Umbrales de capacidad

Capacidad de completar procesos encadenados bajo un criterio de éxito explícito. El horizonte de un benchmark estima dificultad a partir del tiempo humano; no equivale a la duración de una sesión desatendida ni a una autorización profesional.

Señal observable

Un sistema ejecuta un procedimiento de varias horas (recopilar, comparar, redactar, verificar y presentar) sin que un profesional tenga que reencuadrar la tarea a mitad del proceso.

Tareas afectadas

Revisión documental extensa, due diligence preliminar, seguimiento regulatorio continuado, preparación de expedientes repetitivos.

Evidencia requerida

Casos nuevos no usados en el desarrollo, tasa de aceptación, número de intervenciones humanas y configuración de modelo, harness y esfuerzo registrada. Un resultado de benchmark con horizonte temporal estima dificultad a partir del tiempo que tardaría una persona; no equivale a la duración de una sesión desatendida.

Decisión que debe revisarse

Revisar la política de supervisión con validación propia por acción y por riesgo. Un horizonte mayor no traslada por sí solo el control de HITL a HoTL: el cambio exige evidencia en casos nuevos, y las salidas con efectos externos mantienen aprobación humana.

Condición que obliga a revisar

Reabrir la decisión cuando una evaluación propia sobre casos nuevos muestre menos intervenciones humanas necesarias de forma sostenida, o cuando un proveedor cambie de versión, de harness o de condiciones de servicio.

Incertidumbre

Alta. Las mediciones públicas de horizonte dependen críticamente de la definición de tarea y del criterio de éxito; no son extrapolables a trabajo jurídico real sin validación propia.

Capacidad de aplicar un procedimiento aprendido en un dominio a otro con estructura distinta, sin reentrenamiento ni reingeniería sustancial del prompt.

Señal observable

Un flujo construido para contratación mercantil se aplica a contratación pública con ajuste de reglas y no con reconstrucción completa del criterio.

Tareas afectadas

Playbooks de negociación, clasificación de cláusulas, análisis comparado entre jurisdicciones.

Evidencia requerida

Utilidad demostrada en tareas y jurisdicciones no empleadas en el desarrollo, con los mismos límites y los mismos expertos evaluadores. Un resultado en entornos abstractos interactivos no acredita transferencia jurídica.

Decisión que debe revisarse

Decidir si las skills se diseñan por práctica o como capacidades transversales parametrizadas. Cambia la propiedad del conocimiento y el coste marginal de cada nueva práctica.

Condición que obliga a revisar

Reabrir la decisión cuando un flujo ya homologado se aplique a una jurisdicción o materia nueva, o cuando aparezca evaluación externa sobre tareas jurídicas y no solo sobre entornos abstractos.

Incertidumbre

Alta. La transferencia aparente puede ser memorización de patrones frecuentes; solo se distingue con evaluación adversarial propia.

Capacidad de un sistema para producir, probar y mantener software auxiliar (validadores, extractores, interfaces) que después ejecuta de forma determinista.

Señal observable

El resultado de una intervención no es un texto, sino un componente reutilizable con pruebas asociadas que sustituye la llamada al modelo en el caso general.

Tareas afectadas

Validación de datos, comprobaciones de coherencia documental, cálculos regulados, generación de formularios.

Evidencia requerida

Componente con especificación, pruebas independientes, revisión humana, versión y dueño identificados, y separación explícita entre generar, validar y desplegar.

Decisión que debe revisarse

Revisar la frontera entre lo que debe ser código determinista y lo que debe ser inferencia. Es la decisión central de la fábrica de arneses y afecta al coste, la auditabilidad y la reproducibilidad.

Condición que obliga a revisar

Reabrir la decisión cuando un componente generado pase a ejecutarse sin revisión previa, cuando cambie la versión del modelo que lo produjo o cuando falle una prueba de regresión.

Incertidumbre

Media. La generación de código es observable; su mantenibilidad y su gobierno a largo plazo, mucho menos.

Capacidad de detectar el propio error, expresar incertidumbre calibrada y corregir sin que un humano señale el fallo.

Señal observable

El sistema se detiene y escala una excepción antes de entregar, y la tasa de defectos que escapan a la revisión desciende de forma sostenida.

Tareas afectadas

Cualquier salida sometida a revisión profesional; especialmente citas, referencias normativas y cálculos.

Evidencia requerida

Menos errores escapados en casos nuevos, medidos por controles distintos del propio sistema. Las explicaciones autorreportadas no sirven como evidencia de auditoría.

Decisión que debe revisarse

Recalibrar el coste de verificación solo con evidencia independiente suficiente y en función del riesgo de cada salida. La confianza que el sistema declara sobre sí mismo no basta para reducir la revisión, y la aprobación humana se mantiene en todo lo que sale al exterior.

Condición que obliga a revisar

Reabrir la decisión cuando la tasa de errores escapados medida por un control independiente cambie de forma sostenida, en cualquier dirección, o cuando se modifique la rúbrica de aceptación.

Incertidumbre

Alta. La confianza declarada por un sistema no equivale a calibración; requiere medición propia con casos etiquetados.

Capacidad de varios agentes especializados de dividir un problema, intercambiar resultados y converger en una salida coherente con trazabilidad.

Señal observable

Un encargo se resuelve mediante agentes con roles distintos y el registro permite reconstruir qué agente aportó cada elemento.

Tareas afectadas

Operaciones corporativas complejas, procedimientos con múltiples flujos paralelos, seguimiento multijurisdicción.

Evidencia requerida

Calidad conjunta, permisos, trazabilidad y presupuesto comparados con un proceso más simple. El consenso entre agentes no equivale a independencia de criterio.

Decisión que debe revisarse

Definir gobierno de orquestación: quién es el propietario del resultado conjunto y cómo se documenta la cadena de decisión cuando ningún agente la ejecutó por completo.

Condición que obliga a revisar

Reabrir la decisión cuando se amplíe el número de agentes, sus permisos o las herramientas que invocan, y siempre que un fallo no pueda atribuirse a un paso concreto.

Incertidumbre

Alta. La coordinación multiplica los modos de fallo y la dificultad de atribución.

Capacidad de un sistema para realizar actos con efectos externos: presentar, firmar, comunicar, comprometer o vincular.

Señal observable

Aparecen marcos de identidad, mandato y trazabilidad que permitirían a un sistema actuar frente a terceros con respaldo verificable.

Tareas afectadas

Presentaciones ante registros y administraciones, comunicaciones formales, aceptación de condiciones, notificaciones.

Evidencia requerida

Facultad expresamente concedida, distinta del poder técnico, del presupuesto de gasto y de la capacidad de producción, con identidad, mandato, límites y revocación documentados. Las fuentes tecnológicas no son fuentes de potestad jurídica.

Decisión que debe revisarse

Distinguir expresamente tres cosas que suelen confundirse: capacidad técnica de ejecutar, presupuesto de gasto y mandato para comprometer a la firma. Fijar después el escalón máximo de autoridad concedido y su procedimiento de revocación. Es la decisión con mayor carga deontológica y de responsabilidad.

Condición que obliga a revisar

Reabrir la decisión ante cualquier propuesta de ejecutar un acto con efectos externos sin aprobación humana previa, ante un cambio normativo o deontológico aplicable, o ante una ampliación de permisos técnicos.

Incertidumbre

Alta. El límite es normativo y deontológico antes que técnico, y varía por jurisdicción y por acto.

Coste por unidad de trabajo útil una vez incluidos reintentos, verificación, orquestación y supervisión.

Señal observable

El coste total por expediente completado, no por llamada, se vuelve estable y comparable con el coste de la alternativa humana o determinista.

Tareas afectadas

Todo trabajo de alto volumen y bajo margen; el efecto es mayor en el trabajo recurrente.

Evidencia requerida

Coste por resultado aceptado que sume inferencia, caché, herramientas, reintentos, validación y revisión humana, con los fallos y la variabilidad visibles. Un ahorro en lectura de caché no es un ahorro por tarea.

Decisión que debe revisarse

Revisar pricing y staffing por línea de servicio, y decidir qué parte de la ganancia se destina a margen, capacidad, precio o inversión.

Condición que obliga a revisar

Reabrir la decisión cuando cambien tarifas, mezcla de modelos o intermediarios, y cuando el coste de inferencia baje sin que baje el coste por resultado aceptado.

Incertidumbre

Media. Los precios de lista son públicos; el coste real por unidad de trabajo útil solo se conoce con instrumentación interna.