Mi IA trabaja más rápido. ¿Por qué tengo más cosas que revisar?

Hay una forma de entender la productividad con inteligencia artificial que parece bastante sencilla: si una tarea antes llevaba dos horas y ahora lleva veinte minutos, hemos ganado una hora y cuarenta minutos.

La cuenta funciona para una tarea aislada. Cuando empiezas a trabajar con varios agentes y muchos proyectos simultáneos, aparecen otras cosas que también hay que contar.

En mi experiencia se suman dos factores. El primero es la organización agéntica: puedo mantener diez o veinte proyectos en paralelo. El segundo es el tiempo de respuesta. Doy una instrucción y la respuesta puede llegar treinta segundos después o media hora más tarde.

Mientras espero, puedo hacer otra cosa. Y eso es precisamente lo que hago.

Abro otro proyecto, reviso un resultado, doy otra instrucción. Después vuelvo al primero, o aparece una respuesta del tercero. A eso se añaden tareas cuyo recorrido completo dura horas, días o semanas.

La IA me permite poner mucho más trabajo en movimiento. Pero ese trabajo vuelve.

Vuelve convertido en una propuesta que debo leer, una decisión que tengo que tomar, una prueba que necesito comprobar o una pregunta que requiere recuperar el contexto.

Mientras espero, abro otro frente

Aprovechar las esperas tiene sentido. Si un agente necesita veinte minutos para preparar algo, no tengo por qué quedarme mirando la pantalla.

El problema aparece cuando repito esa decisión muchas veces. Cada encargo adicional abre una posibilidad de avanzar, pero también puede crear una obligación futura de revisar.

Además, las respuestas no llegan necesariamente en el orden en que las pedí. Una tarea breve puede atascarse. Otra puede terminar antes de lo previsto. Varias pueden reclamar atención casi al mismo tiempo.

Aquí conviven dos relojes: el tiempo que necesita el sistema para producir un resultado y el momento en que yo puedo ocuparme de él.

Para cada encargo, la espera condiciona el siguiente paso. Para el conjunto de proyectos, mi atención puede convertirse en el recurso más escaso.

Treinta segundos y treinta minutos son esperas diferentes

Tampoco todas las esperas son aprovechables de la misma manera.

Treinta segundos pueden ser suficientes para romper el ritmo, pero demasiado pocos para entrar de verdad en otra actividad. Treinta minutos permiten avanzar en otro proyecto, aunque después haya que volver al anterior.

Y volver exige algo más que abrir una ventana.

¿Qué había pedido exactamente? ¿Qué versión estamos revisando? ¿Qué decisión tomamos antes? ¿Por qué descartamos aquella alternativa? ¿Este resultado cumple el encargo o solo tiene buena apariencia?

Ese esfuerzo de reconstrucción también forma parte del trabajo.

Por eso me interesa distinguir entre tiempo de ejecución, tiempo de revisión y tiempo necesario para volver a situarme. Si solo medimos cuánto tarda la IA en responder, dejamos fuera una parte importante de la experiencia.

Producir más también puede significar tener más pendiente

Un estudio publicado por Anthropic el 16 de octubre describe cómo cambia el trabajo dentro de la propia empresa a medida que se extiende el uso de agentes. Entre sus observaciones está la presión sobre la atención humana y el crecimiento de tareas dedicadas a organizar, supervisar y coordinar esos sistemas.

Es un estudio interno, realizado en una empresa con características particulares. No permite convertir sus resultados en una ley general sobre todas las organizaciones. Pero plantea una cuestión que reconozco en mi experiencia: aumentar la producción de los agentes también aumenta la necesidad de gestionar lo que producen. Fuente: How employment is changing at Anthropic.

Una respuesta terminada por la IA puede seguir siendo trabajo pendiente para mí.

Todavía hay que comprobarla, decidir si sirve, integrarla en el proyecto y, en ocasiones, pedir una corrección. Si llegan resultados más deprisa de lo que puedo hacer esas cosas, la acumulación cambia de sitio.

Antes podía estar esperando a que se produjera el trabajo. Ahora puedo tener el trabajo producido esperando mi atención.

Veinte proyectos necesitan algo más que memoria

Esto lleva a una pregunta de organización: ¿cómo mantienes veinte proyectos en marcha sin que se pierda información, se olviden decisiones o queden asuntos parados durante días?

Un proyecto puede detenerse sin que nada falle técnicamente.

El agente terminó su parte. Falta una respuesta mía. Yo estoy ocupado con otro asunto. Nadie retoma el siguiente paso.

También puede ocurrir que la información exista, pero esté repartida entre conversaciones, documentos y versiones. Recuperarla es posible, aunque cada recuperación me obligue a investigar mi propio trabajo.

Guardar conversaciones ayuda. Mantener la continuidad exige saber qué significan para el estado actual del proyecto.

Necesito poder identificar qué queremos conseguir, qué se ha completado y comprobado, qué falta, quién debe actuar y qué está bloqueando el avance. Si un asunto queda esperando, también necesito saber cuándo corresponde volver a mirarlo.

Un historial cuenta lo que pasó. La organización debe ayudar a decidir qué ocurre después.

Ahí entra Alonides

Esta necesidad conecta con Alonides, el proyecto que estoy construyendo.

Mi apuesta es tener un interlocutor único: un bot de IA que conozca y coordine todos mis proyectos. Puedo hablar directamente con los bots que trabajan en un asunto concreto o dirigirme a mi coordinador, Alonides.

En ese segundo caso, quiero que Alonides se encargue de distribuir mis instrucciones, comprobar que se ejecutan y devolverme información sobre los resultados, los bloqueos y las decisiones que necesitan mi intervención. Así puedo alternar entre entrar en el detalle de un proyecto y dirigir el conjunto desde una sola conversación.

Ese es el sistema que estoy construyendo: conservar la posibilidad de intervenir directamente, pero poder delegar el seguimiento cotidiano en un coordinador que mantenga la visión del conjunto. Que no dependa de mí recordar a quién encargué cada cosa y volver a preguntar cómo va.

Es un objetivo de construcción. Hay que comprobar en la práctica qué partes funcionan y cuáles siguen necesitando intervención.

Para mí, una prueba importante será poder dejar un proyecto, trabajar en otros asuntos y retomarlo sin reconstruir toda su historia. Otra será detectar que algo lleva demasiado tiempo parado y entender por qué.

También importa distinguir entre una tarea ejecutada y un resultado verificado. Si el sistema presenta ambas cosas como equivalentes, me devuelve la carga de averiguar qué está realmente terminado.

Un organizador también puede saturarte

Centralizar todos los avisos no resuelve por sí solo el problema de atención. Puede concentrarlo.

Si cada pequeño avance genera una notificación y cada duda se convierte en una interrupción, termino trabajando al ritmo de las llamadas del sistema.

La organización que necesito tiene que distinguir qué requiere una decisión inmediata, qué puede agruparse para una revisión posterior y qué puede continuar dentro de los límites ya acordados.

Eso también implica aceptar límites al trabajo simultáneo. Poder abrir veinte proyectos no significa que convenga mantener veinte asuntos reclamando decisiones a la vez.

A veces, la mejor contribución del organizador será ayudarme a cerrar algo antes de abrir otro frente.

La productividad se comprueba al cerrar

Por eso quiero mirar algo más que la velocidad de las respuestas.

Quiero saber cuántos resultados quedan aceptados y utilizables, cuánto tiempo dedico a corregirlos, cuántos asuntos esperan una decisión mía y cuántas veces tengo que recuperar información que debería estar a mano.

No tengo todavía una fórmula cerrada. Sí una pregunta cada vez más concreta: ¿estoy consiguiendo terminar más trabajo o simplemente mantener más trabajo abierto?

La capacidad de los agentes amplía lo que puedo intentar. Aprovecharla exige organizar también los momentos en que esperan ellos, los momentos en que espero yo y los momentos en que necesito concentrarme para decidir.

Esa es una parte central de lo que quiero resolver con Alonides.

He aprendido a aprovechar el tiempo en que la IA trabaja. Ahora tengo que aprender a proteger el tiempo en que me toca pensar a mí.