Problema
La conversación sobre IA suele tratar la capacidad como si fuera una línea continua: este modelo es mejor que el anterior, este benchmark sube, esta tarea ya se puede automatizar, esta otra aun no.
En la práctica no funciona así. Dos tareas que parecen igual de difíciles para una persona pueden caer en lados opuestos de la capacidad del modelo. Una se resuelve con calidad sorprendente. La otra produce una respuesta convincente, pero equivocada.
Ese patron se conoce como frontera dentada. Y en 2026 es una idea mas importante que nunca porque los agentes no solo responden: actuan.
Tesis
Antes de automatizar, cada equipo debería dibujar su mapa de frontera dentada.
No basta con preguntar “puede la IA hacer esto”. Hay que preguntar: en que variantes lo hace bien, en cuales parece hacerlo bien pero falla, que señales anticipan el fallo, y donde debe parar antes de ejecutar.
La frontera dentada convierte la gobernanza en trabajo concreto. No es un comite diciendo “cuidado con la IA”; es una matriz de tareas, errores, pruebas y limites operativos.
Framework
Mapea cada workflow en cuatro zonas:
- Zona verde: tareas repetibles, verificables y con bajo coste de error.
- Zona amarilla: tareas útiles con revisión humana ligera.
- Zona roja: tareas donde una respuesta plausible puede causar daño operativo.
- Zona gris: tareas donde aun no hay evidencia suficiente para decidir.
Mini-caso: un agente puede resumir tickets y extraer entidades con buen rendimiento. También puede proponer políticas de reembolso en casos excepcionales. Ambas parecen tareas de texto, pero no pertenecen a la misma zona. La primera se valida contra datos. La segunda mezcla criterio, excepciones, riesgo legal y experiencia de cliente.
Señal medible: porcentaje de fallos detectados antes de ejecución frente a fallos descubiertos por cliente, usuario o equipo posterior.
Postura: automatizar sin mapa de frontera es delegar no solo trabajo, sino desconocimiento.
Por que importa ahora
El estudio de Harvard Business School y BCG sobre la frontera dentada mostro una paradoja: dentro de la frontera, los participantes con IA completaron mas tareas, mas rápido y con mayor calidad; fuera de ella, fueron menos propensos a producir soluciones correctas que quienes no usaban IA.
En marzo de 2026, Harvard volvio sobre la investigación tras su publicación formal en Organization Science. La lección sigue siendo incomoda: la IA no solo ayuda o falla. A veces ayuda justo lo suficiente para que el fallo parezca profesional.
Stanford HAI, en su AI Index 2026, también subraya problemas de gobernanza, transparencia y alucinación. El contexto no es “la IA no sirve”; es que los sistemas necesitan evaluación situada, no fe general en el modelo.
Anti-ejemplo
“El benchmark dice que el modelo es bueno en razonamiento, así que puede tomar esta decisión.”
Un benchmark general no describe tu frontera local. Tu proceso tiene datos incompletos, excepciones, políticas internas, sistemas heredados, clientes reales y consecuencias. La frontera dentada no se compra en una ficha técnica; se descubre en ejecución controlada.
Protocolo (3 pasos)
- Lista variantes, no tareas. “Responder tickets” no es una tarea; reembolso simple, fraude potencial y cliente enterprise son variantes distintas.
- Fuerza casos frontera. Prueba ambigüedad, datos contradictorios, instrucciones incompletas y excepciones raras.
- Define parada automática. Si aparece una señal roja, el agente debe escalar, no improvisar.
| Zona | Ejemplo | Control mínimo |
|---|---|---|
| verde | clasificar ticket repetible | muestreo y métricas |
| amarilla | redactar respuesta sensible | revisión ligera |
| roja | aprobar excepción económica | humano responsable |
| gris | nuevo proceso sin histórico | piloto cerrado |
Relacionado
- Agent Reliability Score: como saber si un agente merece autonomía
- AI Governance Backlog: convertir riesgo en trabajo ejecutable
- Rollback Design for AI Workflows: como apagar automatizaciones sin romper la operación
Fuentes consultadas
- Harvard D3: Navigating the Jagged Technological Frontier
- Harvard D3: Back to the Beginnings of AI at Work
- Stanford HAI: 2026 AI Index Report, Responsible AI
Próximo paso
Elige un proceso que quieras automatizar y no hagas una prueba generica. Construye veinte variantes: diez fáciles, cinco ambiguas, tres raras y dos peligrosas. Ahí empieza tu mapa real.