¿Qué es human in the loop? Cómo mejoran las personas los flujos de trabajo de IA

Human in the loop (HITL) es un flujo de trabajo utilizado en modelos de IA que divide las tareas entre sistemas automatizados y expertos humanos según límites operativos claros. En un sistema HITL, la IA se encarga de tareas predecibles y basadas en reglas, mientras que especialistas humanos conservan la responsabilidad sobre decisiones complejas, requisitos de cumplimiento normativo y casos excepcionales.

Para empresas, HITL ofrece una forma práctica de automatizar el trabajo rutinario y mantener a las personas implicadas cuando se necesita su criterio. Un agente de IA puede consultar datos de una cuenta, recopilar información sobre una reclamación, enviar formularios de incorporación o reservar una cita, y después señalar un caso incierto o delicado para que una persona lo revise, apruebe, corrija o se haga cargo de él. 

Además de los flujos de trabajo en tiempo real, HITL también se aplica al desarrollo de machine learning. Las personas pueden etiquetar datos de entrenamiento, evaluar resultados del modelo, corregir errores u ofrecer comentarios que ayuden a mejorar su rendimiento. En este contexto, la persona forma parte del proceso de entrenamiento o mejora del modelo, en lugar de un flujo de trabajo empresarial en tiempo real. 

En este artículo te mostraremos dónde encaja la intervención humana en los sistemas y flujos de trabajo de IA, por qué es importante y cómo es un HITL eficaz en la práctica. 

Resumen

• La IA con intervención humana divide un flujo de trabajo entre la IA y las personas en función de responsabilidades predefinidas.
• Los equipos incorporan revisiones, aprobaciones, transferencias y vías de excepción humanas al flujo de trabajo, y luego perfeccionan esas reglas según sea necesario tras la implementación.
• HITL puede mejorar la precisión, la eficiencia y la gestión de riesgos al combinar la automatización con el criterio humano allí donde se necesita.

¿Qué es human in the loop?

Human in the loop es un sistema en el que una persona participa activamente en el proceso para tomar decisiones manualmente o supervisar un flujo de trabajo de IA. Combina la gestión automatizada de tareas con reglas integradas que pausan el flujo de trabajo o lo transfieren a una persona cuando se cumplen unas condiciones definidas.

La intervención humana puede ser una parte planificada del flujo de trabajo o una respuesta a situaciones que la IA no debería gestionar por sí sola. Los equipos definen estos puntos de contacto humanos de antemano, en función de las políticas, el riesgo, la experiencia del cliente y el tipo de decisión implicada. 

Entre los puntos de contacto humanos habituales se incluyen: 

• Revisiones y aprobaciones obligatorias: Una persona revisa o autoriza decisiones que conllevan responsabilidad financiera, legal, de cumplimiento normativo u operativa.
• Pasos regulados: Flujos de trabajo agénticos dirigen las decisiones o la documentación a empleados cualificados cuando las leyes, políticas o normas profesionales requieren intervención humana.
• Comunicaciones delicadas o de alto valor: Las personas gestionan conversaciones en las que importan la negociación, la tranquilidad, la gestión de relaciones o un criterio cuidadoso.
• Límites del rol y excepciones: Las solicitudes que quedan fuera del rol asignado a la IA, implican circunstancias inusuales o no tienen una respuesta definida se transfieren a una persona.
• Transferencia solicitada por el cliente: Un cliente puede ser transferido a un miembro del equipo cuando pide hablar con alguien.
  
  

Las personas también pueden entrar dinámicamente en el proceso cuando una situación cambia durante el flujo de trabajo. La información contradictoria, una nueva preocupación del cliente o circunstancias que las reglas originales no anticipaban pueden activar una transferencia incluso si la tarea seguía inicialmente el proceso estándar.

Que intervenga una persona no significa necesariamente que el proceso automatizado tenga que empezar de cero. Cuando un miembro del equipo toma una decisión o resuelve un problema, la IA guarda la actualización en el registro, envía la siguiente comunicación necesaria y continúa con el resto del flujo de trabajo.

¿Qué significa human-in-the-loop en machine learning?

El machine learning con intervención humana aplica el mismo principio que HITL, pero durante la fase de desarrollo. En lugar de intervenir en un flujo de trabajo en tiempo real, las personas participan en puntos definidos del proceso de desarrollo del modelo. 

Investigadores pueden etiquetar datos de entrenamiento, evaluar respuestas del modelo, corregir errores u ofrecer comentarios que ayuden a mejorar el comportamiento del modelo antes de su implementación. Expertos en la materia también pueden revisar los resultados cuando la precisión depende de conocimientos especializados o del criterio profesional. 

Principales ventajas de integrar a personas en flujos de trabajo de IA

Para empresas, HITL puede significar menos errores costosos, una gestión más coherente de casos delicados o regulados y un procesamiento más rápido del trabajo rutinario sin otorgar a la IA un control sin restricciones sobre decisiones de mayor riesgo.

Estas son algunas de las principales ventajas y casos de uso de los sistemas HITL.

Mejora la precisión y la calidad de las decisiones

HITL mejora la precisión y la calidad de las decisiones al combinar la consistencia de la IA en tareas estructuradas con el criterio humano en las partes que un modelo no puede gestionar de forma fiable por sí solo. La IA puede gestionar tareas estructuradas de forma coherente, recopilar la información necesaria para tomar una decisión y preparar respuestas o recomendaciones rutinarias.

El agente de Valiant fuera de horario, Sophia, gestiona la recopilación estructurada de datos y después transfiere los casos a un bróker humano cuando corresponde. Creado con ElevenAgents, el agente de Valiant pudo identificar más de 1,5 millones de dólares en intención de préstamos comerciales, y Sophia gestionó alrededor del 29 % de las llamadas fuera de horario.

La aportación humana mejora la calidad de las decisiones cuando la información es:

• Incompleta o contradictoria
• Dependiente del contexto o la interpretación
• Dependiente de la negociación y la creación de relaciones
• Dependiente de conocimientos especializados

Mejores resultados pueden reducir errores costosos y trabajo repetido evitable, especialmente en situaciones con consecuencias financieras, regulatorias o para clientes.

Reduce el riesgo y favorece el cumplimiento normativo

HITL puede ayudar a las organizaciones a reducir el riesgo de incumplimiento asegurando que las decisiones reguladas o de gran impacto lleguen a la persona adecuada antes de seguir adelante. 

La IA contribuye al cumplimiento de los procedimientos mediante:

• El envío de documentos obligatorios.
• La recopilación de información.
• La comprobación de que los campos obligatorios estén completos.
• La recuperación de políticas o comunicaciones obligatorias.
• El registro de los pasos completados.
• La derivación de casos a la persona adecuada.

Las personas siguen siendo responsables cuando la normativa requiere interpretación, hay que resolver una excepción o debe tomarse una decisión con responsabilidad legal.

Por ejemplo, la aseguradora británica Admiral establece límites de alcance deliberados para sus agentes de voz para clientes. Admiral deriva los casos de vulnerabilidad y morosidad a personas y somete los flujos de trabajo de IA regulados a un alto nivel de validación antes de su lanzamiento.

Aumenta la eficiencia y conserva la experiencia humana

La IA puede gestionar trabajo administrativo repetitivo, recopilar información, preparar registros y hacer avanzar casos rutinarios sin necesitar a una persona en cada paso. Para empresas, esto puede traducirse en plazos de gestión más cortos, menos acumulación de tareas administrativas y más capacidad para que empleados se ocupen de trabajo que afecta directamente a clientes, ingresos o riesgos. 

Finch Legal pudo usar ElevenAgents para mejorar las tasas de éxito de las llamadas del 59 % al 93 % y alcanzar más de 15 000 llamadas al mes. Implementar un agente para gestionar estos procesos supuso que los agentes humanos dedicaran aproximadamente una sexta parte del tiempo al teléfono que en implementaciones anteriores. Las personas solo tenían que intervenir cuando el caso requería sus conocimientos, reservándolas para los momentos de mayor valor.

Retos y consideraciones de los sistemas con intervención humana

Incluso un sistema con intervención humana bien diseñado puede fallar si la transferencia es deficiente o la persona que toma el relevo no tiene suficiente contexto para actuar. Equilibrar la rapidez de la automatización con la supervisión humana depende del diseño del flujo de trabajo. 

Cuando un sistema con intervención humana no funciona como debería, el problema suele estar en las reglas que determinan cuándo entran las personas en el proceso y qué información reciben.

Estos son algunos de los principales retos de los sistemas con intervención humana.

1. Activadores de transferencia imprecisos

Programar agentes de IA con instrucciones subjetivas como «transfiere los casos difíciles» o «envía las solicitudes inusuales a un agente humano» puede provocar transferencias innecesarias o permitir que la IA continúe con una situación que debería implicar a una persona.

Por ejemplo, en lugar de decirle a un agente de IA de atención al cliente que «transfiera las preguntas complejas de facturación», un equipo podría establecer una regla como «transfiere el caso cuando un cliente impugne un cargo y los registros de la cuenta no coincidan». Unas barreras de seguridad detalladas proporcionan a los agentes de IA condiciones específicas que seguir, lo que puede reducir transferencias innecesarias y disminuir el riesgo de que la IA continúe con un caso que requiere intervención humana. 

Los equipos pueden establecer condiciones de transferencia igual de específicas para solicitudes que quedan fuera del rol de un agente de IA, como información contradictoria o ausente, peticiones de clientes para hablar con un agente humano y otras situaciones que requieren intervención humana. 

2. Pérdida de contexto durante las transferencias

Cuando un agente de IA transfiere una interacción en directo con un cliente a un representante humano sin trasladar el historial de la sesión, el empleado se ve obligado a volver a entrevistar a quien llama desde cero. Esta transferencia descuidada genera fricción inmediata, frustra al cliente y alarga la interacción.

Un cliente puede pasar varios minutos explicando un problema de facturación y verificando su cuenta con un agente de IA antes de que el asunto requiera un agente humano, pero si la transcripción, los datos de la cuenta y las acciones ya realizadas no se transfieren con la llamada, el cliente tendrá que repetir todo el proceso. 

Para evitar perder el contexto durante las transferencias, asegúrate de que el sistema traslade directamente al representante humano la información que el agente de IA ya ha recopilado junto con la transferencia.

3. Demasiados pasos de aprobación

Exigir la aprobación humana para tareas rutinarias y de bajo riesgo puede ralentizar el trabajo que el agente de IA está preparado para gestionar de forma segura. Si un empleado tiene que aprobar cada cambio estándar de cita, formulario básico de recopilación de datos o consulta rutinaria de estado, la revisión humana empieza a añadir trabajo en lugar de ayudar al equipo a gestionar casos de mayor riesgo. 

Los equipos pueden evitar controles innecesarios decidiendo de antemano qué acciones requieren realmente una revisión humana y permitiendo que las tareas de menor riesgo continúen automáticamente. Por ejemplo, los cambios rutinarios de citas o las solicitudes estándar de estado pueden avanzar sin aprobación, mientras que las disputas de facturación o las excepciones de política se siguen derivando a una persona. 

4. Reglas que nunca se actualizan

Las reglas de transferencia que tenían sentido antes del lanzamiento pueden necesitar cambios cuando el agente de IA empieza a gestionar conversaciones reales. Las transferencias repetidas pueden revelar que el flujo de trabajo original es demasiado cauteloso, que el agente de IA carece de información o que un nuevo tipo de solicitud necesita su propia regla. 

Por ejemplo, si un agente de IA sigue transfiriendo preguntas rutinarias sobre envíos porque clientes las formulan de formas que el flujo de trabajo original no anticipaba, el equipo puede actualizar los conocimientos del agente de IA o la regla de transferencia para que esas solicitudes sigan automatizadas. 

Tratar las reglas de intervención humana como algo flexible permite a los equipos automatizar con seguridad más trabajo rutinario y mantener la supervisión humana centrada en casos excepcionales reales. 

Comparativa entre human in the loop y human on the loop

HITL y human on the loop (HOTL) son dos modelos distintos de supervisión humana de la IA.

HITL exige que una persona participe antes de que puedan continuar determinadas decisiones o acciones. Es más adecuado para trabajo de mayor riesgo o complejidad, en el que el cumplimiento normativo, la responsabilidad financiera, el criterio clínico o las excepciones de política requieren revisión o aprobación humana antes de que avance el flujo de trabajo.

HOTL permite que la IA trabaje sin esperar la aprobación humana, pero una persona supervisa el sistema y puede intervenir cuando sea necesario. Es más adecuado para trabajo de bajo riesgo que sea observable y reversible, como preguntas informativas generales, actualizaciones del estado de pedidos u otras interacciones de bajo riesgo que no requieren que una persona apruebe el resultado. 

Un supervisor puede observar la actividad general y responder solo cuando algo requiera atención. Estas son las principales diferencias entre HITL y HOTL.

Ejemplos de IA con intervención humana

HITL puede adoptar diferentes formas según qué decisiones, aprobaciones o conversaciones requieran intervención humana. 

Banca

Customers Bank está implementando ElevenAgents para consultas sobre cuentas, servicios de tarjetas, transferencias, incorporación y formación de empleados, con vías de transferencia a personas integradas en cada agente. Los agentes de IA pueden gestionar la atención bancaria rutinaria, mientras que profesionales de banca humanos siguen disponibles cuando una conversación requiere atención personal o una decisión que queda fuera del rol del agente.

Seguros

Insurely utiliza agentes de voz con IA para ventas de seguros y atención al cliente, incluida la respuesta a preguntas y la ayuda para que clientes completen presupuestos. Cuando un cliente necesita a una persona, el agente de IA transfiere la llamada o programa una devolución de llamada.

Salud

mdhub, una plataforma de salud conductual, utiliza ElevenAgents⁠ para la admisión de pacientes y la asistencia. Los agentes de IA recopilan información de pacientes, verifican seguros, asignan pacientes a profesionales y programan citas, mientras que profesionales sanitarios determinan el tratamiento y toman decisiones que requieren criterio clínico.

Fintech

Klarna, un banco digital global y proveedor de pagos, utiliza un agente de voz IA de ElevenAgents como primera línea de atención telefónica para clientes de Estados Unidos. El agente de IA gestiona solicitudes informativas y recopila el contexto relevante, y después transfiere la conversación a un agente humano cuando el asunto se vuelve más complejo o delicado, o cuando el cliente quiere hablar con una persona.

Creatividad

Para contenido y trabajo creativo, ElevenProductions utiliza un enfoque HITL para la producción asistida por IA con edición humana. La IA gestiona tareas como la transcripción y la producción de audiolibros generados con IA, mientras que editores humanos revisan el trabajo, realizan correcciones y aprueban el resultado final. 

En otro tipo de colaboración entre personas e IA, el compositor y cantante Patrick Darling, que perdió su capacidad para cantar, utilizó la tecnología de voz de ElevenLabs para volver a interpretar su propia música. 

Empieza con ElevenAgents

ElevenAgents ofrece a empresas varias formas de definir qué puede gestionar un agente de IA y en qué puntos deben seguir formando parte las personas del flujo de trabajo. Los agentes pueden utilizar el conocimiento de la empresa y herramientas de negocio, seguir flujos de trabajo definidos y operar dentro de barreras de seguridad. La transferencia humana puede trasladar una conversación y su contexto a una persona, mientras que las simulaciones ayudan a los equipos a probar el comportamiento antes del lanzamiento.

Empieza con ElevenAgents para crear agentes de IA con límites claros en los flujos de trabajo, transferencia humana y controles de pruebas y supervisión. Habla con ventas para definir el alcance de tu implementación o regístrate para crear un agente y probarlo por ti mismo.

Preguntas frecuentes sobre human-in-the-loop