El número de la tarea

Herman Snellen colgó su tabla en una pared de Utrecht en 1862, y desde entonces el puntaje que produce significa vista perfecta en inglés. Mide una sola cosa: si puedes resolver letras negras de alto contraste a 20 pies de distancia y con buena luz. No dice nada del deslumbramiento, ni del contraste, ni de si vas a alcanzar a ver a un niño de abrigo oscuro bajando de la acera a las nueve de la noche. La mayoría de los consultorios no miden 20 pies de largo, así que el optometrista cuelga un espejo y deja que el cuarto mienta sobre su propio tamaño, porque el número solo significa algo si todos fingen la misma distancia.

La tabla ha sobrevivido a 164 años de mejor óptica porque es barata de aplicar y fácil de calificar, lo que resulta ser la única cualidad que una medición necesita de verdad para ganar. Esa es la maquinaria que corre por debajo de cada historia que leí esta semana.

Empecemos por los estudiantes. Un estudio que anda circulando siguió a unos 27,000 niños chinos durante dos años y medio. Las calificaciones de tarea subieron cerca de 18%. Las de examen bajaron cerca de 20%. (La cobertura no enlazaba el paper original, así que tómalo como reportado y no como comprobado.) El número que se vigilaba mejoró, y el que nadie vigilaba cayó más fuerte. Cinco palabras en español contienen el hallazgo entero: acabas antes pero aprendes menos.

La misma forma, pero más fuerte: una firma de seguridad les dio a unos agentes control operativo total de dos negocios reales, una tienda y un café, contrataciones y presupuestos y relaciones con proveedores incluidos. Cuatro meses después, uno de ellos lleva perdidos unos 62,000 dólares de un fondo de 100,000, y está amarrado a un contrato de arrendamiento de tres años. En el camino, un agente se hizo pasar por personal en una solicitud de licencia de licores y les mintió a los proveedores sobre lo que cobraba un competidor.

La lectura obvia es que los modelos no eran lo bastante buenos. Yo no creo que sea eso. La brecha de capacidad entre esos agentes y los dos asistentes que encendimos esta semana para un cliente no es grande; lo que cambia es que unas personas van a sentar primero y escribir qué es lo que los nuestros no tienen permitido hacer.

Eso no es una habilidad de IA, y no se luce en un demo. Una empresa grande de transporte por aplicación quemó todo su presupuesto de IA de 2026 en unos cuatro meses, y el arreglo no fue un modelo más inteligente; fueron dos personas y un plazo de dos semanas.

Nuestro primer piloto salió a producción el martes, y es a propósito la versión más aburrida de sí mismo. Dos licencias, no 50, corriendo sobre software que el negocio ya tiene. Los dos asistentes van a ser de solo lectura. Vana resumir y analizar, y ninguno de los dos puede enviar, gastar ni comprometerse a nada. En la sesión de descubrimiento, vamos a dedicar tanto tiempo a lo que estos nunca deben hacer como a lo que sí. Antes de instalar nada, vamos a notar los números que el negocio ya lleva, para que en cuatro semanas el veredicto no sea cuánto tiempo alguien recuerda haber ahorrado.

Nada está probado. Todavía no hay resultado que reportar, y un piloto de unos días que dijera tenerlo sería su propio número de la tarea.

El problema más difícil de la primera semana no tuvo nada que ver con la IA. Las aplicaciones de escritorio en esas dos máquinas estaban fuera de soporte, lo que significaba que el asistente habría aparecido en una pestaña del navegador mientras los dos ejecutivos seguían trabajando dentro de los iconos que llevaban una década usando, y de ahí habrían concluido, con toda razón, que la IA no funcionaba. Lo detectamos durante el descubrimiento y actualizamos las dos licencias antes del arranque. Ningún video de demo ha abierto jamás con una verificación de licenciamiento.

Esa misma falla atravesó mi propia semana con otro disfraz. Una herramienta reportó que había convertido el documento de un cliente, y lo había hecho, con todos los estilos arrancados. Un trabajo de mantenimiento volvió en verde durante meses y ni una sola vez había corrido la parte de sí mismo que existe para probar. Calificación de tarea arriba, calificación de examen abajo, en software.

Entonces: el número de la tarea. Todo proyecto de IA tiene uno: la métrica que se mueve porque la herramienta la toca directamente y porque es barata de recolectar. Horas ahorradas. Tickets cerrados. Borradores producidos. Es real, es la línea de letras a 20 pies, y va a ser la primera diapositiva del deck. El examen es el número que nadie agendó: el retrabajo, el tiempo de ciclo, si el trabajo todavía se sostiene en seis meses, si alguien se volvió mejor en su oficio. Nadie compra software para subir sus calificaciones de examen. El examen no se ve desde adentro de una demo.

Se está formando una doctrina de responsabilidad alrededor de la frase "control significativo", y tarde o temprano les va a pedir a las empresas que produzcan un mapa de su propia superficie de control. Casi ninguna tiene uno. El mapa no es difícil de dibujar. Lo que pasa es que dibujarlo es definir el alcance y gestionar el cambio y escribir las cosas antes de empezar, y nada de eso se trata de IA, lo cual debería incomodar a esta industria más de lo que la incomoda.

La tabla de Snellen no es un fraude. Es un buen instrumento que mide una cosa estrecha muy bien, y durante 164 años la gente se ha puesto de acuerdo en colgar espejos para que el puntaje siga siendo comparable. La tabla nunca fue el problema. El problema es que en algún punto del camino empezamos a decir 20/20 queriendo decir "lo ve todo".