
Un proceso determinístico bajó una tarea semanal de 97 minutos y US$11,73 de IA a minuto y medio y menos de US$1. Qué conviene dejarle al modelo, qué conviene programar y cómo reconocer la diferencia.
Le estábamos pagando a un modelo de IA por pensar algo que no hacía falta pensar. La tarea era enriquecer la base de asistentes de un evento, algo que nuestro equipo de Marketing repite casi todas las semanas. Con un agente resolviéndola en conversación, llevaba 97 minutos y US$11,73 de consumo de IA. Con un proceso determinístico, lleva minuto y medio y cuesta menos de un dólar.
No hizo falta un modelo mejor. Hizo falta sacarle al modelo lo que no tenía que decidir. La diferencia no la marcó una IA más capaz, sino saber qué parte del trabajo no debía pasar por ella.
El problema no es solo nuestro. Gartner anticipa que más del 40% de los proyectos de IA agéntica se van a cancelar antes de fines de 2027 por costos que crecen, valor de negocio poco claro o controles de riesgo insuficientes. Anushree Verma, directora sénior de análisis de la consultora, lo explica así: «La mayoría de los proyectos de IA agéntica hoy son experimentos o pruebas de concepto impulsados sobre todo por el hype, y a menudo mal aplicados». Pagarle a un modelo por resolver lo que podría resolver un programa es una forma muy concreta de aplicarlo mal.
Dos maneras de resolver la misma tarea
Cuando una tarea se resuelve con tecnología, hay dos caminos posibles.
El primero es probabilístico: un modelo de IA interpreta el pedido y decide cómo resolverlo. Es el camino indicado para entender lo que alguien quiere, redactar o razonar sobre un caso nuevo. Pero con la misma entrada puede llegar a resultados distintos cada vez, y cobra por todo lo que lee.
El segundo es determinístico: un programa con reglas escritas en código. Misma entrada, mismo resultado, en segundos y sin costo de IA. Cada decisión se puede auditar línea por línea.
Ninguno es mejor en abstracto. El problema aparece cuando se usa el primero para un trabajo que le corresponde al segundo.
Anthropic, la compañía detrás de Claude, plantea lo mismo en su guía para diseñar agentes: los flujos predefinidos «ofrecen previsibilidad y consistencia en tareas bien definidas», mientras que los agentes convienen cuando hace falta flexibilidad y que el modelo tome decisiones. Su recomendación es buscar la solución más simple posible y sumar complejidad solo cuando hace falta.
El caso: una base post evento, casi todas las semanas
Después de cada evento, Marketing recibe la lista de asistentes. Antes de lanzar una campaña tiene que sacar duplicados, conseguir mails, cruzar cada contacto con el CRM y clasificarlo.
Al principio, esa tarea la resolvía nuestro agente de Marketing, uno de los STX Agents que usamos en la operación diaria, en una conversación con la persona que lo pedía. Funcionaba, pero cada corrida volvía a pasar por el modelo: leer, consultar y decidir otra vez lo que ya estaba resuelto la semana anterior. Después, la misma tarea pasó a un motor programado.
Indicador | Agente conversando | Con el motor | Diferencia |
Tiempo de la tarea | 97 minutos | 1,5 minutos | −98% |
Costo de IA por base | US$11,73 | menos de US$1 | −92% |
Consultas a la base de contactos | ~480 | ~25 | −95% |
Mensajes que escribe la persona | 6 | 2: el pedido y un «sí» | −4 mensajes |
La medición del antes corresponde al agente conversando sobre una base de 283 contactos, el 3 y 4 de noviembre de 2026. La del después, al motor en uso real sobre bases de 283 y 196 contactos, el 16 y 17 de noviembre de 2026. El costo de IA del antes es una estimación del consumo del agente: el motor, por sí solo, no usa IA.
La IA no desapareció: cambió de lugar
El agente sigue en el proceso, pero ya no hace el trabajo pesado. El flujo quedó en cuatro pasos:
La persona pide en Slack: «Enriquecé esta base», más el link.
El agente entiende y dispara: interpreta el pedido en lenguaje natural y lanza el motor.
El motor hace el trabajo: duplicados, mails, cruce con el CRM, perfil y estado de cada contacto, en 39 segundos.
La persona revisa y confirma: ve una simulación, responde «sí» y recibe un Sheet nuevo.
El agente es la puerta de entrada y el motor es el que trabaja. La persona no sale del circuito: es la que confirma. Y cada corrida deja rastro: la simulación, la confirmación de una persona y una bitácora. Si alguien pregunta por qué un contacto quedó clasificado de cierta manera, la respuesta está en las reglas, no en la memoria de una conversación.

Cuatro señales de que hay un motor para construir
¿Hay un proceso así escondido en tu organización? Estas cuatro señales ayudan a encontrarlo:
Alguien lo hace todas las semanas, a mano o pidiéndoselo a la IA.
Las reglas se pueden escribir como «si pasa X, va Y».
La entrada llega siempre con el mismo formato: una planilla, un export, un mail.
Un error o una variación sale caro, en plata, en cumplimiento o en reputación.
Si se cumplen tres de las cuatro, hay un motor para construir. La IA queda para conversar.
Si falla tres veces, no es un problema de prompt
En el equipo trabajamos con una regla simple: si el modelo falla tres o cuatro veces en lo mismo, eso no se corrige con otro prompt. Se programa. Reescribir la instrucción a un sistema probabilístico mejora las chances, pero no las garantiza. Un programa sí, porque no interpreta.
Para quien recién empieza, el camino con menos riesgo es elegir un solo proceso semanal con entrada de formato fijo, medir tiempo y costo antes de tocarlo y programar solo lo repetible. La IA sigue donde hace falta criterio: entender el pedido, explicar el resultado, atender la excepción.
Es la misma lógica con la que encaramos los proyectos de consultoría en IA en Santex, y la probamos primero en nuestra propia operación. La IA no te va a diferenciar: tus decisiones sí. Decidir qué se programa y qué se le deja al modelo es una de las más rentables.
La IA conversa y decide. El código repite. La persona confirma.
Si al leer las cuatro señales pensaste en un proceso de tu operación, conversemos sobre él: en una reunión con nuestro equipo de IA lo revisamos con vos, vemos si hay un motor para construir y qué parte conviene dejarle a la IA.
Compartir en:
Like



