Contratar a una persona y contratar a un agente de IA tienen algo en común: casi nadie diseña un periodo de prueba, y el resultado es el mismo en ambos casos — o adaptación o frustración temprana. Agentes IA para Profesionales 2027 insiste en que la confianza se gana con supervisión y límites claros, y la imagen del capítulo 7 de ChatGPT Work para Profesionales 2027 lo resume en un par de columnas: el empleado digital propone, resume, estructura y acelera; no decide por ti, no verifica solo y no recibe permisos.
Este artículo propone el diseño de esa prueba en tres partes: una tarea acotada con criterios de éxito escritos antes de empezar, un cuaderno de fallos que convierte cada error en una regla nueva y una decisión de autonomía razonada al terminar. Lo que sigue son pautas editoriales del libro aplicadas con ejemplos hipotéticos, no promesas: un periodo de prueba no garantiza un agente perfecto, solo evita contratar a ciegas.
La analogía laboral no es decorativa. Ninguna empresa da permisos de pago y firma a un becario el primer día, y sin embargo la tentación con un agente es precisamente esa: entregarle el correo, la agenda y las respuestas a clientes desde la primera mañana. El diseño del periodo de prueba existe para resistir esa tentación y para que la decisión de ampliar el alcance se apoye en evidencia acumulada, no en una impresión agradable de un martes.
Diseñar la prueba: tarea, alcance y criterios
Un periodo de prueba que empieza sin definición de éxito termina siempre igual: cada persona interpreta que el agente falló según lo que esperaba ese día. Por eso lo primero es escribir, antes de tocar herramienta alguna, qué se le encomienda y qué se considerará un buen trabajo.
La tarea se elige con el test del capítulo 3
El plan de 21 días del libro empieza el día 2 identificando la primera tarea con el test del capítulo 3, que puntúa cada candidata de 0 a 2 en cinco criterios: frecuencia con la que se repite, tiempo que consume, similitud de los pasos de una ejecución a la siguiente, criterio humano que exige y reversibilidad de un error. Una tarea que se repite cada semana, consume más de media hora, sigue siempre los mismos pasos, apenas exige decisión personal y cuyos errores se corrigen en segundos puntúa lo máximo. Con la puntuación sobre la mesa, entre 8 y 10 es candidata excelente, entre 5 y 7 es delegable con revisión humana permanente y por debajo de 5 conviene mantenerla humana por ahora.
Delimitar el alcance: qué entra y qué no
La prueba es de una tarea, no de una persona digital entera. Si la tarea seleccionada es clasificar el correo, se clasifica el correo — y no «además, propón respuestas» ni «de paso, revisa el calendario». El alcance cerrado tiene una función técnica: permite comparar ejecuciones entre sí, porque la variable que cambia de una ronda a otra es el ajuste de instrucciones, no el terreno. Cuando el primer agente domine su tarea, la segunda prueba puede abrirse; no antes.
El alcance también se expresa en modo de trabajo. El libro describe tres niveles: en modo asistido la persona aprueba cada paso, en supervisado el agente ejecuta y la persona aprueba al final, y en autónomo actúa solo con revisión periódica. Un periodo de prueba arranca en asistido o supervisado, nunca en autónomo: hasta que no se han visto docenas de resultados, no hay base para soltar la correa.
Criterios de éxito escritos antes de empezar
Los criterios tienen que poder revisarse mirando la entrega, no recordando la sensación. Un par razonable para una prueba de clasificación de correo sería hipotéticamente: «cada mensaje queda en exactamente una de las cinco categorías definidas» y «los correos de clientes clave siempre quedan marcados para revisión humana». Son comprobables uno a uno, y el recuento al final de la ronda da un número, no una impresión.
Un criterio de fondo procede de la imagen del capítulo 7: el empleado digital propone, resume, estructura y acelera, pero no decide por ti. Si una entrega empieza a tomar decisiones que la persona no aprobó, el criterio falla aunque el resultado parezca bueno. Las exclusiones de esa imagen (no decide por ti, no verifica sola, no recibe permisos) delimitan qué nunca entra en el alcance, por rápido que parezca el atajo.
El cuaderno de fallos: memoria que educa al agente
La diferencia entre un empleado del primer día y uno del tercer mes no es el talento: es la memoria de correcciones. El libro lo formula como la regla de los cinco minutos: cada día, al revisar lo que hizo el agente, pregúntate qué falló; si nada falló, perfecto; si algo falló, anótalo en memoria/correcciones.md y actualiza las instrucciones. Con esa cadencia, un mes acumula alrededor de treinta correcciones, y treinta correcciones escritas cambian de forma medible el comportamiento del agente.
Ese cuaderno es la parte menos vistosa del sistema y la que más decide su calidad. Un fallo solo vale por lo que enseña después: si se corrige a mano y se olvida, la próxima entrega repite el error; si se anota y se convierte en regla, cada semana de prueba deja el agente un poco más cerca de cómo trabaja la persona. El objetivo del cuaderno no es el historial, sino la regla final.
Cómo anotar una corrección para que sirva
Una corrección útil tiene tres partes: qué entregó el agente, qué debía entregar y qué regla general se deduce. Corregir el texto a mano sin anotar la regla educa a esa ejecución y solo a esa; la siguiente semana el mismo fallo reaparece. El libro advierte de que la memoria sin instrucciones actualizadas no cambia el comportamiento: si lo que corregiste es sistemático, la regla tiene que terminar en el archivo de instrucciones, no solo en el historial de memoria.
El patrón de los errores que más enseñan
Tres errores aparecen en el libro como los más habituales durante un periodo de prueba, y los tres tienen solución de instrucciones. El agente no sigue las instrucciones porque son demasiado largas o vagas: la respuesta es acortarlas y hacerlas específicas, con el formato declarado por secciones y no con adjetivos genéricos. El agente inventa datos porque rellena huecos con texto plausible: la regla «si no tienes un dato, escribe [DATO PENDIENTE]. No inventes.» lo acota, y verificar los huecos marcados en cada entrega se convierte en parte de la revisión. Y el agente se olvida de lo corregido ayer porque la corrección solo quedó en un chat: guardarla en memoria y en instrucciones es lo que la hace persistente.
Hay un cuarto patrón que no es de corrección sino de expectativa: el agente funciona bien en una plataforma y distinto en otra, porque cada una interpreta las instrucciones de forma ligeramente distinta. El libro estima que el 90% del método es transferible y el 10% necesita ajuste al cambiar de plataforma, y que ese 10% se descubre en el periodo de prueba, no después de automatizar todo.
La cadencia de revisión: del día a la ronda
Qué revisar cada día y cada ronda
La revisión diaria cabe en cinco minutos: qué falló en las entregas de hoy, qué regla nueva se deduce y dónde se anota. La revisión de ronda, al terminar cada ciclo de la prueba, añade tres preguntas: qué porcentaje de entregas cumplió los criterios definidos, qué tipo de error se repite —uno aislado es ruido; uno recurrente es diseño— y si las instrucciones han crecido con correcciones o con adornos. Si las instrucciones acumulan más ornamento que regla, la ronda siguiente empieza recortándolas.
Conviene también revisar la caja de herramientas del agente. Sin herramientas externas, un agente es solo un chat con instrucciones; con ellas, es un trabajador. Pero cada herramienta añadida durante la prueba —buscador web, acceso de lectura al correo, hojas de cálculo— debe tener una razón escrita en instrucciones, porque los permisos también se prueban, no solo el juicio del agente.
Decidir la autonomía con criterios, no con humor
Al final del periodo de prueba hay una decisión: qué nivel de autonomía gana el agente. El libro propone una regla de oro que va en una dirección y solo en una — empezar con supervisión total y subir la autonomía cuando la confianza esté ganada, nunca al revés. La confianza, añade, se gana con decenas de interacciones correctas, no con una decisión buena de un viernes.
Señales que autorizan a subir de nivel
Tres señales se acumulan antes de subir: criterios cumplidos de forma consistente en las últimas rondas, errores recurrentes ya convertidos en reglas de instrucciones y una categoría de casos que el agente maneja sin corregir durante semanas. Cuando las tres están, el libro describe el paso natural: subir a modo autónomo solo para los casos rutinarios y mantener la supervisión para los sensibles, como en el día 19 del plan, donde si el profesional duda, se mantiene supervisado una semana más.
La madurez del sistema, nivel a nivel
La madurez del sistema también avanza por niveles: un asistente con instrucciones primero, un agente con herramientas externas después y un sistema de varios agentes en cadena al final. La trampa que el libro denuncia es intentar el nivel 3 el primer día porque impresiona: el resultado es un sistema frágil donde un fallo arrastra a los demás. La vía sólida es dominar cada nivel antes de conectar el siguiente, y la prueba es precisamente ese dominio medido.
Qué evaluar al final del periodo
La medición del día 21 del plan cabe en tres preguntas. ¿Cuánto tiempo ahorra la tarea delegada frente a hacerla a mano, con la revisión incluida? ¿Qué tareas ya no hace la persona? ¿Qué errores recurrentes persisten? Las respuestas anotadas en memoria cierran la prueba con un veredicto razonado: adoptar, ampliar el alcance, mantener con supervisión o descartar la tarea como candidata.
Un veredicto negativo es información útil, no un fracaso. Si la tarea exige más criterio personal del previsto o el volumen no justifica el montaje, dejarla humana es la decisión correcta y la estructura de carpetas queda montada para la siguiente candidata. El plan añade un cierre documental al final del periodo: un archivo sencillo que describa qué agentes existen, qué hacen, qué flujos están activos y qué horarios siguen. Sirve para ti dentro de unos meses, cuando ya no recuerdes qué configuraste ni por qué, y en un despido de tarea lo único que documenta es por qué no conviene insistir.
Para ver la cronología completa montada día a día, hay un cronograma de tres semanas con el agente de IA día a día, y en CursoTutorial un tutorial del empleado digital paso a paso que acompaña el primer montaje. Ningún enlace sustituye la prueba: la decisión de autonomía se toma con tus entregas propias sobre la mesa.
ChatGPT Work para Profesionales 2027
Crea y entrena a tu empleado digital en 21 días para delegar trabajo real, con supervisión y límites claros en cada paso.
Consulta la ficha del libro para conocer disponibilidad y condiciones actuales.