El problema con "el agente funciona bien"
Cuando el equipo técnico informa que un agente de IA está funcionando, suele referirse a que no tiene errores de sistema, que responde rápido o que el modelo subyacente tiene buenas métricas de precisión. Eso es necesario, pero no es suficiente para un CFO.
La pregunta relevante no es si el agente funciona desde el punto de vista técnico. La pregunta es: ¿está generando valor medible para el negocio?
Esa distinción importa porque muchas empresas invierten en implementar agentes de IA, los ponen en producción y luego no tienen forma de responder si valió la pena. El equipo de tecnología dice que sí. El equipo de operaciones dice que algo mejoró. Pero nadie tiene un número.
Este artículo propone cuatro métricas que un CFO puede revisar sin necesidad de entender cómo funciona el modelo de lenguaje por dentro.
Métrica 1: Tasa de resolución autónoma
Esta métrica responde una pregunta simple: ¿qué porcentaje de los casos que llegan al agente se resuelven sin intervención humana?
Si un agente gestiona solicitudes de aprobación de gastos y resuelve 7 de cada 10 sin que nadie tenga que intervenir, su tasa de resolución autónoma es del 70%. El 30% restante escala a una persona.
Lo que interesa al CFO no es si ese 70% es alto o bajo en términos absolutos, sino si mejora con el tiempo y si el costo de los casos que escalan es razonable frente al volumen que se automatiza.
Un agente que empieza con un 50% de resolución autónoma y llega al 75% en tres meses está aprendiendo y ajustándose. Uno que se estanca en el mismo porcentaje durante meses probablemente tiene un problema de diseño o de datos.
Métrica 2: Costo por tarea procesada
Esta es la métrica que más directamente conecta el agente con el lenguaje financiero.
Antes de implementar el agente, existe un costo de referencia: cuánto cuesta procesar una tarea cuando la hace una persona. Ese costo incluye tiempo, salario proporcional y errores que generan retrabajo.
Después de implementar el agente, ese costo cambia. Parte de las tareas las procesa el agente a un costo de infraestructura, y parte sigue requiriendo intervención humana.
El cálculo no es complejo: costo total del proceso (infraestructura + tiempo humano residual) dividido entre el volumen de tareas procesadas. Si ese número baja de forma sostenida, el agente está generando eficiencia real.
Un ejemplo hipotético: una empresa de distribución con operaciones en tres países procesa entre 800 y 1.200 solicitudes de reembolso al mes. Si antes cada solicitud tomaba en promedio 12 minutos de tiempo administrativo y el agente reduce ese tiempo a 3 minutos en el 70% de los casos, el ahorro mensual en horas de trabajo puede estar entre 70 y 120 horas, dependiendo del volumen. Traducido a costo, eso representa una reducción de entre el 20% y el 35% en el costo unitario del proceso, sin considerar la reducción de errores.
Métrica 3: Tasa de error y retrabajo
Un agente que procesa rápido pero genera errores frecuentes no ahorra tiempo: lo desplaza. El error que no detecta el agente lo detecta alguien más adelante, y corregirlo cuesta más que haberlo hecho bien desde el principio.
La métrica relevante aquí es qué porcentaje de los outputs del agente requieren corrección posterior. Eso incluye datos incorrectos, decisiones que se revierten, documentos que se regeneran o aprobaciones que se anulan.
Si esa tasa es alta, el agente está generando un costo oculto que no aparece en el dashboard de tecnología pero sí aparece en el tiempo del equipo.
Un umbral razonable para procesos administrativos de media complejidad es una tasa de error inferior al 5%. Por encima de eso, el costo de corrección empieza a erosionar el ahorro.
Métrica 4: Tiempo de ciclo del proceso
Esta métrica mide cuánto tarda un proceso de principio a fin, antes y después del agente.
Si el cierre de un proceso de conciliación tomaba cuatro días y ahora toma uno y medio, el agente está comprimiendo el ciclo. Eso tiene valor financiero directo: decisiones más rápidas, menor exposición a errores acumulados y mejor visibilidad en tiempo real.
El tiempo de ciclo es especialmente relevante para CFOs porque afecta directamente la calidad del reporting. Un proceso que tarda menos en cerrarse produce datos más frescos, y datos más frescos permiten tomar mejores decisiones con menos incertidumbre.
Cómo leer estas métricas juntas
Ninguna de estas cuatro métricas funciona de forma aislada. Un agente puede tener una tasa de resolución autónoma alta pero una tasa de error también alta, lo que significa que resuelve rápido pero mal. O puede tener un costo por tarea bajo pero un tiempo de ciclo que no mejoró, lo que sugiere que el agente está procesando bien pero el proceso alrededor sigue siendo lento.
La lectura útil es la combinación: ¿el agente resuelve más casos solos, a menor costo, con menos errores y en menos tiempo? Si las cuatro métricas mejoran de forma sostenida, el agente está funcionando. Si alguna se estanca o empeora, hay algo que revisar.
Lo que suele faltar en las implementaciones actuales
En la mayoría de implementaciones de agentes que OuroAI ha revisado, el problema no es que el agente funcione mal. El problema es que nadie definió desde el principio qué se iba a medir ni con qué frecuencia.
El equipo técnico mide lo que puede medir fácilmente: latencia, disponibilidad, volumen de llamadas al modelo. El equipo de negocio no tiene visibilidad sobre esos indicadores y tampoco sabe cómo traducirlos a términos financieros.
El resultado es una brecha: el agente existe, opera, y nadie puede decir con certeza si está justificando su costo.
Definir las métricas correctas antes de lanzar un agente, o establecerlas en producción si ya está corriendo, es una decisión de governance, no de tecnología. Y es una decisión que le corresponde al CFO tanto como al equipo técnico.
Conclusión
Medir un agente de IA no requiere entender cómo funciona por dentro. Requiere definir, antes o durante la implementación, cuatro indicadores de negocio: tasa de resolución autónoma, costo por tarea, tasa de error y tiempo de ciclo.
Si su empresa ya tiene agentes en producción y no tiene claridad sobre estas métricas, ese es el primer problema que vale la pena resolver. Si está evaluando implementar agentes y nadie ha hablado todavía de cómo se va a medir el resultado, esa conversación debería ocurrir antes de la primera línea de código.
OuroAI ofrece un diagnóstico inicial para revisar el estado de sus procesos, identificar dónde un agente genera valor medible y definir las métricas que permiten hacer seguimiento sin depender del equipo técnico para interpretar los resultados.
