La empresa de dos personas: construir con agentes de IA en lugar de plantilla

¿Qué ha cambiado de verdad para una pyme digital?

Ha caído casi a cero el coste de un primer borrador competente de casi cualquier cosa —un correo, un informe, una ficha de producto, el resumen de una reunión— y, con él, el coste de mover trabajo de un paso al siguiente. Lo que no ha caído es el coste de acertar, y esa es la diferencia que se saltan casi todos los listados de herramientas.

Lo que eso desbloquea es concreto. En negocios digitales, repetibles y medibles —un SaaS vertical, un medio, una tienda online—, un equipo muy pequeño puede operar hoy a un volumen que antes pedía un departamento. Donde mandan las operaciones físicas, el criterio regulado o las relaciones largas, el cambio es real pero marginal.

Y todavía es minoritario. Según el INE, en el primer trimestre de 2025 usaba alguna tecnología de IA el 21,1 % de las empresas españolas de diez o más empleados, 8,7 puntos más que un año antes; entre las de menos de diez empleados con conexión a internet, el 13,4 %. La mayoría de las pymes no ha reorganizado nada todavía, y quien lo haga bien compite contra estructuras diseñadas para otro coste de coordinación.

¿Por qué la cuenta no sale igual en España que en Latinoamérica?

Porque en España lo caro de contratar es el compromiso fijo, y en Latinoamérica el salario en euros pesa menos, pero la coordinación cuesta lo mismo. En los dos casos, el argumento a favor de los agentes no es «ahorrar sueldos», sino no crear la estructura que obliga a coordinar.

En España, en el segundo trimestre de 2026, el coste laboral medio fue de 3388,15 euros por trabajador y mes: 2512,68 de coste salarial y 875,47 de otros costes, cuyo componente principal son las cotizaciones obligatorias a la Seguridad Social. Por cada euro de salario, la empresa paga casi 35 céntimos más, y los paga también el mes en que la facturación baja.

Un perfil equivalente en Buenos Aires, Bogotá o Ciudad de México suele costar menos en euros, pero eso no toca el problema de fondo. Con dos personas hay una línea de comunicación; con cinco, diez; con diez, cuarenta y cinco. Cada persona que se suma añade reuniones, traspasos y estados que perseguir, cobre lo que cobre, y con inflación alta o divisa volátil, un coste fijo en moneda local es una variable más que gestionar.

La pregunta útil, a ambos lados del Atlántico, no es cuánto te ahorras en nóminas, sino cuánta coordinación puedes evitar crear. Esa es la parte que los agentes absorben bien.

¿Qué tareas se automatizan hoy de verdad y cuáles no?

Se automatiza la coordinación, no el oficio: las tareas con una entrada clara, una salida comprobable y nadie que tenga que responder por ellas. No se automatiza lo que exige decidir, responder ante alguien o conocer un contexto que nadie ha puesto por escrito.

La extracción de documentos es el caso más instructivo, porque se verifica contra el original: es el tipo de trabajo sobre el que está construida ContaDoc, que lee comprobantes con OCR e importa ingresos automáticamente para profesionales de la salud independientes en Argentina y sus contadores.

En el estudio de Brynjolfsson, Li y Raymond con 5179 agentes de atención al cliente, un asistente de IA generativa aumentó un 14 % de media las incidencias resueltas por hora, un 34 % en los trabajadores novatos o menos cualificados y apenas nada en los más experimentados. Léelo desde una empresa de dos personas: si los dos sois expertos en lo vuestro, la ganancia no llega por hacer vuestro oficio más deprisa, sino por quitaros de encima lo que no es oficio. Lo que no se comprime:

• Decidir qué hacer. Qué mercado, por qué ahora, qué rechazar. Es el insumo más escaso de un venture studio.
• Todo lo que lleva responsabilidad. Si un cliente, Hacienda o un regulador necesitan que alguien responda, ese alguien es una persona.
• El criterio que depende de contexto no escrito. Por qué a este cliente se le hace una excepción y al otro no.
• La información original. Datos propios, pruebas reales, cosas que han pasado: lo que hace citable un contenido, como explicamos en SEO vs GEO.
• Las relaciones. Donde la venta pasa por el teléfono y por WhatsApp, nadie quiere una relación comercial duradera con una cola.

¿Dónde fallan los agentes de IA?

Fallan de forma predecible, y el patrón no es la dificultad: es lo difícil que resulta detectar el fallo. Un agente resuelve bien trabajo complejo y se equivoca con total aplomo en tareas que parecen igual de sencillas.

El experimento de investigadores de Harvard, Wharton y el MIT con 758 consultores de BCG, publicado en 2026 en Organization Science, lo midió. En 18 tareas dentro de la «frontera» de lo que la IA hace bien, quienes la usaron completaron un 12,2 % más de tareas, un 25,1 % más rápido y con mejor calidad; en una tarea elegida para quedar fuera de esa frontera, tuvieron un 19 % menos de probabilidades de llegar a la solución correcta que quienes trabajaron sin IA. La frontera es irregular y, sobre todo, invisible: nada en la respuesta te avisa de que la has cruzado. Los fallos que más se repiten:

• El error fluido. Una respuesta segura, bien formateada e incorrecta. Ninguna afirmación generada debe llegar a un cliente sin revisar.
• La acumulación silenciosa. Un error pequeño al principio de una cadena larga se propaga hasta el final. La guía de Anthropic sobre agentes advierte de que su autonomía implica más coste y errores que se acumulan.
• La falta de contexto. Correcto en general, incorrecto para esta cuenta.
• La deriva del encargo. La tarea crece más allá de lo pedido si no está acotada y no tiene una salida explícita.

¿Qué es el impuesto de verificación y cómo se calcula?

Es el tiempo que cuesta revisar lo que produce una máquina, y es la partida que falta en casi todas las promesas de productividad: todo agente que produce trabajo produce también revisión.

El estudio más incómodo sobre esto es el de METR con 16 desarrolladores experimentados, en grandes repositorios de código abierto en los que llevaban años contribuyendo. Con herramientas de IA de principios de 2025, tardaron un 19 % más; esperaban ir un 24 % más rápido y, al terminar, seguían creyendo que habían ganado un 20 %. Los autores advierten de que no se puede extrapolar sin más a otros perfiles ni dominios. Lo que sí enseña es que la sensación de ir más rápido no es una medida. La cuenta honesta es esta:

ahorro neto = tiempo de la tarea − (preparar el encargo + verificar + coste esperado de los errores que se escapan)

De ahí sale la regla práctica: automatiza las tareas cuya salida es barata de verificar. Un borrador que ibas a editar se verifica casi gratis. Un resumen fiscal, una cláusula de contrato o una promesa a un cliente, no, y ahí la automatización puede costar más de lo que ahorra mientras da sensación de avance.

El efecto de segundo orden es peor: un equipo que verifica mal durante seis meses acumula errores que no sabe localizar, y en una empresa de dos personas no hay un tercero que los detecte. Verificar barato no es una propiedad deseable: es el criterio de selección.

¿Cómo se reparte el trabajo entre dos personas y un sistema?

Las personas deciden, se comprometen y responden; el sistema reúne, extrae, enruta, vigila y redacta. Una persona es dueña de la demanda y de la relación —ventas, precios, excepciones, lo que se promete—; la otra, del producto y del sistema —lo que se entrega, las automatizaciones y su verificación—. Cada automatización tiene un dueño con nombre, y cada salida, una forma de comprobarla. Las reglas:

1. Mide antes de automatizar. Si un proceso no se mide, un agente lo hará más rápido y nadie sabrá si ha mejorado. Y automatiza solo un flujo que ya existe: en la escala Tier, «Automatiza» es la capa 4 y va después de «Distribuye», la 3, porque automatizar una empresa que nadie encuentra multiplica por cero.
2. Automatiza la forma, no el juicio. Los agentes montan, extraen, enrutan y redactan; las personas deciden y firman.
3. Cadenas cortas. Anthropic recomienda empezar por la solución más simple posible y que el agente obtenga una verdad de terreno del entorno en cada paso. Dos o tres pasos con una salida comprobable valen más que una cadena elegante de ocho cuyo tercer paso se torció en marzo sin que nadie lo viera.
4. Escribe el contexto. Casi todos los fallos de un agente son de contexto, y el documento que los arregla es el mismo que hace transferible el negocio, como contamos en el problema de la sucesión digital.
5. Revisa las automatizaciones cada trimestre. Se pudren: un flujo construido contra un sistema que cambió hace seis meses produce disparates con total seguridad y con horario fijo.

¿Qué regulación afecta a una pyme que trabaja con agentes?

Para la mayoría de los usos de una pyme —borradores, resúmenes, clasificación, informes internos— la norma que más pesa es el RGPD, porque los agentes tocan datos personales. El Reglamento de IA entra en juego al hablar con clientes, al publicar contenido y, sobre todo, al decidir sobre personas. Esto no es asesoramiento jurídico, sino el mapa para saber qué preguntarle a tu asesor.

• Datos que salen hacia un proveedor. Si un agente procesa correos, facturas o fichas de clientes con un servicio externo, ese proveedor trata datos por tu cuenta, y el RGPD exige elegir un encargado con garantías suficientes y regular el tratamiento con un contrato (artículo 28).
• Decisiones automatizadas sobre personas. El artículo 22 del RGPD reconoce el derecho a no ser objeto de una decisión basada únicamente en un tratamiento automatizado que produzca efectos jurídicos o afecte de forma significativa; cuando la decisión se ampara en un contrato o en el consentimiento explícito, la persona conserva el derecho a obtener intervención humana y a impugnarla. El agente prepara la decisión; la firma una persona.
• Hablar con clientes. El artículo 50 del Reglamento (UE) 2024/1689 exige que los sistemas que interactúan con personas les permitan saber que hablan con una IA, salvo que sea evidente. Se aplica desde el 2 de agosto de 2026.
• Publicar texto generado. El mismo artículo obliga a declarar el texto generado que se publica para informar sobre asuntos de interés público, salvo que haya pasado revisión humana o control editorial y alguien asuma la responsabilidad. La ley exime, en la práctica, a quien paga el impuesto de verificación.
• Seleccionar personal. Los sistemas para filtrar solicitudes o evaluar candidatos son de alto riesgo (anexo III). El Ómnibus digital sobre IA, publicado el 24 de julio de 2026, aplazó esas obligaciones al 2 de diciembre de 2027. Aplazar no es suprimir.
• Formación. El mismo Ómnibus rebajó el artículo 4: ahora pide apoyar la alfabetización en IA del personal, sin exigir un nivel concreto. Con dos personas, lo razonable es que ambas sepan qué hace cada agente y dónde falla.

Si operas desde Latinoamérica, el Reglamento europeo te alcanza cuando los resultados de tu sistema se usan en la Unión (artículo 2); para lo demás rige la ley de datos de cada país, y el mapa hay que rehacerlo con un asesor local.

¿Significa esto no contratar nunca?

No. Significa contratar más tarde, menos y por otras razones. Los puestos que antes eran la primera contratación —coordinador, analista junior, primer soporte— son justo los que se comprimen, así que la primera contratación de verdad pasa a ser alguien con criterio que se hace cargo de un resultado, no de una cola.

Los primeros datos van en esa dirección. Con nóminas de millones de trabajadores en Estados Unidos, el Stanford Digital Economy Lab encuentra que el empleo de los jóvenes de 22 a 25 años en ocupaciones expuestas a la IA está un 19 % por debajo de donde estaría si hubiera seguido el ritmo de sus pares menos expuestos, sobre todo porque se les contrata menos, no porque se les despida más. Los autores lo presentan como un indicador temprano y descriptivo, no causal, y la caída se concentra donde la IA sustituye tareas; donde las complementa, el empleo se mantiene o crece.

Ese es el coste honesto que el género calla: los primeros puestos eran también la puerta de entrada a un oficio, y una empresa que nunca contrata a un junior nunca forma a uno. Conviene decidirlo a conciencia, no por omisión.

Cómo lo pensamos en Thinktier

Para nosotros, automatizar no es una filosofía, sino la capa 4 de la escala Tier: la empresa opera sin plantilla proporcional al volumen. En el sistema operativo con el que construimos cada empresa es una etapa con entregables propios —CRM, dashboards, agentes— que va detrás de la distribución, como contamos en Inside our operating system (EN). Existe para subir el techo de cuántas empresas puede operar de verdad un equipo pequeño, porque en un estudio lo que se agota antes es la atención, no el capital (Venture studio economics, EN).

La prueba antes de automatizar es deliberadamente poco glamurosa: ¿podemos verificar la salida en menos tiempo del que lleva la tarea? Si no, el trabajo se queda en manos humanas, por bonita que fuera la demo. Casi todo lo que nos ha funcionado es anodino —higiene del pipeline, informes, primeros borradores, vigilancia—, y eso es justo lo que buscamos. La parte interesante de una empresa debería ser la que hace una persona.