Por qué una hoja de ruta y no una lista de herramientas
Porque la evidencia de los pilotos que fracasan no habla de modelos, habla de proceso. El 95% de los pilotos de IA generativa en empresas no tuvo impacto en resultados; las alianzas con proveedores especializados tuvieron ~67% de éxito frente a ~33% de los desarrollos internos (MIT NANDA, «The GenAI Divide», vía Fortune, 2025-08-18). En las agencias mexicanas, las barreras para adoptar IA en agencias mexicanas son la falta de procesos definidos (26%), la ausencia de capacitación continua (24%) y la escasez de talento (19%); la falta de inversión pesa solo 13% (IAB México + IPADE, 2026-03-11). Y la recomendación de quien construye los modelos es la misma que la nuestra: anthropic distingue «workflows» (LLMs orquestados por código con caminos predefinidos) de «agentes» (el modelo dirige su propio proceso) y recomienda empezar por la solución más simple, sumar complejidad solo cuando mejora resultados medibles, y mantener guardrails y puntos de control humanos (Anthropic, «Building effective agents», 2024-12-19). La hoja de ruta ordena eso en el tiempo: primero el proceso y la medición, después la construcción acotada, al final la decisión.
Los cinco roles
| Rol | Qué pone | Qué se lleva |
|---|---|---|
| Dirección | Elige el flujo, fija el criterio de éxito y firma la decisión de cada fase. | Un número de horas medido, no una promesa; y una decisión de invertir o parar con fecha. |
| Dueño interno del flujo | Conoce el proceso de punta a punta, define qué es «correcto» y aprueba lo que sale hacia el cliente. | Las horas repetitivas de su semana convertidas en revisión; la autoridad para rechazar lo que la compuerta no vio. |
| Persona de cuentas | La relación con el cliente: qué se le cuenta, cuándo y con qué firma. | Reportes y alertas listos para revisar en vez de para armar; una cola de aprobación en vez de una bandeja de tareas. |
| Equipo del área | Registra las horas por tarea durante la medición y usa el harness en el piloto. | Menos trabajo repetitivo y una definición explícita de qué sigue siendo suyo. |
| Implementador (interno o externo) | Construye el harness: extracción por API, cálculo en código, compuertas, registro. | Un flujo acotado con criterio de aceptación escrito; nunca «automatizá la agencia». |
En una agencia chica varios roles caen en la misma persona; el único par que no conviene fusionar es implementador con dueño interno, porque quien construye el harness no debería ser quien define qué es «correcto» ni quien aprueba lo que sale hacia el cliente.
Días 1 a 30: Medir y elegir un solo flujo
Objetivo. Saber cuántas horas se van en qué, y elegir un flujo repetitivo, frecuente y con dueño para el piloto. Nada se automatiza todavía.
Qué hace cada rol
- Dirección
- Reunión de una hora con una persona por área: lista de flujos candidatos.
- Fijar el criterio de éxito del piloto en horas por semana y en calidad aceptada por la persona de cuentas, antes de elegir la herramienta.
- Decidir quién es el dueño interno; sin dueño no hay fase 2.
- Equipo del área
- Registrar horas por tarea con una plantilla de dos minutos por día durante dos semanas.
- Marcar en cada tarea qué parte es repetitiva y qué parte es criterio.
- Persona de cuentas
- Listar qué sale hacia cada cliente y con qué frecuencia: reportes, alertas, aprobaciones.
- Decir qué errores no se pueden permitir nunca frente a un cliente.
- Implementador (interno o externo)
- Inventariar accesos por API disponibles (Google Ads, Meta, GA4, Search Console) y quién es dueño de cada cuenta.
- Anotar qué datos hoy llegan por captura de pantalla o copia manual: esos son los primeros candidatos a extracción por API.
Entregables al cierre
- Mapa de flujos con horas por semana medidas, frecuencia, riesgo frente al cliente y esfuerzo.
- Un flujo elegido, con dueño interno, criterio de éxito escrito y línea base de horas.
- Lista de accesos y permisos necesarios, con cuentas propias de la agencia (nunca las credenciales personales de alguien).
Compuerta de salida: qué tiene que ser cierto para empezar la fase siguiente
- Hay línea base: horas por semana del flujo elegido medidas durante al menos dos semanas, no estimadas.
- El flujo se repite al menos una vez por semana y su salida tiene una definición de «correcto» que el dueño puede escribir en una página.
- Dirección firmó el criterio de éxito y la fecha de decisión de la fase 3.
Los umbrales son criterio operativo nuestro, escrito a partir de operar un portafolio propio con agentes; dirección fija el valor concreto en la fase 1 y no lo mueve después.
Las fallas que aparecen en esta fase
Se automatiza lo que suena moderno, no lo que consume horas · Nadie en la agencia es dueño del flujo · El agente tiene las llaves de las cuentas de los clientes. Cada una tiene su compuerta en la guía de las doce fallas.
Con qué se sostiene
- Las barreras para adoptar IA en agencias mexicanas son la falta de procesos definidos (26%), la ausencia de capacitación continua (24%) y la escasez de talento (19%); la falta de inversión pesa solo 13% (IAB México + IPADE, 2026-03-11).
- El 80% de las agencias ahorra 5 o más horas por semana con IA y el 35% ahorra 10 o más; el beneficio más citado es «reportes y resúmenes de rendimiento» (42%); el 58% aumentó la revisión humana (AgencyAnalytics, Agency Benchmarks 2026 (n=494, 64% EE.UU.), 2026-04).
- Un account manager de agencia dedica entre 6 y 12 horas por semana a reportes de clientes (consultance.ai, guía de operaciones de agencia con IA, 2026-06).
Guías de esta fase: el diagnóstico de capacidad · cómo es la primera semana del diagnóstico completo · cuánto cuesta automatizar y qué encarece un flujo.
Días 31 a 60: Piloto medido de un flujo, con compuertas
Objetivo. Construir el harness del flujo elegido y hacerlo correr en paralelo con el proceso actual durante al menos tres ciclos, midiendo horas, rechazos de la compuerta y ediciones humanas.
Qué hace cada rol
- Implementador (interno o externo)
- Extraer por API, calcular en código, escribir la narrativa sobre la tabla cerrada y verificar cada cifra antes de que nadie la vea.
- Empezar con el flujo más simple que resuelve el caso; sumar agentes especializados solo cuando la medición lo pida.
- Armar la evaluación con entre veinte y cincuenta casos reales del flujo, tomados de errores que ya pasaron.
- Poner tope de tokens y de costo por corrida y por cliente desde el primer día.
- Dueño interno del flujo
- Revisar cada salida del piloto y marcar qué editó y por qué: esa lista es la especificación de la versión siguiente.
- Rechazar lo que la compuerta dejó pasar y anotarlo como caso nuevo de la evaluación.
- Persona de cuentas
- Recibir el resultado como cola de aprobación, no como envío automático; nada llega al cliente sin su firma en esta fase.
- Comparar el resultado del harness con el que hoy arma a mano, ciclo por ciclo.
- Dirección
- Mirar el tablero semanal: horas humanas por pieza, tasa de rechazo, porcentaje editado, costo del modelo.
- No mover el criterio de éxito a mitad del piloto.
Entregables al cierre
- El harness del flujo en un repositorio, con sus compuertas, su registro y su evaluación.
- Tres ciclos medidos en paralelo: horas antes y después, rechazos de la compuerta, porcentaje del texto editado por la persona, costo del modelo por ciclo.
- Una lista de lo que sigue siendo humano, escrita por el dueño interno.
Compuerta de salida: qué tiene que ser cierto para empezar la fase siguiente
- Las horas humanas por ciclo bajaron respecto de la línea base en la medida que dirección fijó en la fase 1, medidas y no percibidas.
- Ningún ciclo llegó al cliente con una cifra que no estuviera en la tabla de datos (la compuerta de cifras rechazó todo lo que no cerraba).
- El porcentaje de texto editado por la persona bajó entre el primer ciclo y el tercero; si sube, el flujo no está listo.
- El costo del modelo por ciclo está dentro del tope fijado y se sabe por cliente.
Los umbrales son criterio operativo nuestro, escrito a partir de operar un portafolio propio con agentes; dirección fija el valor concreto en la fase 1 y no lo mueve después.
Las fallas que aparecen en esta fase
El reporte llega al cliente con una cifra que el modelo inventó · El costo del modelo crece sin que nadie lo mire · El sistema publica o envía sin que una persona lo vea · La calidad se juzga por sensación. Cada una tiene su compuerta en la guía de las doce fallas.
Con qué se sostiene
- Al resumir documentos, los mejores modelos alucinan entre 1,8% y 3,3% de las veces y varios modelos frontera entre 8% y 12%: sin una compuerta de verificación, alrededor de 1 de cada 10 resúmenes lleva un error factual (Vectara, Hallucination Leaderboard (HHEM), 2026-05-11).
- Anthropic distingue «workflows» (LLMs orquestados por código con caminos predefinidos) de «agentes» (el modelo dirige su propio proceso) y recomienda empezar por la solución más simple, sumar complejidad solo cuando mejora resultados medibles, y mantener guardrails y puntos de control humanos (Anthropic, «Building effective agents», 2024-12-19).
- Anthropic recomienda empezar las evaluaciones de agentes con 20 a 50 tareas simples tomadas de fallas reales, combinando calificadores por código, por modelo y humanos (Anthropic, «Demystifying evals for AI agents», 2026-01-09).
- Caso documentado: el reporte mensual pasó de 11 horas a 90 minutos con IA en el flujo; las propuestas, de 6 horas a 90 minutos (Lilach Bullock, consultora de agencias (Reino Unido), 2026).
Guías de esta fase: el harness de reportes, paso por paso · la plantilla con la compuerta de cifras · las alertas de anomalías en Google Ads con el código · cómo montar el harness con Claude Code.
Días 61 a 90: Operar, extender a un segundo flujo y decidir
Objetivo. Pasar el primer flujo a operación con aprobación humana donde importa, elegir el segundo flujo con el mismo método y llegar al día 90 con una decisión escrita: seguir, ampliar o parar.
Qué hace cada rol
- Dirección
- Decidir con el tablero, no con la sensación: horas recuperadas, calidad aceptada, costo, incidentes.
- Decidir qué se hace con la capacidad recuperada: más clientes o más alcance por cliente, antes que recortar.
- Firmar la decisión del día 90 y la fecha de la próxima revisión.
- Persona de cuentas
- Pasar de revisar todo a revisar por muestra en las piezas que la compuerta ya verifica, y todo en las que no.
- Contarle al cliente cómo se hace ahora su trabajo, con el registro a mano.
- Dueño interno del flujo
- Escribir el manual del flujo: qué hace el harness, qué hace la persona, qué pasa cuando la compuerta rechaza.
- Proponer el segundo flujo a partir del mapa de la fase 1, con la misma vara.
- Implementador (interno o externo)
- Dejar el flujo con alertas de costo, de rechazos y de fallas de API.
- Documentar qué del harness se reutiliza en el segundo flujo y qué no.
- Repetir la fase 2 para el segundo flujo con la línea base que ya existe.
Entregables al cierre
- El primer flujo en operación, con manual, registro auditable y alertas.
- El segundo flujo elegido y con línea base.
- La decisión del día 90 por escrito: qué se midió, qué se logró, qué se invierte en los próximos 90 días o por qué se para.
Compuerta de salida: qué tiene que ser cierto para dar por cerrados los 90 días
- El primer flujo corrió sin intervención técnica durante al menos cuatro semanas y cada rechazo de la compuerta tiene un registro.
- El dueño interno puede explicar el flujo sin el implementador delante.
- La capacidad recuperada tiene un destino decidido (clientes nuevos, más alcance, menos horas extra) y una fecha.
- La decisión del día 90 está firmada por dirección, con las cifras del tablero pegadas.
Los umbrales son criterio operativo nuestro, escrito a partir de operar un portafolio propio con agentes; dirección fija el valor concreto en la fase 1 y no lo mueve después.
Las fallas que aparecen en esta fase
El piloto nunca termina y nadie lo cierra · Bajó el costo de producir y la agencia bajó el precio · El sistema vive en la cabeza del proveedor o en una herramienta que no se puede abrir · Se producen cientos de páginas y el dominio del cliente deja de crecer. Cada una tiene su compuerta en la guía de las doce fallas.
Con qué se sostiene
- El 95% de los pilotos de IA generativa en empresas no tuvo impacto en resultados; las alianzas con proveedores especializados tuvieron ~67% de éxito frente a ~33% de los desarrollos internos (MIT NANDA, «The GenAI Divide», vía Fortune, 2025-08-18).
- Gartner prevé que más del 40% de los proyectos de agentes de IA se cancelen antes de 2027; el MIT estima que el 95% de los pilotos de IA generativa no llegan a producción (Gartner y MIT, vía Forbes Centroamérica, 2026-05-25).
- Las agencias que usaron la IA solo para bajar costos sin subir precios «se comoditizaron en 18 meses» (Lilach Bullock, 2026).
- Entre 400 decisores que contratan agencias, solo el 29% espera fees más bajos por la IA; el 89% exige accountability total, el 47% mayor calidad y el 37% quiere que la agencia le enseñe a usar IA (Agency Management Institute, Agency Edge 2026 (Audience Audit), 2026).
- El margen neto promedio de las agencias digitales fue 13% en 2025; las que redujeron su oferta de servicios alcanzaron 30% de margen neto y crecieron 13% contra 7,5% del promedio (Promethean Research, 2026 State of Digital Services (n=119), 2026-02).
Guías de esta fase: las doce fallas y sus compuertas · el harness de contenido, si el segundo flujo es contenido · la compuerta por indexación antes de un lote programático · el caso Aurora, con los números buenos y los malos.
El tablero de los 90 días
Seis métricas, las mismas que la pieza de medición de un harness. Se miran cada semana desde el día 1 (la línea base) hasta el día 90 (la decisión); sin ellas, lo que hay al final es una sensación.
| Métrica | Cómo se mide | Quién la carga |
|---|---|---|
| Horas humanas por pieza | Registro de dos minutos por día del equipo; se compara contra la línea base de la fase 1. | Equipo del área |
| Tasa de rechazo de la compuerta | Salidas rechazadas por la verificación automática sobre salidas generadas, por ciclo. | Implementador (interno o externo) |
| Porcentaje editado por la persona | Diferencia entre lo que generó el harness y lo que se aprobó, por pieza. | Dueño interno del flujo |
| Costo del modelo por ciclo y por cliente | Tokens de entrada y salida por corrida, al precio vigente del proveedor, con tope. | Implementador (interno o externo) |
| Incidentes frente al cliente | Cualquier pieza que llegó al cliente y hubo que corregir; objetivo: cero. | Persona de cuentas |
| Capacidad recuperada y su destino | Horas por semana liberadas y en qué se usaron: clientes nuevos, alcance, horas extra. | Dirección |
Lo que esta hoja de ruta no promete
- Un porcentaje de ahorro antes de medir: el número sale de la fase 1, no de una landing.
- Automatizar «la agencia»: se automatiza un flujo, después otro; el resto sigue siendo trabajo de personas.
- Despidos como métrica: la capacidad recuperada vale más vendida que recortada, y la agencia que reduce equipo pierde el conocimiento que hace posible el harness.
- Que el modelo publique o envíe solo: todo lo que sale hacia un cliente pasa por una persona en los 90 días, y después también donde la compuerta no puede verificar.
Fuentes citadas
- IAB México + IPADE (2026-03-11): Las barreras para adoptar IA en agencias mexicanas son la falta de procesos definidos (26%), la ausencia de capacitación continua (24%) y la escasez de talento (19%); la falta de inversión pesa solo 13%.
- AgencyAnalytics, Agency Benchmarks 2026 (n=494, 64% EE.UU.) (2026-04): El 80% de las agencias ahorra 5 o más horas por semana con IA y el 35% ahorra 10 o más; el beneficio más citado es «reportes y resúmenes de rendimiento» (42%); el 58% aumentó la revisión humana.
- consultance.ai, guía de operaciones de agencia con IA (2026-06): Un account manager de agencia dedica entre 6 y 12 horas por semana a reportes de clientes.
- Vectara, Hallucination Leaderboard (HHEM) (2026-05-11): Al resumir documentos, los mejores modelos alucinan entre 1,8% y 3,3% de las veces y varios modelos frontera entre 8% y 12%: sin una compuerta de verificación, alrededor de 1 de cada 10 resúmenes lleva un error factual.
- Anthropic, «Building effective agents» (2024-12-19): Anthropic distingue «workflows» (LLMs orquestados por código con caminos predefinidos) de «agentes» (el modelo dirige su propio proceso) y recomienda empezar por la solución más simple, sumar complejidad solo cuando mejora resultados medibles, y mantener guardrails y puntos de control humanos.
- Anthropic, «Demystifying evals for AI agents» (2026-01-09): Anthropic recomienda empezar las evaluaciones de agentes con 20 a 50 tareas simples tomadas de fallas reales, combinando calificadores por código, por modelo y humanos.
- Lilach Bullock, consultora de agencias (Reino Unido) (2026): Caso documentado: el reporte mensual pasó de 11 horas a 90 minutos con IA en el flujo; las propuestas, de 6 horas a 90 minutos.
- MIT NANDA, «The GenAI Divide», vía Fortune (2025-08-18): El 95% de los pilotos de IA generativa en empresas no tuvo impacto en resultados; las alianzas con proveedores especializados tuvieron ~67% de éxito frente a ~33% de los desarrollos internos.
- Gartner y MIT, vía Forbes Centroamérica (2026-05-25): Gartner prevé que más del 40% de los proyectos de agentes de IA se cancelen antes de 2027; el MIT estima que el 95% de los pilotos de IA generativa no llegan a producción.
- Lilach Bullock (2026): Las agencias que usaron la IA solo para bajar costos sin subir precios «se comoditizaron en 18 meses».
- Agency Management Institute, Agency Edge 2026 (Audience Audit) (2026): Entre 400 decisores que contratan agencias, solo el 29% espera fees más bajos por la IA; el 89% exige accountability total, el 47% mayor calidad y el 37% quiere que la agencia le enseñe a usar IA.
- Promethean Research, 2026 State of Digital Services (n=119) (2026-02): El margen neto promedio de las agencias digitales fue 13% en 2025; las que redujeron su oferta de servicios alcanzaron 30% de margen neto y crecieron 13% contra 7,5% del promedio.
Las fases, los roles, las compuertas y el tablero son criterio operativo nuestro, escrito a partir de operar un portafolio propio con agentes y del orden de los servicios publicados (diagnóstico, piloto medido, operación); los datos llevan su fuente y fecha, y si una fuente cambia se corrige acá. Actualizada el 2026-09-20.