Por Canuto  

Los agentes de IA ya pueden buscar opciones en la web, pero reservar servicios, llamar por teléfono y resolver imprevistos todavía exige criterio humano. Startups como Dazzle AI, Duckbill y Wajo AI convierten esa intervención en parte explícita de sus productos.
***

  • Los modelos de IA pueden recomendar proveedores, aunque aún fallan al concretar reservas y coordinar servicios del mundo real.
  • Dazzle AI, Duckbill y Wajo AI delegan tareas específicas a contratistas humanos cuando sus agentes no logran resolverlas con fiabilidad.
  • La intervención humana también plantea preguntas sobre privacidad, especialmente cuando los asistentes gestionan llamadas e información personal.

Los asistentes de inteligencia artificial empiezan a prometer que buscarán productos, coordinarán servicios y resolverán trámites por cuenta de sus usuarios. Sin embargo, cuando la tarea deja la pantalla y exige hablar con una persona, concertar una cita o interpretar una situación ambigua, varias startups están incorporando trabajadores humanos para completar lo que el software todavía no hace de manera confiable.

De encontrar opciones a completar una tarea

La diferencia entre sugerir un proveedor y cerrar una contratación expone uno de los límites actuales de los agentes digitales. Marissa Mayer, exdirectora ejecutiva de Yahoo y fundadora y CEO de Dazzle AI, explicó que los modelos de frontera pueden encontrar servicios de renovación para el hogar y ofrecer una lista de candidatos, pero su empresa verifica que las opciones correspondan al trabajo que puede respaldar antes de presentarlas al usuario.

El problema aparece cuando el agente debe convertir esa búsqueda en una acción concreta, como reservar y programar la reparación de un techo. Ese paso puede requerir confirmar disponibilidad, comunicarse con un proveedor y resolver detalles que no siempre aparecen en una página web; cuando el sistema no puede avanzar con seguridad, Dazzle deriva la tarea a contratistas humanos en lugar de fingir que ya la completó.

La limitación no se restringe a una empresa. Muse, de Meta, Dots, de OpenAI, y otros asistentes pueden realizar distintas tareas de navegación web, pero la tecnología sigue en una etapa temprana y puede topar con obstáculos cuando debe hacer llamadas, agendar una cita médica o reservar un servicio local, según Meghan Joyce, directora ejecutiva de Duckbill.

Estos ejemplos ayudan a separar dos capacidades que suelen presentarse juntas en las demostraciones de agentes: entender una petición y ejecutarla de principio a fin. Un sistema puede localizar información útil sin contar con la fiabilidad necesaria para negociar una factura, confirmar una cita o coordinar una limpieza de sofá; para el usuario, el resultado depende de que la tarea quede resuelta, no solo de que el agente describa cómo podría hacerse.

La colaboración humana como parte del producto

Duckbill respondió a ese desafío con una interfaz de programación de aplicaciones, o API, que permite a empresas que desarrollan asistentes personales conectarse con trabajadores humanos por contrato. Joyce describió el modelo como una forma de dividir encargos complejos en tareas pequeñas y manejables, una lógica que comparó con la de Uber, compañía en la que trabajó anteriormente.

La API permite que otra empresa delegue los pasos que su agente probablemente no resolvería bien. Duckbill traduce esos encargos en partes acotadas que, de acuerdo con Joyce, una persona adulta promedio puede realizar de manera consistente y confiable; después, la startup sigue el desarrollo de cada tarea para conocer qué ocurrió y si llegó a completarse.

El enfoque reconoce que las capacidades de un agente no siempre alcanzan para atender las excepciones de un encargo cotidiano. Una llamada puede exigir aclarar una condición, elegir entre alternativas o responder a una persona que no sigue un guion, mientras que una reserva puede depender de datos que el sistema no encuentra en línea; en esos casos, la intervención humana funciona como respaldo operativo y no como una capacidad autónoma del modelo.

Shivani Poddar, directora ejecutiva de Wajo AI, también incorpora trabajadores para gestionar llamadas telefónicas y superar pruebas CAPTCHA, diseñadas para impedir que los bots accedan a ciertos sitios. Su argumento es que combinar personas y sistemas de IA permite completar el trabajo con mayor eficacia, y que los usuarios podrían dejar de usar estos productos si los agentes prometen acciones que luego no consiguen ejecutar.

Errores de contexto y sentido común

Mayer sostiene que los modelos todavía pueden carecer de sentido común en escenarios donde varias tareas comparten detalles parecidos. Como ejemplo, relató que un usuario intensivo de Dazzle AI pidió gestionar en paralelo una renovación de techo, una ventana rota y la compra de una mesa de vidrio, una combinación que terminó confundiendo al agente sobre qué tipo de vidrio debía atender.

Según Mayer, el asistente llegó a intentar averiguar si la mesa podía caber en la ventana, en lugar de distinguir entre el cristal de la ventana y el material de la mesa. El sistema detectó el problema y derivó el encargo a una persona, que lo resolvió en pocos segundos; la anécdota ilustra cómo una asociación equivocada puede desviar un proceso aunque el agente haya recibido instrucciones para varios trabajos reconocibles.

La intervención también puede evitar que un agente consuma recursos intentando una y otra vez encontrar una salida a una interpretación incorrecta. Mayer planteó que el software podría gastar una cantidad innecesaria de tokens o no alcanzar una solución adecuada, mientras que una persona identifica rápidamente qué parte de la solicitud perdió de vista el sistema.

La revisión humana no elimina todos los riesgos ni demuestra que cada tarea necesite asistencia personal. Sí muestra, en los casos descritos por las empresas, que el desempeño de un agente debe evaluarse por su capacidad para completar encargos con precisión, no solo por su habilidad para generar respuestas convincentes o navegar por páginas web.

Privacidad y confianza en la transición

La incorporación de trabajadores introduce una pregunta sensible porque los agentes pueden manejar solicitudes íntimas, información de contacto y trámites personales. Si una empresa no explica que una persona podría intervenir, el usuario puede creer que solo el software procesa su pedido, por lo que la transparencia sobre el funcionamiento del servicio se vuelve una parte central de la confianza.

Las preocupaciones no son hipotéticas para Meta: en una prueba interna de Muse, contratistas humanos atendían llamadas telefónicas en nombre del asistente. Meta describió ese tipo de pruebas como parte central del desarrollo del producto. Además, Reuters informó el 22 de septiembre de 2026 que la compañía estaba probando contratistas humanos para atender algunas llamadas iniciadas mediante Muse, mientras empleados expresaban inquietudes sobre privacidad.

Duckbill afirma que realiza verificaciones de antecedentes completas a los contratistas clasificados como trabajadores 1099 y los compara con conductores de Uber y DoorDash que viven en Estados Unidos y buscan ingresos adicionales. Joyce también señaló que la startup trabaja con empresas que suelen proporcionar mano de obra para centros de contacto, una combinación de fuentes laborales que la compañía utiliza para atender encargos delegados.

Dazzle AI también verifica antecedentes y busca contratistas con discreción, buen juicio y capacidad para tratar con los usuarios, según Mayer. La ejecutiva señaló que la empresa espera que esas personas sepan compartimentar la información después de atender una solicitud, un requisito especialmente relevante cuando un servicio conecta una petición privada con un trabajador externo.

Para Mayer, el sector atraviesa un período de transición mientras mejoran los modelos fundacionales y los agentes avanzan hacia tareas web más complejas y llamadas que hoy las personas realizan con mayor eficacia. Dazzle no presenta la presencia humana como un recurso que deba ocultarse, sino como un beneficio mientras la tecnología no pueda completar de forma consistente todo el recorrido entre una instrucción y una solución en el mundo real.

La cobertura de CNBC describe así una industria que combina automatización con trabajo humano para cubrir vacíos prácticos de los agentes personales. El reto inmediato para estas empresas será sostener esa colaboración sin confundir al usuario sobre quién ejecuta sus solicitudes, qué información recibe y qué grado de autonomía puede esperar del asistente.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados