Búsqueda y armado de contexto
Recupera políticas, historial, información de producto e interacciones previas.
Interviene cuando el contexto es incompleto o contradictorio.
←Volver a IA
IA aplicada / Modelo operativo
2026 · Latin America
WORK → AUTONOMY
AUTONOMY → ECONOMICS
ECONOMICS → CONTROL
AI agents, unpacked
Dónde la autonomía crea valor, dónde el criterio humano sigue siendo esencial y qué se necesita para que el modelo operativo sea rentable.
La oportunidad no está en conversar mejor. Está en ejecutar mejor. La pregunta relevante para una institución financiera no es qué tan autónomo puede llegar a ser un agente, sino dónde su ejecución mejora capacidad, economía unitaria y servicio sin debilitar responsabilidad ni control.
El objetivo no es maximizar la automatización. Es maximizar el valor económico dentro de un perímetro operativo y de riesgo explícito.
Por José Ñáñez
Publicado el 7 de abril de 2026 · Actualizado el 22 de agosto de 2026•9 min de lectura
La mayoría de conversaciones sobre agentes de IA empiezan en el lugar equivocado. Empiezan con modelos, prompts o autonomía. Las instituciones financieras deberían empezar por el trabajo. Un flujo que desde fuera parece simple normalmente contiene búsqueda, validación, recomendación, aprobación, ejecución y manejo de excepciones; cada parte con un límite de control y una consecuencia económica distinta.
Esa distinción importa porque el caso de negocio de los agentes no comienza cuando un modelo produce una respuesta. Comienza cuando cambia una unidad de trabajo. Si el esfuerzo humano cae, si cambia el costo de completar un caso, si pueden procesarse más casos sin expandir el costo al mismo ritmo, y si la institución todavía puede explicar quién decidió qué, entonces el modelo operativo realmente mejoró.
Por eso esta página está organizada como un argumento, no como una lista de funcionalidades. Empieza por la anatomía del trabajo, avanza hacia la autonomía acotada, traduce capacidad liberada en economía y solo después pregunta qué arquitectura y qué modelo de control se requieren para permitir una ejecución segura.
Anatomía del trabajo
Empiece desarmando el trabajo, no escogiendo un modelo
Un caso serio de agentes comienza por la unidad de trabajo. Un mismo flujo puede combinar tareas determinísticas, criterio, validaciones de política, decisiones sensibles y manejo de excepciones. Cada parte debe tener un límite de ejecución distinto.
#TrabajoRol del agenteRol humano
Clasificación y enrutamiento
Clasifica intención, tipo de caso, prioridad y siguiente ruta operativa.
Asume casos ambiguos, de alto impacto o que requieren excepción de política.
Recolección documental e integridad
Solicita evidencia, verifica completitud y prepara seguimiento de faltantes.
Valida excepciones, dudas de autenticidad y evidencia no estándar.
Recomendación
Sintetiza hechos y propone la siguiente acción autorizada.
Decide cuando regulación, materialidad o riesgo de conducta exige criterio.
Ejecución
Ejecuta acciones reversibles, permitidas y acotadas por políticas mediante tools y APIs.
Autoriza o realiza acciones sensibles, irreversibles o de alta consecuencia.
Manejo de excepciones
Empaqueta contexto, evidencia, acciones previas y siguiente paso recomendado.
Resuelve la excepción y conserva la responsabilidad por la decisión.
READING NOTE
La unidad de trabajo cambia la conversación
Cuando el trabajo se descompone, la conversación se vuelve mucho más precisa. La pregunta deja de ser si una institución debería “usar agentes” y pasa a ser qué fragmentos de un flujo pueden delegarse, cuáles requieren supervisión y cuáles deben permanecer totalmente humanos porque el costo de equivocarse es demasiado alto.
Ese cambio es importante para la alta dirección porque conecta tecnología con apalancamiento operativo. Un banco no escala simplemente por haber incorporado IA. Escala cuando el mismo número de personas puede procesar más clientes, más productos y más interacciones sin perder claridad, control ni calidad de servicio.
La meta no es automatizar más trabajo. Es cambiar la economía del trabajo sin perder control.
Autonomía acotada
La autonomía es una decisión operativa, no una configuración tecnológica
El nivel correcto depende de consecuencia, reversibilidad, claridad de política, sensibilidad de datos y autoridad requerida. Más autonomía no es automáticamente mejor.
REGLA DE DISEÑO
La meta de diseño es autonomía económicamente óptima: suficiente autoridad de ejecución para cambiar la economía del trabajo, pero no más autoridad de la que la institución puede gobernar de forma segura.
Liderado por humano
Trabajo sensible o poco estructurado.
Agente
Busca, resume y prepara contexto.
Humano
Decide y ejecuta.
Copiloto
Trabajo intensivo en conocimiento con criterio material.
Agente
Analiza y recomienda.
Humano
Aprueba y ejecuta.
Asistido por agentes
Flujos estructurados con algunos pasos sensibles.
Agente
Ejecuta pasos de bajo riesgo y prepara puntos de control.
Humano
Aprueba checkpoints definidos y excepciones.
Agéntico acotado
Flujos repetibles, medibles y reversibles.
Agente
Ejecuta de punta a punta dentro de permisos, políticas y umbrales.
Humano
Supervisa, gestiona excepciones y puede intervenir o detener.
Solo humano
Acciones dominadas por restricciones legales, de conducta o prudenciales.
Agente
Sin autoridad de ejecución.
Humano
Mantiene control y responsabilidad completos.
La autonomía no es el premio
Muchos equipos todavía hablan de autonomía como si fuera un slider de producto. En industrias reguladas es una decisión operativa. El nivel correcto depende de consecuencia, reversibilidad, claridad de política, sensibilidad de datos y autoridad requerida para actuar.
Por eso los diseños agénticos más valiosos rara vez son los más autónomos. El mejor diseño es el que otorga suficiente autoridad de ejecución para alterar throughput y economía unitaria, manteniendo explícita la intervención humana donde la institución aún necesita criterio, aprobación o responsabilidad.
Economía de agentes
Tiempo liberado no es lo mismo que valor financiero
Un caso de negocio defendible separa capacidad operativa, valor económico reconocido y costo completo de ejecución agéntica. El modelo debe hacer explícito cada puente.
Bridge económico
01
Trabajo actual → trabajo elegible → ejecución straight-through + escalamiento + revisión + reproceso
02
Capacidad humana liberada → eficiencia capturada + crecimiento productivo + beneficio operativo no monetizado
03
Valor bruto reconocido − runtime − plataforma − observabilidad − AgentOps − gobierno = beneficio anual neto
Primero capacidad
Mida qué esfuerzo humano desaparece realmente después de elegibilidad, escalamiento, revisión y reproceso, no un porcentaje teórico de automatización.
Después uso económico
La capacidad liberada crea valor financiero solo cuando se convierte en eficiencia capturada, contratación futura evitada o volumen productivo incremental.
Cobre el modelo operativo completo
Runtime es solo un costo. Incluya tools, orquestación, plataforma, observabilidad, escalamiento, AgentOps y gobierno.
Separe costo de recurso de captura en P&G
Un menor costo modelado por caso puede coexistir con poco beneficio de corto plazo si la organización no captura o reasigna económicamente la capacidad liberada.
Tiempo ahorrado no es valor creado
Aquí es donde muchos casos de negocio de IA se inflan. El tiempo liberado no es automáticamente ahorro, porque una institución puede liberar capacidad y aun así no capturar ningún beneficio en P&G. El puente entre capacidad y valor solo se vuelve real cuando la administración convierte explícitamente esa capacidad en eficiencia, contratación futura evitada o volumen productivo adicional.
El modelo de abajo separa esas capas a propósito. Le cobra runtime, plataforma, observabilidad, AgentOps y gobierno, y además obliga a decidir cómo se usará la capacidad liberada. Eso hace que la economía se vea menos dramática, pero mucho más creíble.
El tiempo liberado solo se convierte en valor económico cuando la dirección decide cómo lo capturará.
MECÁNICA DEL MODELO
Qué calcula el simulador — y en qué orden
El modelo sigue una cadena causal. Primero reconstruye la carga humana actual; después divide el trabajo elegible entre ejecución straight-through e intervención humana; calcula el esfuerzo humano que permanece; convierte la capacidad liberada en usos económicos explícitamente seleccionados; carga el costo completo de operar agentes; y solo entonces calcula beneficio anual y payback.
Carga humana actual
Horas humanas actuales = casos anuales × minutos humanos actuales por caso ÷ 60Establece la línea base de capacidad antes de cualquier intervención agéntica. Es carga de trabajo, no ahorro de nómina.
Distribución de ejecución del agente
Casos elegibles = casos anuales × % elegibilidad; straight-through = elegibles × % STP; escalados = elegibles − straight-through; reprocesos = straight-through × % reprocesoSepara lo que el agente puede intentar, lo que completa sin ejecución humana, lo que vuelve a una persona y lo que requiere reproceso.
Esfuerzo humano después de agentes
Horas humanas transformadas = trabajo no elegible + escalamiento + revisión de straight-through + reprocesoEl modelo no supone que el trabajo elegible queda completamente automatizado. Revisión, escalamiento y reproceso permanecen visibles.
Capacidad liberada
Horas liberadas = max(0, horas actuales − horas transformadas); capacidad equivalente = horas liberadas ÷ 1.760Las horas liberadas miden capacidad operativa. El divisor de 1.760 horas es un supuesto ilustrativo de capacidad productiva anual (220 días × 8 horas), no una afirmación de reducción de personal.
Costo operativo completo del agente
OPEX agentes = casos elegibles × costo variable por caso + plataforma/observabilidad + AgentOps/gobiernoEl modelo cobra más que inferencia. Incluye la capa operativa recurrente necesaria para ejecutar, observar y gobernar agentes.
Valor económico reconocido
Valor de eficiencia = horas liberadas × costo horario × % captura; casos de crecimiento = horas liberadas × % crecimiento × casos/hora actuales; valor de crecimiento = casos adicionales × contribución por casoLa capacidad solo se monetiza cuando la dirección la asigna explícitamente a eficiencia capturada o volumen productivo adicional. La capacidad no asignada permanece como beneficio operativo, no como valor P&G.
Beneficio neto y recuperación de inversión
Beneficio anual neto = valor de eficiencia + valor de crecimiento − OPEX agentes; payback = inversión de transformación ÷ beneficio anual × 12; valor neto a 3 años = beneficio anual × 3 − inversión inicialEste es el puente económico final. El modelo no reclama ROI hasta reconocer tanto el uso de la capacidad como el costo recurrente de ejecución.
Dos lecturas se mantienen separadas intencionalmente
El costo modelado por caso compara el costo de recursos del modelo actual frente al habilitado por agentes. El beneficio anual neto es otra lectura: reconoce únicamente la parte de la capacidad liberada que la dirección decide monetizar y después resta el OPEX de agentes. Así se evita convertir automáticamente cada hora liberada en ahorro de caja.
Modelo interactivo
Economía de agentes, con sus cifras
Modele un flujo recurrente. La herramienta separa capacidad operativa de valor económico: el tiempo liberado solo entra al caso de negocio cuando la administración captura eficiencia de forma explícita o utiliza la capacidad para volumen productivo adicional.
El modelo reconoce valor solo después de separar capacidad, uso económico y costo completo de ejecución.
Presets de modo operativo
Puntos de partida ilustrativos, no benchmarks de mercado. Todos los parámetros son editables.
No se realiza conversión cambiaria. Use la misma moneda en todos los valores monetarios.
1. Carga de trabajo actual
012. Ejecución del agente
023. Uso económico de la capacidad liberada
034. Costo del programa
04Bridge económico
Del trabajo humano al valor económico reconocido
Modelo actual
Horas humanas / año
72.000
Costo laboral modelado actual
2.016.000 US$
Costo modelado actual / caso
8,40 US$
Modelo habilitado por agentes
Horas humanas / año
38.390
Costo modelado humano + agente
1.399.514 US$
Costo modelado con agentes / caso
5,83 US$
Asignación de capacidad liberada
Eficiencia 35%Crecimiento 40%Retenida 25%
Casos straight-through del agente
85.800
Casos elegibles escalados
70.200
Casos con reproceso
2574
Horas humanas liberadas / año
33.610
Capacidad equivalente liberada
19,1
Costo operativo anual de agentes
324.600 US$
Eficiencia capturada explícitamente
329.380 US$
Casos adicionales soportados por capacidad de crecimiento
44.814
Contribución incremental
358.509 US$
Beneficio económico anual neto
363.289 US$
Payback simple
14,9 meses
Valor neto a 3 años con beneficio estable
639.866 US$
TRAZABILIDAD DEL CÁLCULO
Vea las fórmulas con los valores que están actualmente en el modelo
Cada fila se actualiza con los inputs anteriores. El objetivo es hacer auditable el modelo: puede ver la fórmula, los valores sustituidos y el resultado, en lugar de confiar en un número de ROI de caja negra.
CálculoFórmula con valores actualesResultado
01Carga humana actual
240.000 × 18 ÷ 60 = 72.000 h72.000 h02Casos elegibles
240.000 × 65% = 156.000156.00003Distribución de ejecución
156.000 × 55% = 85.800 STP; 156.000 − 85.800 = 70.200 escalados; 85.800 × 3% = 2574 reprocesos85.800 / 70.200 / 257404Esfuerzo humano después de agentes
(84.000 × 18 + 70.200 × 9 + 85.800 × 1,5 + 2574 × 12) ÷ 60 = 38.389,8 h38.389,8 h05Capacidad liberada
72.000 − 38.389,8 = 33.610,2 h; 33.610,2 ÷ 1,760 = 19,1 FTE33.610,2 h · 19,1 FTE06Costo operativo de agentes
156.000 × 0,35 US$ + 180.000 US$ + 90.000 US$ = 324.600 US$324.600 US$07Costo por caso habilitado por agentes
(38.389,8 × 28,00 US$ + 324.600 US$) ÷ 240.000 = 5,83 US$5,83 US$08Valor de eficiencia capturada
33.610,2 × 28,00 US$ × 35% = 329.380 US$329.380 US$09Casos adicionales soportados por crecimiento
33.610,2 × 40% × (60 ÷ 18) = 44.81444.81410Contribución incremental de crecimiento
44.814 × 8,00 US$ = 358.509 US$358.509 US$11Beneficio económico anual neto
329.380 US$ + 358.509 US$ − 324.600 US$ = 363.289 US$363.289 US$12Payback simple
450.000 US$ ÷ 363.289 US$ × 12 = 14,9 meses14,9 meses13Valor neto a 3 años
363.289 US$ × 3 − 450.000 US$ = 639.866 US$639.866 US$La capacidad FTE equivalente utiliza 1.760 horas productivas por año como supuesto ilustrativo. La interpretación debe ajustarse si la institución utiliza otro estándar de horas productivas.
Qué reconoce el modelo
01
El trabajo no elegible permanece humano con los minutos actuales por caso.
02
El trabajo elegible se divide entre ejecución straight-through y escalamiento humano.
03
La revisión y el reproceso consumen capacidad humana antes de reconocer beneficios.
04
Las horas liberadas no se convierten automáticamente en ahorro.
05
Solo la captura explícita de eficiencia y el uso productivo para crecimiento crean valor económico bruto.
06
Runtime, plataforma, observabilidad, AgentOps y gobierno se descuentan de ese valor.
INTERPRETATION
Cómo leer el instrumento
Lea el simulador en tres pasadas. Primero, observe cuánto trabajo humano desaparece realmente después de elegibilidad, escalamiento, revisión y reproceso. Segundo, decida cómo se utiliza esa capacidad: eficiencia capturada, crecimiento productivo o beneficio operativo no monetizado. Tercero, compare ese valor reconocido con el costo completo de la nueva capa de ejecución.
Por eso el output más importante no es únicamente el ROI. Las señales más reveladoras son el costo modelado por caso completado, la capacidad liberada, el throughput adicional soportado por la asignación a crecimiento y el payback después de cargar el costo operativo real de los agentes.
América Latina
Escale la plataforma; localice el perímetro operativo
Una estrategia regional de agentes no debe clonar la implementación de un país. La capa reutilizable es la plataforma de ejecución; la capa local es el perímetro de políticas, productos, integraciones y conducta que determina qué puede hacer realmente el agente.
La economía regional mejora cuando AgentOps, observabilidad y orquestación se reutilizan mientras los derechos de decisión locales permanecen explícitos.
Plataforma regional compartida
Orquestación e identidad
Enrutamiento de agentes, contexto de sesión, permisos, autenticación y patrones de delegación.
Observabilidad y AgentOps
Trazas de ejecución, calidad, incidentes, telemetría de costos, controles de despliegue y rollback.
Arquitectura de conocimiento
Retrieval reutilizable, ciclo de vida de contenido, controles de grounding y manejo de evidencia.
Primitivas de seguridad y control
Allowlists de tools, secretos, límites de autorización, enforcement de políticas y patrones de auditoría.
Rule packs por país
Productos y elegibilidad
Productos, idoneidad, crédito, servicio y reglas comerciales específicas de cada país.
Privacidad y consentimiento
Requisitos locales de datos, disclosures, consentimiento, retención y tratamiento de información sensible.
Conducta y lenguaje
Mensajes obligatorios, comportamientos prohibidos, terminología local y límites de protección al consumidor.
Sistemas y excepciones
Cores locales, rieles de pago, servicios de identidad, estándares documentales y rutas operativas de excepción.
La ejecución necesita un sistema de control
Una vez que la economía está clara, la arquitectura debe responder una pregunta más difícil: ¿cómo puede un banco permitir que un sistema actúe sin perder control? En entornos agénticos, la arquitectura deja de ser solo una forma de generar respuestas. Se convierte en el mecanismo que define identidad, permisos, límites de política, rutas de escalamiento y evidencia continua.
Por eso AgentOps importa. A escala, la institución no está gestionando un chatbot. Está gestionando una flota de operadores con memoria, herramientas y derechos de ejecución. Observabilidad, rollback, intervención y trazabilidad no son funciones de soporte alrededor del modelo. Son parte del propio modelo operativo.
Arquitectura de referencia
La arquitectura debe controlar ejecución, no solo generar respuestas
Un LLM conectado a un canal no es un modelo operativo. La ejecución agéntica requiere identidad, políticas, tools, estado, observabilidad e intervención humana como elementos de primera clase.
Canales y entrada de trabajo
Web, móvil, WhatsApp, contact center, oficina, escritorio del asesor, colas batch y trabajo disparado por eventos.
Identidad, consentimiento y delegación
Quién actúa, en nombre de quién, con qué consentimiento, autoridad, sesión y límite de permisos.
Orquestación de agentes
Intención, planeación, selección de agentes, estado, alcance de memoria, descomposición de tareas y coordinación multiagente.
Políticas y controles de decisión
Reglas por país, producto, cliente, canal, riesgo y tipo de acción aplicadas antes de invocar tools.
Conocimiento y herramientas empresariales
Contenido fundamentado más CRM, originación, pagos, servicio, cobranza, workflow y APIs de core.
Intervención humana
Puntos de aprobación, colas de excepción, intervención, override y transferencia de contexto completo sin reiniciar el caso.
Observabilidad y AgentOps
Prompts, trazas, tool calls, latencia, costos, resultados de política, incidentes, drift, calidad, rollback y evidencia de auditoría.
Gobierno
Trate a los agentes como operadores con permisos y responsabilidad
El modelo de control debe acompañar al agente durante diseño, despliegue y operación. Un gobierno que solo revisa el modelo antes del lanzamiento es insuficiente cuando el sistema puede llamar tools, conservar estado y ejecutar acciones.
Owner definido
Un responsable de negocio por el workflow, su economía y los resultados que puede producir.
Permisos explícitos
Acceso a tools, alcance de datos, límites transaccionales y derechos de acción definidos y revocables.
Política de intervención humana
Triggers claros de aprobación, escalamiento, supervisión, override y detención forzada.
Evidencia continua
La trazabilidad debe mostrar qué vio, decidió, llamó, cambió y escaló el agente.
Umbrales de calidad y falla
Las métricas incluyen completitud, escalamiento, reproceso, error, incumplimiento de política y resultados adversos.
Disciplina de release y rollback
Versionamiento, simulación, despliegue controlado, canaries, restricciones y rollback son parte de AgentOps normal.
Ruta de adopción
Aumente autonomía solo cuando la evidencia lo soporte
La madurez no es una carrera hacia la autonomía. Cada fase debe ampliar derechos de ejecución únicamente después de demostrar umbrales económicos, de calidad y control.
01
Fase 1
Medir el trabajo
Establezca línea base de volúmenes, tiempos, reproceso, escalamiento, niveles de servicio, costo y puntos de decisión.
Gate: economía unitaria creíble y workflow descompuesto.
02
Fase 2
Asistir a humanos
Introduzca retrieval, resúmenes, recomendaciones y preparación de casos sin ejecución sensible.
Gate: mejora medible de calidad y productividad.
03
Fase 3
Ejecutar pasos acotados
Permita uso de tools de bajo riesgo, registros y acciones reversibles con checkpoints explícitos.
Gate: permisos, observabilidad y manejo de excepciones estables.
04
Fase 4
Operar workflows acotados
Mueva ciertos flujos de punta a punta con supervisión human-on-the-loop y ownership de excepciones.
Gate: economía sostenible, controles efectivos y tasas de falla aceptables.
05
Fase 5
Escalar regionalmente
Reutilice plataforma y AgentOps introduciendo rule packs e integraciones específicas por país.
Gate: validación local sin fragmentar el modelo regional de control.
METHOD / LIMITS
Metodología, supuestos y limitaciones
El modelo interactivo es determinístico y está diseñado para análisis ejecutivo de escenarios. No es un pronóstico, opinión contable, plan de fuerza laboral ni evaluación regulatoria.
Los presets de modo operativo son puntos de partida ilustrativos. No se presentan como benchmarks de industria. Un análisis formal debe utilizar datos observados del workflow y costos propios de la institución.
El modelo separa deliberadamente costo modelado de recursos y valor económico reconocido. Las horas liberadas solo se monetizan cuando el usuario las asigna explícitamente a eficiencia capturada o crecimiento productivo.
El modelo excluye pérdidas crediticias, fraude, remediación de conducta, capital regulatorio, impuestos y costos por resultados adversos al cliente. Estos efectos deben incorporarse al business case formal cuando sean relevantes.
Una implementación regional debe separar la economía de la plataforma compartida de los costos de habilitación, integración y control específicos de cada país.
Contexto de investigación
McKinsey — The paradigm shift: How agentic AI is redefining banking operationsFebrero de 2026. Sustenta el cambio desde pilotos aislados hacia rediseño end-to-end del trabajo, las decisiones y la entrega.→Accenture — Top banking trends for 2026Enmarca la IA agéntica como modelo de capacidad, enfatiza workflows orientados a intención y propone AgentOps como torre de control para escalar.→Deloitte Insights — Agentic AI risks in bankingAnálisis 2026 de permisos, responsabilidad, observabilidad, supervisión humana y controles para ejecución autónoma.→
Tesis de cierre
Los agentes de IA crean valor cuando las instituciones dejan de tratarlos como mejores interfaces y empiezan a tratarlos como una nueva unidad de ejecución controlada.
El modelo operativo ganador no maximizará autonomía. Distribuirá el trabajo entre humanos y agentes para que capacidad, economía, responsabilidad y riesgo mejoren al mismo tiempo.
Lo más importante no es qué tan avanzado parece el agente. Es si la institución puede explicar dónde se crea valor, dónde se conserva el control y cómo ambos pueden escalar al mismo tiempo.
José Ñáñez · Estrategia, tecnología y modelos operativos en industrias reguladas.