Hace doce meses empezamos a implementar agentes de IA con clientes en manufactura, servicios profesionales e inmobiliario en México. No fue un laboratorio ni un piloto académico — fue producción real, con procesos que no podían fallar y personas que dependían del resultado. Lo que encontramos no siempre coincidió con lo que los demos de YouTube prometían.
Este artículo no es una lista de victorias. Es un registro honesto de qué funcionó, qué no, y qué hubiéramos hecho diferente desde el día uno.
El problema no era la tecnología
La primera lección llegó en el tercer proyecto: el agente estaba bien construido, el modelo elegido era adecuado, la integración con el CRM funcionaba. Y sin embargo, el equipo del cliente dejó de usarlo a las dos semanas.
El motivo: nadie había documentado cómo el vendedor senior decidía qué leads priorizar. Esa lógica vivía en su cabeza desde hace ocho años. El agente tomaba decisiones distintas a las suyas, el equipo desconfiaba, y el agente quedó en pausa indefinida.
El patrón se repitió en cuatro proyectos más. No porque la IA fallara — sino porque el proceso humano nunca había sido explicitado. Automatizar un proceso no documentado no lo acelera; lo cristaliza con todos sus defectos.
El criterio que usamos ahora en Eurema antes de escribir una sola línea de código es: ¿puede alguien del equipo del cliente explicar el proceso paso a paso, con las excepciones, en menos de 45 minutos? Si la respuesta es no, el primer entregable es un mapa de proceso, no un agente.
Dónde el ROI fue real y medible
No todos los proyectos terminaron en pausa. Hay tres categorías donde el retorno fue claro y repetible:
1. Ruteo y clasificación de solicitudes entrantes. Una empresa de servicios profesionales en Monterrey recibía entre 80 y 120 correos por día mezclando cotizaciones, soporte, reclamos y spam. Un coordinador dedicaba 2.5 horas diarias solo a clasificar y asignar. Con un agente de clasificación conectado a su bandeja y su sistema de tickets, ese tiempo bajó a revisión de 15 minutos para casos ambiguos. El agente maneja el 87% sin intervención.
2. Seguimiento de leads en ventana crítica. En inmobiliario, la velocidad de respuesta importa más que casi cualquier otro factor. Un desarrollador con proyectos en Monterrey y San Pedro pasó de responder leads en promedio a las 6 horas a responder en menos de 4 minutos con un agente conectado a su portal y WhatsApp Business. Los leads calificados que llegaban a cita aumentaron de 1 por quincena a 3–4 por semana en los primeros 60 días.
3. Extracción estructurada de documentos. En manufactura, procesar órdenes de compra en PDF de distintos formatos era trabajo manual de 20–30 minutos por orden. Un agente de extracción con validación contra catálogo redujo ese tiempo a menos de 2 minutos por orden, con una tasa de error del 3% vs. 11% humano en días de alto volumen.
Lo que estos tres casos tienen en común: volumen alto, proceso repetitivo, reglas claras, y consecuencias tolerables si hay error puntual. Cuando esas cuatro condiciones se cumplen, el agente rinde. Cuando falta alguna, los números cambian drásticamente.
Lo que sobreestimamos al principio
Sobreestimamos la tolerancia al error. En un contexto de demo, un agente que acierta el 92% del tiempo parece impresionante. En producción, ese 8% de error puede ser 40 casos por semana que alguien tiene que corregir manualmente — y si ese alguien no tenía ese trabajo antes, el agente generó carga en lugar de reducirla.
Sobreestimamos la calidad de los datos internos. Casi todos los clientes asumieron que sus datos estaban “listos”. En la práctica, los catálogos de productos tenían nombres inconsistentes, los CRMs tenían campos vacíos en el 30–60% de los registros, y los correos históricos mezclaban idiomas, formatos y contextos. Limpiar datos antes de un proyecto de agente puede tomar tanto tiempo como construir el agente.
Sobreestimamos la adopción espontánea. Un agente que nadie usa no tiene ROI. Aprendimos a incluir en cada proyecto al menos dos sesiones de entrenamiento con el equipo usuario, no sobre cómo funciona la IA — sino sobre cómo el agente cambia su flujo de trabajo diario. Sin eso, el agente se convierte en una herramienta paralela que nadie integra.
Lo que subestimamos
Subestimamos el valor de los agentes simples. Los proyectos más exitosos no fueron los más sofisticados. Un agente que hace una sola cosa bien — clasificar, extraer, notificar — entrega más valor sostenido que un agente multimodal con diez capacidades que nadie sabe cómo supervisar.
Subestimamos la importancia del fallback humano. Los agentes que mejor funcionan en producción tienen un mecanismo claro de escalada: cuando el agente no está seguro, transfiere a una persona con contexto. No como señal de fracaso — sino como diseño intencional. Los clientes que aceptaron este modelo tuvieron tasas de adopción significativamente mayores.
Subestimamos cuánto importa la supervisión post-lanzamiento. Un agente en producción no es un proyecto terminado. Los primeros 30 días post-lanzamiento son críticos: los patrones de error emergen, el equipo encuentra casos borde que nadie anticipó, y el modelo necesita ajustes. En Eurema ahora incluimos un período de monitoreo estructurado en todos los proyectos de agentes personalizados — no como opcional, sino como parte del entregable.
El perfil del proyecto que sí funciona
Después de doce meses, el perfil del proyecto con mayor probabilidad de éxito es bastante específico:
- Empresa con más de 50 empleados y operación establecida (no en pivote constante)
- Proceso que se repite al menos 50 veces por semana
- Alguien interno que puede ser “dueño” del agente y resolver dudas del equipo
- Tolerancia a un período de ajuste de 4–6 semanas post-lanzamiento
- Datos mínimamente estructurados (aunque no perfectos)
Cuando ese perfil se cumple, los proyectos avanzan. Cuando no, el problema no es el agente — es que la empresa no estaba lista para automatizar ese proceso todavía. Y decirlo a tiempo es parte del trabajo.
Si estás evaluando si tu operación está en ese punto, el primer paso no es elegir una herramienta — es mapear el proceso con la misma claridad que le exigirías a un empleado nuevo. Lo que no puedes explicarle a una persona, tampoco puedes automatizarlo. Puedes explorar más sobre cómo abordamos esa etapa inicial en nuestra página de agentes personalizados.