, propone la categoría y un borrador del expediente, pero es la gestora quien lo revisa y confirma antes de que entre en el sistema. No dieron el salto a nivel 3 porque una categorización incorrecta afecta directamente al cliente y a la prima aplicada; el coste de un error no era barato. Aun así, el tiempo por siniestro bajó de 20 a 7 minutos —la gestora revisa y corrige en vez de leer y clasificar desde cero—, lo que en 40 siniestros al mes son más de 8 horas recuperadas, sin ningún caso mal categorizado en los primeros tres meses.

Fabricante de componentes metálicos, Vigo (32 empleados). Reciben unas 250 facturas de proveedor al mes, en más de una decena de formatos distintos. Empezaron en nivel 3 —el agente extraía proveedor, importe, IVA y vencimiento, y administración aprobaba cada extracción antes de volcarla al programa contable— y, tras dos meses sin errores detectados sobre una muestra semanal del 20%, subieron esa tarea concreta a nivel 4: el agente vuelca directamente a un fichero de borrador, y administración audita un 15% al azar cada semana en vez de aprobar una por una. El tiempo dedicado pasó de casi tres días completos al mes a poco más de media jornada de auditoría, y mantienen un registro de qué facturas se revisaron y con qué resultado, por si algún día necesitan demostrarlo.

El patrón que comparten ambos casos no es la tecnología, es la disciplina: empezaron en un nivel prudente, midieron, y solo subieron de nivel donde el historial lo justificaba.

Quién es responsable de qué (sin tener un equipo de IA)

McKinsey describe tres roles que aparecen en las organizaciones que gestionan bien sus agentes: alguien "por encima del bucle" que fija las reglas del juego, especialistas "dentro del bucle" que revisan las excepciones y garantizan calidad, y el resto del equipo trabajando ya de forma habitual con el agente. Ninguna pyme de 20 o 40 empleados tiene un departamento de gobernanza de IA, pero sí puede repartir esos tres papeles sin contratar a nadie:

La dirección fija el documento de niveles (una página, no un manual) y decide qué tareas pueden llegar a nivel 4.
El responsable de cada área (comercial, administración, atención al cliente) aprueba cuándo una tarea sube de nivel y revisa el registro semanal de su equipo.
Cada persona que trabaja con el agente reporta lo que le llame la atención, sin necesidad de saber nada de IA: la misma regla que aplicarías si alguien nuevo se incorporase al equipo.

Checklist de gobierno mínimo para directivos

No es la lista de "qué tareas delegar" —esa ya la vimos en el artículo sobre Cowork—. Es la lista de qué tiene que existir en tu empresa antes de dar más autonomía a cualquier agente, sea cual sea la tarea:

Un documento de una página con el nivel de autonomía asignado a cada tarea delegada, no a cada herramienta.
Un registro de lo que hace el agente, aunque al principio sea tan simple como una hoja de cálculo con fecha, tarea y resultado.
Un "botón de apagado" identificado: quién puede detener al agente y cómo, por si algo va mal a mitad de una tarea.
Revisión periódica de una muestra del trabajo —semanal al empezar, mensual cuando el historial lo respalde—.
Ninguna tarea salta directamente a nivel 4: pasa antes por nivel 3 con semanas de historial limpio.
Si el resultado lo ve alguien fuera de tu empresa, queda identificado que lo generó una IA (adelántate al 2 de agosto, no esperes a que te lo exijan).
Revisión con quien lleve tu protección de datos antes de subir de nivel cualquier tarea que toque información de clientes, empleados o pacientes.

Los límites: ni todo control ni todo automático

Sé honesto contigo mismo sobre dos riesgos igual de reales, aunque contrarios. El primero, sobrecontrolar: si exiges aprobación manual para todo, el equipo dejará de usar el agente —o, peor, usará herramientas de IA sin decírtelo, lo que en inglés llaman "shadow AI" y que es exactamente el escenario que ningún directivo quiere descubrir en una auditoría—. El segundo, infracontrolar: dar autonomía de nivel 4 a una tarea que toca dinero o datos sensibles porque "de momento no ha fallado" es la antesala del incidente que cita Gartner como causa de retirada forzosa de agentes. Ninguno de los dos extremos es gestión, son dos formas de no gestionar. Y un último matiz honesto sobre presupuesto: mientras Claude y ChatGPT Business publican precios claros en sus webs, el coste de las opciones más avanzadas de nivel empresarial (ChatGPT Enterprise, sobre todo) no siempre es público y varía según el proveedor te lo cuente; pide siempre el precio por escrito antes de comprometer un contrato anual.

Por dónde empezar esta semana

La idea central: la pregunta ya no es "¿delego esta tarea o no?", es "¿en qué nivel de autonomía, con qué supervisión y durante cuánto tiempo antes de subir de nivel?". Tu primer paso, sin necesidad de tocar ninguna configuración, es coger las tareas que ya tienes delegadas a un agente —o las tres primeras candidatas si aún no tienes ninguna— y asignarles un nivel del 1 al 4 con las tres preguntas de este artículo. Ese documento de una página es, por sí solo, más gobierno del que tiene hoy la mayoría de las pymes que ya usan IA.

Si prefieres que ese marco lo diseñemos con datos de tu empresa —qué tareas, qué nivel, qué registro—, en la auditoría de IA de OperandIA lo dejamos hecho en un par de semanas.

Fuentes

← Volver al blog