Última actualización: 21 de septiembre de 2026
La mayoría de las automatizaciones que revisamos no le piden a la IA que escriba nada: le piden que decida algo. Si este correo es una queja o un pedido. Si este caso lo ve una persona. A qué comercial va. Y para esas preguntas de una sola respuesta estás pagando un modelo entrenado para redactar informes.
¿Qué parte de tu automatización es redacción y qué parte es decisión?
Separa tu proceso en dos tipos de llamada y lo verás enseguida. Las llamadas de redacción producen texto nuevo: un borrador de respuesta, un resumen de reunión, una descripción de producto. Las llamadas de decisión producen una etiqueta: urgente o no urgente, dentro o fuera de garantía, va a facturación o va a soporte.
Cuando hacemos este recuento en un proceso ya montado, el reparto sorprende a quien lo encargó: la mayor parte de las llamadas al modelo no generan una sola línea que el cliente vaya a leer. Son semáforos. Y un semáforo montado sobre un modelo generativo es caro tres veces: cuesta más por llamada, tarda segundos en vez de milisegundos, y devuelve una frase que después hay que interpretar con código frágil (el clásico "si la respuesta contiene la palabra urgente").
Hay un cuarto motivo, menos evidente y más serio: un modelo que escribe te da una respuesta, no una probabilidad. Sin ese número no puedes poner un umbral, y sin umbral no puedes decidir qué se automatiza solo y qué pasa a una persona.
¿Qué ha cambiado en septiembre de 2026 para que esto sea urgente?
Que la pieza que faltaba ya existe como producto y, dos días después, ya existía como alternativa abierta. El 16 de septiembre de 2026, TypeSafe presentó Jev, un modelo que no genera texto: responde preguntas cerradas devolviendo una probabilidad calibrada. Su propuesta es de orden de magnitud, no de porcentaje: más de cien veces más rápido y más de doscientas veces más barato que un modelo generativo pequeño para la misma tarea de clasificar o enrutar.
Lo relevante para un comité de dirección no es el lanzamiento, sino lo que pasó después. Vercel reportó que el primer día lo usaba en torno al 13% de los equipos de su pasarela, el doble que la familia GPT-5.6. Y en 48 horas aparecieron al menos seis reproducciones abiertas: una de ellas subió su modelo base del 66% al 90% de acierto, frente al 93% del original, con 100 milisegundos de latencia; otra cabe en un portátil.
Traducido a criterio de compra para una pyme: esto no es un producto por el que atarse a un proveedor, es una pieza de arquitectura que se va a comoditizar. Lo que conviene mover no es el contrato, es el diseño de tus procesos. Cuando la capa de decisión valga céntimos y la sirvan cinco proveedores, quien la tenga separada se beneficiará solo. Quien lo tenga todo mezclado en un único prompt gigante tendrá que rehacerlo.
¿Cuánto cambia de verdad separar las dos capas?
Cambia el coste, pero sobre todo cambia lo que puedes auditar. Esta es la comparación que usamos cuando revisamos una automatización con un cliente.
| Capa que redacta | Capa que decide | |
|---|---|---|
| Qué produce | Texto nuevo para una persona | Una etiqueta y una probabilidad |
| Coste relativo por llamada | Referencia | Dos órdenes de magnitud por debajo |
| Tiempo de respuesta | Segundos | Milisegundos |
| Cómo se controla | Revisando el texto | Poniendo un umbral numérico |
| Qué pasa si falla | Sale un texto malo | Suena el umbral y entra una persona |
| Cuándo usarla | Contestar, resumir, proponer | Clasificar, enrutar, priorizar, escalar |
La fila que más nos importa es la penúltima. Con la capa de decisión separada puedes escribir: "por debajo del 85% de confianza, esto no se automatiza". Esa frase entra en un procedimiento y se enseña en una inspección. Con un único modelo generativo haciéndolo todo, lo único que puedes prometer es que el proveedor es bueno.
Con una cautela honesta: esta categoría todavía no tiene una prueba estándar con la que comparar modelos, y buena parte de lo que se ha enseñado desde el 16 de septiembre mide velocidad más que acierto. La velocidad es real y se verifica en una tarde. El acierto hay que medirlo con tus propios datos antes de dejarle decidir nada que importe.
¿Dónde encaja esto en una pyme de 5 a 200 personas?
En los cuatro sitios donde ya estás perdiendo horas o pagando de más. Los ordenamos por facilidad de implantación.
- Entrada de correo y formularios. Clasificar qué es pedido, qué es incidencia, qué es comercial y qué es ruido, y mandar cada cosa a su buzón. Aquí la decisión es el 100% del trabajo: no hay que escribir nada.
- Escalado del chatbot. El modelo conversa y una capa separada puntúa cada turno: riesgo de compromiso, enfado del cliente, consulta fuera de alcance. Si pasa del umbral, entra una persona. Ahí está la diferencia real entre un chatbot con IA y un chatbot de guion: no en lo bien que conversa, sino en si sabe cuándo callarse.
- Priorización de presupuestos y leads. Puntuar entradas por probabilidad de cierre para ordenar la cola del comercial. Barato de ejecutar y fácil de revisar después contra lo que pasó de verdad.
- Control de calidad de lo que ya automatizas. Una segunda capa que revisa la salida del modelo generativo antes de que salga: ¿responde a lo que preguntaban?, ¿promete algo que no podemos cumplir? A este coste, revisar el 100% de las salidas deja de ser una fantasía presupuestaria.
Un ejemplo planteado como hipótesis: imagina una distribuidora de cuarenta personas que recibe 300 correos al día en un buzón general y dedica dos horas de una administrativa a repartirlos. Ese reparto es decisión pura, y lo que hay que medir no es el ahorro en la factura del modelo, que será pequeño, sino esas dos horas y los pedidos que se contestan tarde por llegar al buzón equivocado.
¿Cómo se separa la decisión de la redacción sin rehacerlo todo?
En cuatro pasos y sin cambiar de proveedor de golpe.
- Inventaría las llamadas. Coge una automatización que ya funcione y clasifica cada llamada al modelo en redacción o decisión. Con una hoja de cálculo basta. El objetivo es el porcentaje, no la exactitud.
- Elige una sola decisión y escríbela como pregunta cerrada. "¿Este correo es una incidencia de garantía?" con respuesta sí o no. Si no cabe en una pregunta cerrada, todavía no está lista para separarse.
- Fija el umbral antes de medir nada. Decide con el responsable del proceso a partir de qué confianza se automatiza y qué pasa por debajo. Ponerlo antes evita el vicio de ajustar el listón hasta que el resultado quede bonito, que es el mismo motivo por el que conviene hacer el diagnóstico antes de invertir y no al revés.
- Mide con tus datos, no con los del fabricante. Doscientos casos ya resueltos del último trimestre y comparas. Si el acierto por encima del umbral no te convence, la decisión sigue siendo de una persona y no has perdido más que una tarde.
Es el trabajo que hacemos en un diagnóstico de IA antes de tocar una línea de código, y que después se integra en los desarrollos a medida para que la capa de decisión quede en un sitio que puedas cambiar sin rehacer el proceso. Si vienes de más atrás, nuestra guía de automatización de procesos con IA ordena el terreno previo.
¿Qué puede salir mal si lo montas mal?
Tres cosas, y ninguna es técnica. Bajar el umbral por conveniencia, para que el sistema automatice más: eso es comprar ahorro con errores que acabarán en el buzón de reclamaciones. Confundir probabilidad calibrada con verdad: un 92% significa que de cada cien casos parecidos ocho van a salir mal, y el procedimiento tiene que contemplar esos ocho. Y la más común: automatizar la decisión y no tocar lo que pasa después. Si el correo llega bien clasificado pero nadie ha cambiado quién lo atiende ni en cuánto tiempo, no has ganado nada.
Y una advertencia de calendario: esta categoría de modelos tiene días de vida, así que diseña la capa de decisión como una pieza sustituible y no como un compromiso a tres años. Es el mismo criterio con el que elegimos casos de uso con retorno medible: la pregunta no es si el modelo es mejor, sino qué parte de tu proceso te obliga a rehacer.
En resumen
Lo que la IA escribe para tus clientes seguirá costando lo que cuesta, y está bien que así sea. Lo que la IA decide dentro de tu proceso está a punto de costar céntimos, y quien lo tenga separado lo notará en cuanto cambie de proveedor. La tarea de esta semana (la del 21 al 25 de septiembre de 2026) no es comprar nada: es abrir tus automatizaciones, contar cuántas llamadas son semáforos y escribir el umbral que hoy no tienes por escrito.
Si quieres que revisemos juntos una automatización que ya tengas en marcha y te digamos qué parte es decisión y cuánto cuesta separarla, reserva 30 minutos con nosotros. De esa llamada sales con el recuento hecho y con el umbral propuesto.