Tareas autónomas con IA: qué delegar hoy y en 2027

Seguimos preguntando si la IA es inteligente. Es la pregunta equivocada. La que importa es otra: cuánto tiempo puede trabajar sola antes de que alguien tenga que mirar.

Esa respuesta se mide. En 2023, la IA completaba sola tareas de 4 minutos. En 2026, tareas que a un experto le llevan unas 17 horas: dos jornadas de trabajo.

Esta es la línea de tiempo para una empresa: qué se puede delegar hoy, qué se espera que se habilite en 2027 y cómo separar lo medido de lo proyectado.

El turno: la medida que le importa a un CEO

Pensá en la IA como en alguien que entra nuevo al equipo. Al principio le das tareas de minutos y revisás todo. Cuando demuestra que puede, le das una hora. Después una mañana. Después un proyecto entero.

La pregunta nunca es cuánto sabe. Es cuánto turno aguanta solo.

Eso es lo que mide METR, una organización independiente que evalúa modelos de IA. Su medida se llama horizonte de tiempo: el largo de las tareas que un modelo completa sin ayuda, expresado en lo que tardaría un experto humano en hacerlas.

Tres detalles antes de mirar los números:

• La vara es el 50%. El modelo tiene que completar la tarea en la mitad de los intentos, solo.
• Son tareas de software y razonamiento, autocontenidas y con una respuesta que se puede verificar. No son el trabajo desordenado de una oficina real.
• Por encima de 16 horas, la medición pierde precisión. METR lo advierte: a su batería de tareas ya le cuesta medir a los mejores modelos.

¿Por qué esta medida y no los rankings de "qué modelo es más inteligente"? Porque un examen mide lo que la IA sabe. El horizonte mide lo que la IA termina. Para una empresa, solo lo segundo se convierte en horas liberadas.

Con esas salvedades, es la mejor regla que existe para saber qué turno se le puede dar a la IA.

De 3 segundos a dos jornadas

Los valores de METR (versión 1.1 de su medición) cuentan una historia muy regular:

• GPT-2 (2019): 3 segundos.
• GPT-4 (marzo de 2023): 4 minutos.
• Claude 3.5 Sonnet (octubre de 2024): 20,5 minutos.
• o3 (abril de 2025): 2 horas.
• GPT-5 (agosto de 2025): 3,4 horas.
• Claude Opus 4.5 (noviembre de 2025): 4,9 horas.
• Claude Opus 4.6 (febrero de 2026): 12 horas.
• Claude Mythos Preview (abril de 2026): unas 17 horas.

Desde 2023, el largo de las tareas se duplica cada 129 días, unos cuatro meses. Son casi tres duplicaciones por año: lo que hoy la IA hace sola en una hora, dentro de un año podría hacerlo en unas siete.

Ese "podría" importa. La curva es una medición hacia atrás. Hacia adelante es aritmética, y la aritmética no promete nada. Pero lleva siete años sin frenarse, y desde 2023 se aceleró.

Qué ya se puede delegar en 2026

Traducida a una empresa, la curva arma cuatro escalones. Las duraciones son las que mide METR; los ejemplos son ilustrativos.

Minutos. Posible desde 2023. Hoy es rutina.

• Ventas: resumir una reunión y redactar el seguimiento.
• Administración: extraer los datos de una factura y cargarlos.
• Atención al cliente: clasificar los correos que entran y proponer la respuesta.

Una hora. Posible desde 2025.

• Compras: comparar 12 cotizaciones de proveedores y recomendar a quién comprar, con precio, plazo y condiciones.
• Legal: revisar un contrato contra la política de la empresa y marcar las cláusulas que se apartan.
• Marketing: armar el informe mensual de campañas a partir de las exportaciones de cada plataforma.

Una jornada. Posible desde fines de 2025.

• Finanzas: conciliar el banco contra 800 facturas del mes y dejar para revisar solo las diferencias.
• Ventas: armar el reporte mensual completo, compararlo con el mes anterior y señalar los desvíos.
• Recursos humanos: preparar el material de inducción de un puesto a partir de manuales y procedimientos dispersos.

Dos jornadas. Posible desde 2026, en los mejores modelos.

• Operaciones: migrar 5.000 productos al sistema nuevo, normalizar descripciones, corregir códigos duplicados y entregar el informe de lo que cambió.
• Calidad: auditar un año de registros contra un procedimiento y documentar cada desvío con su evidencia.

Una aclaración que ahorra frustraciones. Las tareas que mide METR son autocontenidas: traen todo lo necesario para resolverlas. En una oficina real, la mitad del trabajo es conseguir eso. Acceso a los datos, el procedimiento escrito con sus excepciones, los criterios que hoy viven en la cabeza de una persona. Cuando falta, una tarea de una hora se vuelve una tarde de idas y vueltas. Cuando está, el escalón se sube solo.

Si en tu empresa la IA sigue resumiendo correos, el límite no es la tecnología. Le estás dando turnos de minutos a alguien que aguanta dos jornadas.

La letra chica: el 50% no es el 80%

Hay un número que casi nadie cita y que cambia la lectura. Los horizontes de arriba son al 50% de éxito. La mitad de las veces sale bien. La otra mitad, no.

Un empleado que hace bien su turno la mitad de las veces no es un empleado. Es una moneda al aire.

METR también mide al 80% de éxito, y ahí el turno se achica mucho:

• Claude Opus 4.5: 4,9 horas al 50%; unos 50 minutos al 80%.
• Claude Opus 4.6: 12 horas al 50%; unos 70 minutos al 80%.
• Claude Mythos Preview: unas 17 horas al 50%; unas 3 horas al 80%.

La lectura práctica es simple. Al 50%, la IA puede intentar la tarea: se delega con revisión. Al 80%, empieza a ser confiable sin mirar cada paso. Hoy el mejor modelo medido llega a unas tres horas con esa confiabilidad.

Por eso los procesos que mejor funcionan no son los que sueltan todo. Son los que ponen la revisión humana en el momento justo. Al 50% delegás con red. Al 80% empezás a soltar la mano.

El punto ciego: las pantallas

Hay un segundo matiz. Los horizontes de METR son de tareas de software y razonamiento. Cuando la IA tiene que operar una pantalla (mirar, hacer clic, completar un formulario en un ERP viejo o en el portal de un banco), el turno es bastante más corto.

En 2025, METR midió que en tareas de uso visual de computadora el horizonte era entre 40 y 100 veces más corto que en software. La buena noticia del mismo estudio: crecía a un ritmo parecido.

En las tareas cortas, la brecha ya se cerró. En OSWorld-Verified, una prueba con tareas reales de computadora, los mejores modelos de 2026 superan el 72% que logra una persona promedio. Pero son tareas de minutos. Cargar 200 pedidos de un portal al ERP durante una mañana entera, sin un error, todavía pide a alguien mirando.

Por pantalla, la IA ya hace bien lo corto. Lo largo todavía se supervisa.

Lo que se espera para 2027

Esta es la parte que todavía no funciona al 100%. Nada de lo que sigue es un anuncio con fecha. Es lo que se habilita si las curvas medidas mantienen su ritmo, y lo que los proveedores ya tienen en piloto.

1. Tareas de varios días. Si la duplicación cada cuatro meses se sostiene, el horizonte al 50% pasa de dos jornadas a semanas de trabajo durante 2027. Es aritmética, no medición: METR ya avisa que sus tareas no alcanzan para medir más allá de 16 horas. Para la empresa, el cambio es delegar un entregable completo (una auditoría, una migración, el cierre de un trimestre) y no un paso.
2. Confiabilidad al 80% en tareas largas. Hoy el mejor está en unas tres horas. Si ese horizonte crece al ritmo del otro, la jornada completa con alta confiabilidad llega entre fines de 2026 y el transcurso de 2027. Es la frontera que más importa: la diferencia entre revisar cada paso y revisar al final.
3. Operar pantallas con confiabilidad alta. Lo corto ya funciona. Lo que se espera es que lo largo, una mañana de carga en un sistema sin conexión, salga bien sin supervisión constante. Es lo que más va a cambiar el trabajo administrativo en empresas con sistemas viejos.
4. Agentes que se coordinan entre sí. El protocolo A2A, para que agentes de distintos proveedores se encuentren y trabajen juntos, existe desde 2025 y lo gobierna la Linux Foundation. Lo que falta es que sea cotidiano: que el agente de compras de tu empresa resuelva con el agente de ventas de tu proveedor sin que una persona copie y pegue entre los dos.
5. Pagos hechos por agentes. Los protocolos ya existen: AP2 de Google, los de Visa, Mastercard y Stripe. En marzo de 2026, Santander y Visa completaron las primeras compras hechas por agentes en cinco países de América Latina, México incluido. Lo que se espera para 2027 es el paso de piloto a canal: agentes que compran dentro de topes firmados por una persona.

Nada de esto es ciencia ficción. Todo existe en algún laboratorio o en algún piloto. Lo que define 2027 no es si existe. Es si sale bien todas las veces.

El semáforo de delegación

Con la curva a la vista, cada tarea se clasifica con tres preguntas. ¿Cuánto dura? ¿Si sale mal, se corrige antes de que llegue a un cliente? ¿La IA llega por un conector o tiene que usar la pantalla?

• Verde: delegar y revisar al final. Tareas de hasta un par de horas, con datos accesibles por conector y donde un error se corrige antes de salir. Clasificar, resumir, comparar cotizaciones, preparar borradores.
• Amarillo: delegar con revisión en puntos fijos. Tareas de una o dos jornadas, o que pasan por pantallas. La IA hace el trabajo; una persona aprueba en los momentos que importan. Conciliaciones, reportes completos, migraciones.
• Rojo: todavía no. Tareas largas e irreversibles, o que mueven dinero sin tope: pagar, firmar, comunicar algo delicado a un cliente sin aprobación. Lo que 2027 promete habilitar, pero hoy no.

El semáforo cambia de color con el tiempo. Una tarea en amarillo hoy puede estar en verde dentro de un año. Por eso el mapa se revisa cada trimestre, no una vez.

Un plan de IA de hace seis meses ya quedó corto: desde entonces, la curva se duplicó al menos una vez.

Por dónde empezar esta semana

No hace falta esperar a 2027 para aprovechar la curva. Hace falta saber qué turnos le estás dando hoy.

1. Listá diez tareas que se repiten en tu empresa, de cualquier área.
2. Medí cuánto tardan hoy, en tiempo de la persona que mejor las hace.
3. Pasalas por el semáforo: verde, amarillo o rojo.
4. Elegí dos verdes y una amarilla para el próximo mes. Las verdes se delegan; la amarilla se prueba con revisión.
5. Agendá la revisión en tres meses. Alguna amarilla va a haber cambiado de color.

Si querés ver cómo se arma el agente que hace ese trabajo, está en agentes de IA: qué son, cómo funcionan y cuándo convienen. Y para ubicar en qué punto está tu empresa, en las cinco etapas de madurez en IA.

La pregunta que importa no es qué va a poder hacer la IA en 2027. Es cuántos turnos largos le estás dando hoy.

¿Querés clasificar las tareas de tu empresa con nosotros? Hablemos.