La IA responde al instante. ¿Reduce realmente el trabajo de soporte?

Una respuesta rápida puede dejar el trabajo a medias

Un cliente pregunta por un pedido que no llega. El asistente redacta enseguida una respuesta elegante, pero un operador debe comprobar envío, condiciones y promesas. El mensaje sale antes; el problema vuelve mañana. Para quien dirige soporte importa si disminuye el trabajo total para resolver la solicitud manteniendo calidad aceptable, no solo la rapidez al escribir. Construiremos un cálculo verificable con revisión y retrabajo y deduciremos cuándo conviene limitar la asistencia a algunas solicitudes.

El ejemplo contiene cien solicitudes inventadas, ordinarias y complejas. Tiempos, categorías y casos de retrabajo son entradas didácticas, no frecuencias observadas. No procesamos conversaciones reales con un modelo ni cronometramos operadores o medimos satisfacción. Analizamos condiciones para decidir, sin prometer ahorro. El código reproduce nuestros resultados numéricos y deja claras las condiciones pendientes para una prueba empresarial.

Elegir el resultado antes del cronómetro

Una solicitud es un episodio de trabajo, no un único mensaje. Empieza al examinar el caso y termina tras resolverlo, incluida una posible intervención posterior. Suponemos que esa intervención siempre resuelve y no hay más reaperturas: una hipótesis fuerte. Contar como terminado un problema sin resolver mejora artificialmente el denominador de productividad. Una prueba real exige definir resolución y ventana de observación de forma coherente.

Distingamos trabajo activo y tiempo transcurrido. Diez minutos mientras el cliente busca un documento no consumen necesariamente diez minutos exclusivos del operador, que puede atender otro caso. En cambio, un borrador generado en segundos puede necesitar minutos de atención. Sumamos duraciones asignadas sin modelar concurrencia, colas ni plazos. La prueba debe medir por separado carga del personal, espera del cliente y latencia de generación.

La cuenta mínima que debe superar un borrador

M son minutos de gestión manual. Con asistencia, d es tiempo asignado a generación, r revisión inicial y w trabajo adicional si hace falta corregir después. q es la fracción que necesita intervenir. Los tiempos son minutos por caso; q no tiene unidad y va de cero a uno. La media A suma d y r, presentes siempre, y qw, solo para la fracción retrabajada.

Es una media contable, no eficacia estimada de un modelo. Supone igual w dentro de cada categoría y ningún coste omitido fuera del límite definido. Si las duraciones varían, conviene sumar episodios o usar el coste medio condicionado al retrabajo. No mezclemos la frecuencia de un grupo con el tiempo de otro sin comprobar compatibilidad. La calidad aceptable es un requisito externo, no algo garantizado por la fórmula.

Para ochenta casos ordinarios elegimos M=4, d=0,2 y r=2 minutos. Cuatro requieren ocho minutos adicionales: q=4/80=0,05. El borrador tarda doce segundos, pero la media completa es 0,2+2+0,05×8=2,6 minutos. Los totales son 320 minutos manuales y 208 asistidos. La mayor parte corresponde a revisión y trabajo posterior, no generación: primer motivo para no medir beneficio solo por la velocidad del texto.

Cuando la misma rapidez inicial empeora el resultado

Para veinte casos complejos fijamos M=12, d=0,2 y r=10 minutos. Seis requieren veinte minutos extra: q=6/20=0,30. Redactar sigue siendo igual de rápido, pero la media asistida es 16,2 minutos frente a doce manuales. El grupo sube de 240 a 324 minutos. No demostramos cómo se comportan casos reales: construimos igual rapidez de borrador y distinta decisión por revisión y retrabajo.

El umbral pregunta cuánto retrabajo admite una categoría antes de perder la ventaja temporal. Para w positivo restamos d+r de d+r+qw< M y dividimos entre w: q*=(M−d−r)/w. La desigualdad es estricta; en el umbral los tiempos coinciden. Si M−d−r es negativo, ni cero retrabajos vuelve más rápida la asistencia; si el umbral supera uno, el tiempo no discrimina las fracciones posibles.

El umbral ordinario es 22,5%, superior al 5% supuesto; el complejo, 9%, inferior al 30%. No son confianzas del modelo ni mediciones de mercado: dependen de los minutos asignados. Revisar más puede reducir q, pero tiene coste y ambos parámetros pueden variar juntos. Cambiar uno dejando el otro fijo analiza sensibilidad contable, no demuestra que un producto pueda conseguirlo.

La media general puede ocultar dónde la IA no ayuda

Sumados los grupos, el trabajo manual es 560 minutos. Asistir todo da 532: veintiocho minutos menos, un 5%. Asistir solo los ochenta ordinarios y mantener manuales los veinte complejos da 208+240=448, un 20% menos. Las estrategias afrontan las mismas cien solicitudes y suponen resolución final. No cambiamos la mezcla para favorecerlas. La selección es conocida porque el autor construyó las categorías.

En la tabla M es manual, A asistencia para todos y S0 selección ideal sin coste de asignación.

Las barras son minutos totales por cien episodios, no velocidad del modelo ni horas realmente liberadas. La selección evita los ochenta y cuatro minutos extra del grupo complejo frente a su gestión manual. Si identificar categorías cuesta tiempo o falla, hay que añadirlo. Es una comparación ideal con clasificación gratuita y correcta, no una solución lista para activar.

La base de los porcentajes importa. De 560 a 448 minutos reduce un 20% el tiempo para igual trabajo, no aumenta un 20% la capacidad. Con tiempo disponible fijo, el cociente teórico sería 560/448=1,25: un 25% más solo si carga y restricciones no cambian. El código comprueba ambos. Ningún porcentaje describe esperas, salarios, plantilla o capacidad real, dependientes de factores no modelados.

Decidir quién atiende el caso también cuesta tiempo

Hagamos menos ideal la selección sin inventar un clasificador probado. c son minutos de asignación por solicitud y f la fracción de veinte complejos enviada por error a IA, manteniendo correctos los ordinarios. El total es 448+100c+84f. El término 84f aplica a la fracción errónea el sobrecoste complejo, 324−240. Supone errores uniformes; si se asignan mal precisamente los casos más caros, hay que recalcular por episodio.

Con la mitad de complejos mal asignada, treinta segundos por solicitud dan 540 minutos; cuarenta y ocho dan 570. El segundo supera los 560 manuales: la ventaja desaparece sin cambiar el tiempo del borrador. El código verifica ambos, sin medir un sistema real. La prueba debe incluir ejecución y asignación, sin presentar la distinción ideal como gratuita y disponible.

Qué aporta la investigación publicada

Brynjolfsson, Li y Raymond, en Generative AI at Work (QJE, 2025), estudian la introducción escalonada entre 5172 agentes mediante diferencias en diferencias: aproximadamente +15% en resoluciones por hora, con heterogeneidad. Es evidencia contextual de los autores, no nuestra reproducción ni un beneficio automáticamente transferible.

Un antes/después empresarial puede confundir el efecto de la herramienta con cambios en solicitudes o experiencia. Por eso no imitamos un estudio causal con datos inventados. La aritmética establece consecuencias de supuestos, no lo que causará adoptar la herramienta. Ni una media observada entre personas predice cada categoría. Transferir una decisión exige medir el proceso propio y separar composición y efecto.

Una prueba útil conserva también el trabajo que vuelve

Antes de probar definamos corrección: información vigente, instrucciones adecuadas al caso y ninguna promesa no autorizada. Fijemos la ventana para reaperturas e intervenciones. Debe participar una alternativa sin IA, como texto aprobado enlazado a un procedimiento verificado. Si solo cambia la redacción y el operador busca todos los datos, medimos ayuda para escribir, no diagnóstico automático.

Proponemos, sin haberlo ejecutado, comparar casos autorizados o sintéticos estratificados por dificultad previa. La asignación debe impedir que la IA reciba solo los fáciles. Si un operador ve dos veces el mismo problema, la memoria puede beneficiar la segunda prueba: hay que controlar orden y aprendizaje. Conservar revisión, cambios, resultados y reaperturas explica la diferencia. Una media final aislada no dice qué cambiar.

Contar solo borradores aceptados selecciona resultados: desaparecen rechazos, intentos fallidos y retornos al manual. Deben incluirse mediante una regla previa. La calidad requiere criterios repetibles y, cuando sea posible, ocultar al evaluador la modalidad de origen. No afirmamos tener revisores humanos ni pruebas con lectores: describimos verificaciones pendientes entre un ejemplo contable y evidencia operativa.

Dónde puede ganar una solución sencilla

Para preguntas repetidas con respuestas estables, plantillas aprobadas y búsqueda documental pueden reducir trabajo sin generación libre. Si dependen de pedidos o permisos, el acceso a información puede importar más que la redacción. Un modelo vertical adaptado es una hipótesis, no una necesidad demostrada. Debe evaluarse con iguales casos, criterios y costes de revisión. La complejidad tecnológica no gana automáticamente.

Excluimos el arranque para facilitar la explicación. En una decisión real cuentan integración, actualización de procedimientos, formación, licencias y supervisión. Liberar tiempo no equivale necesariamente a ahorrar dinero: puede reducir atrasos o mejorar casos olvidados. No tenemos datos para cuantificarlo. Hay que declarar trabajo incluido y resultado empresarial deseado, evitando duplicar beneficios del mismo fenómeno.

La decisión que realmente permite la cuenta

En la carga construida, asistir todo reduce tiempo un 5% pero empeora casos complejos; la selección ideal reduce un 20%. Motiva comprobar cada categoría con revisión y retrabajo incluidos, no prometer esos porcentajes. Una calidad insuficiente no se compensa con minutos favorables. Si reconocer categorías no tiene un coste sostenible, la estrategia selectiva todavía no está implementada.

El código completo usa decimales y aserciones para totales y umbrales. La suma es lineal en categorías; no genera respuestas ni ajusta redes. Los resultados conservan supuestos y límites. Es análisis editorial asistido por IA, no un experimento de EL-AI con clientes u operadores. No atribuimos productos, resultados ni instalaciones nuevos: la utilidad está en comparar de forma reproducible y plantear mejor la prueba.

Brynjolfsson, Li & Raymond (2025) — QJE, doi:10.1093/qje/qjae044.

from decimal import Decimal as D
from pathlib import Path
import json,sys
# Hypothetical workload only: no customers, operators, models or timings measured.
groups=[dict(key='routine',count=80,manual=D(4),draft=D('.2'),review=D(2),reworkCases=4,reworkMinutes=D(8)),dict(key='complex',count=20,manual=D(12),draft=D('.2'),review=D(10),reworkCases=6,reworkMinutes=D(20))]
rows=[]
for g in groups:
 q=D(g['reworkCases'])/g['count'];mean=g['draft']+g['review']+q*g['reworkMinutes'];limit=(g['manual']-g['draft']-g['review'])/g['reworkMinutes']
 rows.append(dict(group=g['key'],count=g['count'],hypotheticalReworkFraction=str(q),manualMinutes=str(g['manual']),assistedMeanMinutes=str(mean),breakEvenReworkFraction=str(limit),manualTotalMinutes=str(g['count']*g['manual']),assistedTotalMinutes=str(g['count']*(g['draft']+g['review'])+g['reworkCases']*g['reworkMinutes'])))
manual=sum(D(x['manualTotalMinutes']) for x in rows);allAI=sum(D(x['assistedTotalMinutes']) for x in rows);selective=D(rows[0]['assistedTotalMinutes'])+D(rows[1]['manualTotalMinutes'])
assert (manual,allAI,selective)==(D(560),D(532),D(448))
assert D(rows[0]['breakEvenReworkFraction'])==D('.225') and D(rows[1]['breakEvenReworkFraction'])==D('.09')
assert D(rows[0]['assistedMeanMinutes'])==D('2.6') and D(rows[1]['assistedMeanMinutes'])==D('16.2')
assert D('.2')*60==12 and manual-allAI==28 and D(rows[1]['assistedTotalMinutes'])-D(rows[1]['manualTotalMinutes'])==84
assert manual/selective==D('1.25')
routeLow=selective+100*D('.5')+84*D('.5')
routeHigh=selective+100*D('.8')+84*D('.5')
assert routeLow==540 and routeHigh==570
result=dict(routingSensitivity=dict(complexMisrouteFraction='.5',halfMinuteRoutingTotal=str(routeLow),pointEightMinuteRoutingTotal=str(routeHigh)),python=sys.version.split()[0],seed=None,scope='Synthetic deterministic workload arithmetic. No model, staff, customer, causal trial, rework frequency or quality measured. Assumes every episode becomes resolved after one specified rework; no queue or service-level model.',rows=rows,totalsMinutes=dict(manual=str(manual),allAssisted=str(allAI),routineOnlyAssisted=str(selective)),timeReductionFractions=dict(allAssisted=str((manual-allAI)/manual),routineOnlyAssisted=str((manual-selective)/manual)),warning='Time reduction differs from throughput increase; cannot infer observed savings or wage reductions. Draft latency and active staff time must be separated in real measurement.')
Path(__file__).with_name('results.json').write_text(json.dumps(result,indent=2),encoding='utf8')
print(json.dumps(result))

Código, datos e instrucciones · JSON. Cálculos didácticos ejecutados con Python 3.14.0; figuras con Matplotlib 3.11.2. Análisis asistido por IA, sin afirmar revisión por pares ni humana. Portada original ImageGen ilustrativa: no documenta personas, sedes ni instalaciones de EL-AI. Fuentes consultadas el 3 de noviembre de 2026.