Una tabla con entrada, decisión, salida y versión de la instrucción, más una columna de corrección humana. Se monta en una hora, se lee los viernes en diez minutos y es lo único que permite mejorar un agente con datos.
Me llaman para arreglar un agente que «está contestando mal». Primera pregunta: enséñame las últimas cincuenta ejecuciones. Silencio. Segunda pregunta: ¿tienes alguna guardada? Silencio más largo. En ese punto el trabajo deja de ser arreglar el agente y pasa a ser reconstruir lo que hizo, que cuesta cinco veces más.
El registro es la pieza más barata del sistema. Una hora de montaje, un par de euros al mes de almacenamiento y diez minutos de lectura a la semana.
Las columnas que sí hacen falta
No hace falta un sistema de observabilidad. Hace falta una tabla. Estas son las columnas con las que trabajo, y el orden importa poco mientras estén todas.
COLUMNA | PARA QUÉ SIRVE EL DÍA MALO |
|---|---|
Fecha y hora | Cruzar con el momento en que alguien cambió algo |
Entrada original, sin tocar | Reproducir el caso exacto y volver a lanzarlo |
Decisión o categoría | Ver el patrón de los fallos, no un fallo aislado |
Salida enviada | Saber qué leyó el cliente, no qué creemos que leyó |
Herramientas usadas | Distinguir un error del modelo de uno de integración |
Versión de la instrucción | Saber a partir de cuándo empeoró |
Corrección humana | Medir el acierto real y alimentar las mejoras |
Identificador de ejecución | Abrir el detalle en la herramienta en dos clics |
La columna de versión de la instrucción es la que más se olvida y la que más tiempo ahorra. Basta con un texto corto: «v4 · 12 mar · añadido caso idiomas». Cuando el acierto cae, la comparación entre versiones se hace en un minuto.
«Sin registro no tienes un agente: tienes una intuición que responde correos.»
Cómo se monta en una hora
Dos escrituras en la misma fila. La primera, en cuanto llega la entrada: fecha, entrada original e identificador. La segunda, al terminar: decisión, salida, herramientas y versión. Si el flujo se cae en medio, queda una fila a medias, y eso también es información valiosa.
- Escribe la fila antes de llamar al modelo, no después. Los errores que se pierden son los del medio.
- Guarda la entrada tal cual, sin normalizar. La versión limpia va en otra columna si hace falta.
- Nada de troncos de texto gigantes en una celda: si la salida es larga, guarda un enlace al detalle.
- Retención decidida a mano: seis o doce meses, y borrado automático de lo que caduque.
Sobre datos personales: el registro es un tratamiento de datos como cualquier otro. Decide qué campos se guardan, cuáles se anonimizan y quién tiene acceso, y déjalo escrito en el mismo documento donde están los límites. Un registro completo sin control de acceso es un problema nuevo, no una solución.
Los diez minutos del viernes
El registro sin rutina de lectura es un disco duro con buenas intenciones. Mi rutina es siempre la misma y cabe en diez minutos.
- Cuántas ejecuciones ha habido. Si son muchas menos de lo normal, algo está roto aunque nadie se haya quejado.
- Cuántas correcciones humanas y de qué tipo. El porcentaje es la única medida de acierto que no se discute.
- Los casos marcados como «no sé» o derivados: ahí están las lagunas de la documentación.
- Los tres casos más raros de la semana, leídos completos. Uno de ellos suele convertirse en un límite nuevo.
- Un cambio, sólo uno, en la instrucción, con su nueva versión anotada.
Un cambio por semana parece poco. En dos meses son ocho mejoras medidas, y esa progresión es visible en el porcentaje de correcciones. Cambiar cinco cosas a la vez hace imposible saber cuál funcionó.
Lo que el registro detecta antes que nadie
Tres patrones que he visto varias veces y que ninguna persona nota a tiempo sin la tabla delante.
El primero: la caída silenciosa. El agente lleva cuatro días sin ejecutarse porque una credencial caducó, y como no falla nada visible, nadie se entera. En el registro es evidente: filas cero.
El segundo: la deriva de entrada. Las consultas que llegan van cambiando —nuevo canal, nueva campaña, otro tipo de cliente— y el criterio escrito ya no encaja. El acierto baja poco a poco, no de golpe, y sólo el porcentaje semanal lo saca a la luz.
El tercero: el uso indebido. Alguien descubre que el agente responde cosas que no debía y empieza a usarlo para eso. Aparece en el registro como un grupo de consultas fuera de alcance, y se corrige con un límite nuevo antes de que sea costumbre.
REGLA DE ORO >Si el agente lleva tres días sin escribir ninguna fila, avisa. El fallo más caro no es la respuesta equivocada: es el silencio que nadie interpreta.
Preguntas que me hacen siempre
¿No basta con el historial de la herramienta?
Sirve para depurar, pero suele caducar en días, no permite añadir la corrección humana y no se puede compartir con el cliente. Una tabla propia se conserva, se filtra y se lee sin permisos de administrador.
¿Dónde guardo el registro?
Donde ya trabajes: NocoDB, Airtable, Postgres o una hoja de cálculo si el volumen es bajo. Lo importante es que tenga acceso limitado y política de borrado, no que sea sofisticado.
¿Qué porcentaje de correcciones es aceptable?
Depende de la tarea, pero en cualificación y clasificación, por debajo del 5 % a partir de la cuarta semana es un buen sitio. Lo que importa más que el nivel es la tendencia.
¿Esto no consume mucho espacio?
Un agente con doscientas ejecuciones al mes genera unos pocos megabytes al año si guardas los textos y enlazas lo pesado. El coste es irrelevante frente a una tarde de investigación a ciegas.
Romeo Octav Chiritoiu
Formador y consultor en inteligencia artificial aplicada, en Madrid. Trabajo con webs, servidores y automatización desde 2007 y los últimos años los he dedicado a montar agentes y flujos que aguantan. Cofundador de la academia IA Lovers.