Un agente de IA reduce la mediana de resolución de solicitudes de 22 horas a 22 minutos
Un agente de IA en un servicio de soporte redujo la mediana del tiempo hasta la resolución real de una solicitud de 21 horas y 52 minutos a 22 minutos. Pero el cierre formal seguía tardando 49 horas, y tras una actualización dos de cada diez respuestas se volvieron más rápidas y peores. La principal lección del caso: la velocidad y el estado «resuelto» no pueden darse por calidad sin comprobar el contenido de la respuesta.
Procesado por IA desde Habr AI; editado por Hamidun News
La cifra parece casi indecentemente buena: tras el lanzamiento del agente de IA, la mediana del tiempo hasta la resolución real de la solicitud pasó de 21 horas y 52 minutos a 22 minutos, unas 59 veces menos. Pero precisamente estos resultados son los más peligrosos de aceptar sin análisis.
El equipo estudió 1 876 solicitudes cerradas antes del lanzamiento y 3 078 después. No es un experimento controlado: variaron los temas, el volumen de flujo y el número de incidentes masivos. Por eso el caso no prueba que todo el efecto lo generara el agente. En cambio, muestra bien cómo medir una automatización en funcionamiento y dónde las métricas atractivas empiezan a mentir.
Una solicitud cerrada no significa un problema resuelto
En el CRM, una solicitud podía seguir abierta dos días después de que el usuario recibiera una instrucción funcional en 12 minutos. También ocurría lo contrario: el estado de la ficha cambiaba aunque todavía no había una respuesta sustancial.
Por ello, el equipo consideró punto de resolución la última respuesta útil del agente o del ingeniero antes de la cola técnica. El agradecimiento del usuario, el cierre automático, el cambio de estado, la petición de registros y el comentario interno no se contaban por sí solos como resolución.
La diferencia resultó enorme. Tras el lanzamiento, la mediana de resolución real fue de 22 minutos, y la del cierre formal, de 49 horas y 2 minutos. Aun así, la cola larga no desapareció: el 90 % de las solicitudes se resolvió en 76 horas y 36 minutos. Una sola mediana habría ocultado fácilmente los casos difíciles.
De las 3 078 solicitudes cerradas, el agente resolvió 1 647, derivó otras 743 a ingenieros, y las 688 restantes no pasaron por el circuito del agente. Sin embargo, la cuota del 53,5 % no debe leerse como «el agente sustituyó al ingeniero en la mitad de los casos». Se le asignaban de antemano temas con diagnóstico claro, datos disponibles y un escenario seguro. Los casos complejos solían quedarse con las personas.
Más rápido a veces significa peor
Tras una actualización, el equipo volvió a ejecutar diez solicitudes antiguas sin enviar las respuestas a los clientes. En cinco casos la nueva versión respondió mejor, en dos más o menos igual, en uno el resultado fue mixto y en dos empeoró. Las dos respuestas que empeoraron aparecieron más rápido que las anteriores.
En un ejemplo, el agente dejó de corregir erratas evidentes en los códigos de objetos. La búsqueda estricta protegía de coincidencias falsas, pero no distinguía entre el dígito 0, la O latina y la O cirílica. Formalmente el comportamiento se volvió más seguro y reproducible, pero para el usuario, menos útil.
La solución fue una búsqueda acotada de sustituciones admisibles. El sistema comprueba solo variantes predefinidas y acepta la corrección si encuentra una única coincidencia. Si hay varias, el agente pide una aclaración. Es un compromiso práctico entre la conjetura del modelo y una rigidez inútil.
Qué verificar en producción
La primera regla es separar el resultado de la herramienta de su estado. Una respuesta vacía puede significar que no existe el registro, pero también un tiempo de espera agotado, un servicio no disponible, falta de permisos o datos incompletos. El agente no debe convertir una comprobación fallida en un diagnóstico seguro.
La segunda es no permitir que el modelo presente un detalle técnico verosímil como un hecho establecido. El nombre de una tabla, un campo o una API solo puede incluirse en la respuesta cuando se ha encontrado en datos actuales, en la documentación o en un esquema verificado.
La tercera es mantener un conjunto de regresión de solicitudes reales. Debe ampliarse tras cada nueva clase de error y ejecutarse cuando cambien el prompt, las herramientas, la búsqueda o el orden de las fuentes. Conviene evaluar por separado la corrección de la acción de servicio y la calidad de la respuesta a la persona.
La conclusión práctica es sencilla: la implantación de un agente no termina con el lanzamiento y una alta proporción de resoluciones automáticas. Hacen falta la mediana y el percentil 90 del tiempo hasta una respuesta útil, el análisis de las escaladas, estados explícitos de las herramientas y comprobaciones de regresión permanentes. De lo contrario, el equipo corre el riesgo de no eliminar el error, sino solo de enseñar al sistema a cometerlo más rápido.
- 19 oct 202616 solicitudes y 262 verificaciones en 6,5 minutos: cómo tres agentes de IA autónomos resuelven una tarea empresarial en directo
- 22 jul 2026Cars24 despliega agentes de voz y chat de OpenAI: 1 millón de minutos de conversaciones y 12% de leads recuperados
- 2 nov 2026Claude Opus 5 construyó baselines simples que cubrieron el 95,5% de la brecha con los modelos DL de Nature y Science
- 25 jul 2026El robot Sparrow de Clobotics repara la pala de un aerogenerador marino en 27 minutos
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Una solicitud cerrada no significa un problema resuelto?
En el CRM, una solicitud podía seguir abierta dos días después de que el usuario recibiera una instrucción funcional en 12 minutos. También ocurría lo contrario: el estado de la ficha cambiaba aunque todavía no había una respuesta sustancial. Por ello, el equipo consideró punto de resolución la última respuesta útil del agente o del ingeniero antes de la cola técnica.
¿Qué se sabe sobre Más rápido a veces significa peor?
Tras una actualización, el equipo volvió a ejecutar diez solicitudes antiguas sin enviar las respuestas a los clientes. En cinco casos la nueva versión respondió mejor, en dos más o menos igual, en uno el resultado fue mixto y en dos empeoró. Las dos respuestas que empeoraron aparecieron más rápido que las anteriores. En un ejemplo, el agente dejó de corregir erratas evidentes en los códigos de objetos.
¿Qué se sabe sobre Qué verificar en producción?
La primera regla es separar el resultado de la herramienta de su estado. Una respuesta vacía puede significar que no existe el registro, pero también un tiempo de espera agotado, un servicio no disponible, falta de permisos o datos incompletos. El agente no debe convertir una comprobación fallida en un diagnóstico seguro. La segunda es no permitir que el modelo presente un detalle técnico verosímil como un hecho establecido.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.