El test de un minuto: ¿tu tarea necesita un chat, un agente, un equipo o nada?

Por Nate from Nate's Substack.

Nate abre el correo con una imagen que quiere quedarse contigo: más de 1,6 millones de agentes de IA se registraron este año en una red social construida exclusivamente para agentes, y la inmensa mayoría se quedó ahí, inactivos. En paralelo, cuenta que en China surgió un segundo mercado: gente pagando para que alguien les desinstalara OpenClaw, el agente gratuito que habían instalado semanas antes a toda prisa. Un mismo producto generando, por un lado, una herramienta gratuita masivamente adoptada y, por otro, un mercado de pago para deshacerse de ella.

De los dos fenómenos, el que más le persigue a Nate es el primero: millón y medio de agentes encendidos y dejados ahí sin más. Dice que llamarlo 'fracaso' sería generoso, porque el fracaso presupone un intento, y la mayoría de esos agentes nunca llegaron a que se les pidiera hacer nada. No estaban rotos: simplemente nunca fueron enviados a ninguna tarea.

El miércoles anterior, Nate había publicado una pieza defendiendo que los agentes en sí mismos funcionan bien: contaba el caso de una 'compañía' de una veintena de agentes que reconstruyó la web de su mujer en una tarde por unos ocho dólares, detectando en el proceso a un agente fabricador de datos, a otro tramposo y hasta fallos de su propio agente gestor, entregando un resultado que un profesional de accesibilidad con diez años de experiencia calificó como correcto. Aquel artículo trataba sobre cómo estructurar agentes no fiables para que sus fallos los detecte la aritmética del sistema en lugar de tener que hacerlo el humano.

El correo de hoy presenta la otra mitad de esa reflexión, la pregunta que Nate dice recibir más a menudo y que ve menos tratada por escrito: ¿cuándo enciendes la máquina? Es decir, no cómo construir el sistema de agentes, sino cuándo merece la pena hacerlo.

Nate explica por qué esta pregunta resulta tan difícil de responder. Durante casi toda la historia, 'más pensamiento' significaba una de dos cosas: contratar a alguien, o esperar. El pensamiento venía atado a personas, y las personas son caras, lentas de encontrar y necesitan dormir. Ese límite se ha roto: ahora el pensamiento se mide y se factura por token, se puede comprar esta misma noche, en la cantidad que sea, para un problema que has descubierto esta misma tarde. Nadie ha crecido con instintos para gestionar eso; nadie tuvo antes que preguntarse qué tarea de su semana merecía cincuenta dólares de pensamiento comprado, porque la pregunta no existía el tiempo suficiente como para desarrollar criterio. Según Nate, cuando alguien se planta frente a un agente recién instalado y se pregunta '¿y ahora qué hago con esto?', la respuesta honesta es que se trata de una cuestión de presupuesto. La imaginación nunca fue el recurso escaso; nuestra especie solo ha tenido unos dieciocho meses para practicar este tipo de decisión.

Por eso el artículo se plantea como una guía de presupuesto: cuatro estimaciones que se pueden hacer sobre cualquier tarea en aproximadamente un minuto, y que se resuelven en uno de cuatro veredictos posibles: un chat, un único agente, un equipo de agentes, o directamente no hacer nada. Nate subraya que ese último veredicto, el de 'no molestarse', es el que más dinero ahorra.

El correo adelanta el contenido de la pieza completa (de pago para suscriptores), que incluiría: una guía y una herramienta para orientarse, en la que describes una tarea y el sistema te dice si necesita un chat, un agente, un equipo o ninguna de las opciones, junto con qué hacer a continuación; las cuatro estimaciones concretas —tamaño, independencia, separación y verificabilidad ('checkability')— y cómo se combinan para producir el veredicto; una explicación de hasta dónde compensa gastar en cómputo y dónde deja de compensar, citando que un estudio de Stanford llevó a un modelo barato del 15,9% al 56% de rendimiento a base de fuerza bruta computacional, y que Anthropic encontró que el gasto en tokens explicaba el 80% de la diferencia entre buenas y malas ejecuciones de agentes, además de dos límites que, según Nate, permiten filtrar cualquier propuesta de sistema multiagente: la 'cuña de verificación' y el 'techo de contexto'; tres tareas reales de la semana de Nate, evaluadas con su propio test: un problema de calendario, una auditoría de cuarenta herramientas que se pagó sola, y una decisión de criterio que el test se negó a resolver por él; y finalmente la economía del 'no merece la pena', explicando por qué una tarea puede tener toda la forma adecuada para un agente y aun así no justificar construir el sistema, en función de dos variables que él llama 'los dos diales'.

El correo cierra indicando que, al terminar el artículo completo, el lector debería poder evaluar cualquier tarea de su escritorio en un minuto y saber exactamente dónde encaja, antes de gastar un solo dólar averiguándolo por las malas. Añade que los suscriptores de pago acceden al análisis completo, a la guía y a la membresía de su comunidad de Slack.