# Una evaluación aprobada no es una operación que funciona

> Salesforce lanzó evaluaciones y límites de costo para agentes en producción. Miden al agente. Lo que tiene que funcionar es la operación que lo rodea.

- Type: Opinión
- Published: 2026-10-28
- Author: Sentynel
- URL: https://sentynel.ai/es/sygnals/una-evaluacion-aprobada-no-es-una-operacion-que-funciona/
- Language: es

El 27 de octubre Salesforce anunció Agent Evals y controles de costo para su Agent Fabric, pensados para agentes que "pueden fallar en silencio, dando respuestas equivocadas y acumulando costos antes de que alguien lo note". Es un problema real y un producto útil. Pero **un agente puede aprobar todas las evaluaciones y la operación puede seguir fallando, porque la evaluación mira al agente y el cliente mira el resultado.**

## Qué miden las nuevas herramientas

Según Salesforce, Agent Evals revisa "agentes, LLMs y servidores MCP en producción" contra umbrales de calidad definidos y activa intervenciones predefinidas cuando los resultados no alcanzan. Un Model Wallet agrega "límites estrictos que detienen las solicitudes antes de que los costos superen el presupuesto". El mismo anuncio señala que "menos de la mitad de las organizaciones con agentes los evalúan con tráfico real".

Esa última frase es la noticia honesta: la mayoría de los equipos no mide nada, así que cualquier medición es un avance. Empieza por ahí.

**Evaluación de agentes en producción, según Salesforce**

- < 50%: de las organizaciones con agentes los evalúan con tráfico real

Source: Salesforce, 27 de octubre de 2026

## La unidad de evaluación es la equivocada

Una evaluación puntúa una respuesta: si fue precisa, si respetó la política, si fue lo bastante barata. Son propiedades de un paso del agente. Una empresa no vende pasos. Entrega cosas: el pedido que llegó, la factura que se cobró, el lead al que se le devolvió la llamada.

Imagina un agente que clasifica solicitudes entrantes con una puntuación de precisión alta. La evaluación está en verde. Pero si la cola de "reembolsos" a la que alimenta no tiene dueño, la solicitud se clasifica bien y luego espera nueve días. **Cada puntuación fue buena y el cliente igual esperó.** La falla vive entre los pasos, donde ninguna evaluación apunta.

## La falla silenciosa suele ser un hueco de diseño

"Fallar en silencio" suena a problema del modelo. Muchas veces es un problema de la operación: nadie definió cómo se ve un trabajo terminado, así que no hay con qué comparar la salida del agente. Si "terminado" no está escrito, la mejor evaluación del mundo no tiene objetivo.

**Dónde debería estar el control**

1. Llega el trabajo — una cola con dueño
2. Paso del agente — lo puntúa la evaluación
3. Traspaso a persona o sistema — responsable definido
4. Resultado registrado — resuelto o no

## Qué hacer el lunes

- **Define "terminado" para un flujo** en una frase que un cliente aceptaría: resuelto, entregado, pagado.
- **Registra el resultado de cada caso**, no solo la respuesta del agente, para que se vea el que se queda detenido después del agente.
- **Pon un número al tiempo de resolución** junto a la puntuación de la evaluación. Cuando no coincidan, créele al que siente el cliente.
- **Nombra un responsable para cada cola** que alimenta un agente. Sin responsable, no hay salida a producción.
- **Mantén el límite de costo.** Un tope de presupuesto es buena ingeniería. Solo no lo confundas con un control de calidad.

La visión de Sentynel es que las empresas funcionan con un sistema operativo hecho de hábitos, y que los agentes pertenecen dentro de uno rediseñado, nunca encima del anterior. Las evaluaciones y los controles de costo son los instrumentos del tablero. Vale la pena tenerlos. No trazan el camino.

Una pregunta para tu próxima revisión: si mañana todos los agentes de tu empresa aprobaran su evaluación, ¿sabrías si el trabajo se hizo?

## Fuentes

- https://www.salesforce.com/news/stories/agent-fabric-catch-failures-control-ai-costs/
