# Agent Reliability Score: como saber si un agente merece autonomia > La autonomia de un agente no deberia decidirse por entusiasmo. Un reliability score mide calidad, reversibilidad, coste de supervision y estabilidad antes de soltarlo en produccion. - Author: Viktor Berthelius (BRTHLS) - Published: 2026-05-06 - Category: automation aiops - Tags: agent-reliability, ai-evaluation, automation-governance - Language: es - Canonical: https://www.brthls.com/magazine/agent-reliability-score-como-saber-si-un-agente-merece-autonomia-es - Source: BRTHLS Magazine — https://www.brthls.com --- ## Problema Muchos equipos pasan de demo a autonomia sin una medida clara de fiabilidad. El agente funciona en diez pruebas, impresiona en una reunion y acaba tocando workflows donde un error no es un bug simpatico: es retrabajo, perdida de margen o daño reputacional. El problema no es que el agente falle. El problema es no saber cuanto puede fallar antes de que deje de ser rentable. ## Tesis La autonomia de un agente no deberia aprobarse por percepcion. Deberia aprobarse por score operativo: calidad, estabilidad, reversibilidad, coste de supervision y claridad de escalado. Un agente no merece mas autonomia porque parezca inteligente. La merece cuando su error es medible, reversible y economicamente aceptable. ## Framework Un Agent Reliability Score puede empezar con cinco dimensiones: - **Task fit:** el trabajo es repetible, observable y acotado. - **Output quality:** el resultado cumple criterios definidos, no gusto subjetivo. - **Stability:** el rendimiento se mantiene entre ciclos, inputs y casos limite. - **Reversibility:** el coste de corregir una accion fallida es bajo o controlado. - **Escalation clarity:** el agente sabe cuando pedir ayuda y a quien. Cada dimension se puntua de 1 a 5. La autonomia no sube por la media. Sube por el peor punto critico. Mini-caso: un agente de operaciones financieras genera borradores de conciliacion con buena precision, pero falla cuando el proveedor cambia el formato del archivo. Su score de quality es alto, pero stability y escalation son bajos. La decision correcta no es apagarlo. Es mantenerlo como copiloto hasta que detecte cambios de formato y escale antes de contaminar el workflow. **Senal medible:** porcentaje de acciones autonomas que no requieren retrabajo, escalado tardio o rollback. **Postura:** la autonomia sin score es delegacion emocional. **Respiracion:** una demo puede tolerar magia. Una operacion necesita limites. ## Matriz simple de autonomia | Score minimo | Nivel | Que puede hacer | | --- | --- | --- | | 1-2 | Observador | leer, resumir, sugerir | | 3 | Copiloto | preparar decisiones con aprobacion humana | | 4 | Operador limitado | ejecutar acciones reversibles bajo threshold | | 5 | Operador autonomo | ejecutar dentro de policy con auditoria continua | La clave no es subir rapido. Es no conceder autonomia en una dimension que el agente todavia no puede sostener. ## Error comun El anti-ejemplo es evaluar al agente por "accuracy" y olvidarse de la reversibilidad. Un agente con 95% de acierto puede ser inviable si el 5% restante rompe contratos, factura mal o obliga a senior staff a revisar todo. La pregunta correcta no es "cuantas veces acierta". Es "que pasa cuando se equivoca". ## Protocolo (3 pasos) 1. **Define el trabajo exacto.** Si no puedes describir la tarea en condiciones, inputs, outputs y limites, no esta lista para autonomia. 2. **Puntua las cinco dimensiones.** Task fit, quality, stability, reversibility y escalation clarity. 3. **Asigna autonomia por el mayor riesgo residual.** No por entusiasmo, no por presion interna, no por comparacion con la demo. ## Cuando bajar autonomia El score no se calcula una vez. Baja autonomia cuando: - sube el retrabajo dos ciclos seguidos - aparecen errores nuevos en casos ya conocidos - el agente escala tarde - el owner humano deja de confiar en el output - el coste de supervision supera el ahorro operativo Un sistema maduro no solo promueve agentes. Tambien los degrada a tiempo. ## Relacionado - [AI Evaluation Stack 2026: medir sin teatro](/magazine/ai-evaluation-stack-2026-medir-sin-teatro) - [Human Escalation Design: cuando un agente debe pedir ayuda y cuando debe seguir solo](/magazine/human-escalation-design-cuando-un-agente-debe-pedir-ayuda-y-cuando-debe-seguir-solo) - [Agent Handoffs: transferencias sin friccion entre humanos y agentes](/magazine/agent-handoffs-transferencias-sin-friccion-humanos-agentes-es) ## Proximo paso Antes de dar mas autonomia a un agente, puntua su peor dimension. Si no sabes cual es, la autonomia ya va por delante del sistema. Podemos revisarlo en un [diagnostico](/contact). --- _Cite as: Berthelius, V. (2026). "Agent Reliability Score: como saber si un agente merece autonomia". BRTHLS Magazine. https://www.brthls.com/magazine/agent-reliability-score-como-saber-si-un-agente-merece-autonomia-es_