A fines de 2026, dos investigadores probaron algo que cualquier empresa que ya puso un asistente de IA a atender a varios departamentos reconoce en la práctica: qué pasa con la precisión de ese asistente a medida que crece el catálogo de herramientas conectadas a él. Partieron de un asistente real, con 110 ayudantes especializados y 584 herramientas conectadas, y midieron el acierto a medida que el catálogo crecía de 10 a 110 ayudantes — cuántas veces el asistente elegía la herramienta correcta ante pedidos vagos — del tipo que una persona cualquiera realmente escribe en su día.
El resultado: en tres modelos de IA distintos, la precisión cayó entre 16 y 23 puntos porcentuales a medida que el catálogo se acercó al tamaño real de uso corporativo. Los autores dividen el problema en dos partes. Una es que el asistente simplemente no logra ubicar, entre tantas opciones parecidas, la herramienta correcta para ese pedido. La otra es más sutil: incluso cuando la herramienta correcta está justo delante de él, el exceso de opciones similares lo confunde — la precisión en el mejor escenario posible también cayó cerca de 10 puntos.
Ninguno de los dos problemas es falta de inteligencia del modelo de IA. Es diseño. Y es el mismo diseño que traba a una persona recién contratada cuando alguien le entrega el manual entero de la empresa y le dice "resuélvelo" — sin decir qué rutina, qué sistema y quién tiene que aprobar qué antes.
El catálogo que crece y la precisión que cae
Una cobertura reciente sobre el diseño de herramientas para asistentes de IA, publicada por el sitio especializado Machine Learning Mastery, reúne el mismo patrón en otro experimento. Cuando los investigadores compararon darle al asistente acceso a todo el catálogo de herramientas de una vez contra filtrar antes, de forma automática, solo las relevantes para ese pedido específico, la precisión al elegir la herramienta se triplicó con creces — de 13,6% a 43,1% — y el tamaño de la instrucción enviada al modelo se redujo a la mitad.
La explicación técnica tiene dos partes, pero el efecto práctico es uno solo. Primero, cada herramienta descrita ocupa espacio en la capacidad de lectura del asistente antes de que llegue siquiera al pedido de la persona — la misma cobertura estima que la lista de herramientas disponibles, por sí sola, puede consumir entre el 5% y el 7% de esa capacidad. Segundo, cuando la lista es larga, el asistente tiende a perder de vista las opciones que quedan en el medio de ella, un efecto ya documentado en investigaciones sobre cómo la IA lee textos largos. El resultado es previsible: se elige la herramienta equivocada, o se elige la correcta con el dato equivocado adentro.
Nada de esto es una falla puntual. Es el comportamiento esperado de cualquier sistema — humano o no — obligado a elegir entre muchas opciones parecidas sin ningún criterio de desempate. Un asistente con acceso a 80 funciones distintas para "ayudar con lo que haga falta" no es más útil que uno con 6 funciones bien elegidas para una rutina específica. Es menos útil.
Dar más acceso confunde, no soluciona
La salida más intuitiva, cuando un asistente se equivoca, suele ser la equivocada: darle acceso a una herramienta más, un sistema más, "por las dudas". Es el equivalente corporativo de resolver la indecisión de alguien agrandando el menú.
La propia Anthropic, una de las empresas que construyen estos modelos de IA, publicó una guía de ingeniería en la dirección opuesta: en vez de convertir cada función de un sistema en una herramienta separada, la recomendación es construir pocas herramientas bien pensadas, cada una con un propósito claro y distinto, orientadas a las rutinas que realmente importan. La misma guía da un ejemplo concreto: en vez de exponer tres herramientas separadas para listar contactos, listar eventos y crear un evento, exponer una sola herramienta que resuelve el agendamiento de principio a fin. Las herramientas que se superponen, según la misma guía, distraen al asistente de elegir el camino más eficiente — no le dan libertad, le agregan ruido.
En la práctica de una empresa, esto significa que el asistente que promete cubrir finanzas, RR. HH. y ventas al mismo tiempo, con una única instrucción genérica y acceso a todo "por precaución", no es el asistente más poderoso de la casa. Es el más impreciso. Y el costo de esa imprecisión no lo paga el área de tecnología — lo paga quien actuó sobre la respuesta equivocada antes de descubrir que lo era.
Lo que tiene que existir en la práctica
Un asistente de IA confiable se define por cómo fue diseñado, no por cuántas herramientas puede alcanzar.
Instrucción específica por rutina. La instrucción debe escribirse como si fuera para entrenar a una persona nueva en el puesto: qué tarea exactamente, con qué tono, entregando qué formato de respuesta. "Ayuda con lo que haga falta" no es una instrucción — es la ausencia de una.
Acceso función por función. Cada asistente ve solamente las funciones de la rutina que cubre dentro de una herramienta conectada — no la herramienta entera, habilitada porque "separar las funciones daba más trabajo".
Alcance en capas. Un asistente puede nacer como experimento personal de alguien, demostrar que funciona y, recién entonces, "crecer" para uso del equipo o de toda la empresa — con aprobación en cada paso de ese ascenso, nunca por defecto.
Aprobación según el riesgo. Las acciones sensibles — enviar, aprobar, eliminar, cambiar un valor — deben detenerse y pedir confirmación de una persona antes de continuar, incluso dentro de una rutina ya bien definida y probada.
Un dueño designado. Cada asistente necesita a alguien responsable de revisar periódicamente su instrucción y su acceso. Sin un dueño, todo asistente específico tiende, con el tiempo y con pedidos sueltos, a volver a convertirse en el asistente genérico que la investigación muestra que no funciona.
Así fue diseñada Skyller: cada asistente lleva un alcance, un rol de acceso y un dueño definidos desde su creación, con más de 100 agentes preconfigurados por rutina disponibles como punto de partida — no un único asistente genérico con la llave de todo en la mano.
El especialista le gana al generalista, en la práctica
La ganancia más fácil de notar es la precisión: un asistente con seis funciones bien elegidas para una rutina específica se equivoca menos que uno con ochenta funciones "por las dudas". Pero la ganancia que suele decidir la conversación dentro de la empresa es otra.
Cuando un asistente está diseñado para una rutina específica, se vuelve fácil de confiar — y fácil de traspasar a otra persona para que haga lo mismo, con el mismo nivel de calidad, sin que esa persona necesite entender cómo fue armado por dentro. Es la diferencia entre un equipo en el que solo una persona sabe hacer bien el cierre mensual y un equipo en el que la forma correcta de hacerlo se volvió algo que cualquiera puede activar.
También hay una ganancia menos comentada: un asistente de alcance acotado es más barato de operar, porque procesa menos texto en cada pedido, y más fácil de auditar después, porque el rango de cosas que pudo haber hecho es conocido y pequeño. Un asistente genérico con acceso amplio es lo contrario en ambos puntos — más caro por conversación y más difícil de explicar, en una investigación, qué hizo exactamente y por qué.
Una guía para diseñar el próximo asistente
Antes de crear el próximo asistente de IA para el equipo, vale la pena repasar esta lista:
- Enumera la rutina antes que las herramientas. Empieza por la tarea repetitiva que más tiempo consume del equipo, no por el catálogo de sistemas ya conectados.
- Escribe la instrucción como material de entrenamiento, no como un pedido suelto. Describe la tarea, el tono esperado y el formato de la respuesta con el mismo cuidado que se usaría para entrenar a alguien nuevo en el equipo.
- Otorga el acceso función por función. Antes de marcar la herramienta conectada entera, confirma qué funciones específicas usa realmente esa rutina.
- Define qué requiere aprobación humana. Toda acción que cambia algo fuera de la conversación — enviar, aprobar, eliminar — debería detenerse y pedir confirmación antes de ocurrir.
- Designa un dueño y programa una revisión. Alguien tiene que ser responsable de notar cuándo la instrucción o el acceso de ese asistente quedaron desactualizados.
