En 1975, el ingeniero Fred Brooks escribió que sumar programadores a un proyecto atrasado lo atrasa aún más. Su metáfora se volvió célebre: “nueve mujeres no pueden gestar un bebé en un mes”.
Medio siglo después, cientos de empresas repiten el error con inteligencia artificial. Despliegan agentes esperando acelerar sus procesos y descubren, factura tras factura, que la coordinación cuesta más de lo que la tecnología promete ahorrar.
La lección que IBM aprendió a golpes
Por: Gabriel E. Levy B.
A mediados de los años sesenta, IBM apostó su futuro a una familia de computadoras llamada System/360.
La revista Fortune describió el proyecto como una apuesta de cinco mil millones de dólares, una cifra descomunal para la época. El hardware avanzó según lo previsto, pero el sistema operativo, bautizado OS/360, comenzó a sumar retrasos adicionales a los existentes.
Fred Brooks, el ingeniero que dirigía el proyecto, hizo lo que cualquier gerente habría hecho: pidió refuerzos. Más de mil personas llegaron a trabajar en el proyecto, que consumió cerca de cinco mil años hombre de esfuerzo acumulado.
Cada nueva incorporación adicional, exigía muchas semanas de entrenamiento a cargo de los veteranos y multiplicaba las reuniones necesarias para mantener el rumbo del proyecto.
El cronograma siguió corriéndose de forma exponencial. Una década después, Brooks relato de forma detallada la experiencia en un libro que denominó: “The Mythical Man Month”, “el mito del hombre mes”, donde formuló la ley que hoy lleva su nombre: “añadir personal a un proyecto de software retrasado lo retrasa todavía más”.
La figura literaria que aplicó para explicar este fenómeno quedó escrita en mármol en la cultura de la ingeniería: “gestar un bebé toma nueve meses sin importar cuántas mujeres se asignen a la tarea”. Brooks murió en 2022, luego de ser ganador del premio Turing.
Qué es un agente y por qué está de moda
Un agente de inteligencia artificial es un programa que va un paso más allá de un simple agente de chat automático. Mientras el chatbot responde preguntas, el agente ejecuta tareas múltiples o especificas: lee correos, consulta bases de datos, llena formularios, compara precios y se encarga de forma meticulosa de engranar esos pasos sin que una persona intervenga en cada uno.
La promesa comercial pareciera ser esencialmente seductora. Si un agente trabaja como un empleado digital que ni duerme ni cobra horas extra, diez agentes deberían rendir como diez empleados y cien como un pequeño ejército. Las cifras de inversión reflejan ese entusiasmo.
La consultora Gartner calculó que el gasto mundial en inteligencia artificial generativa rondaría los 644.000 millones de dólares en 2025 y que el gasto total en esta tecnología se acercaría al billón y medio de dólares ese mismo año. Bajo esta extraña lógica de abundante dinero, miles de empresas desplegaron agentes en atención al cliente, ventas, contabilidad, logística y recursos humanos.
Finalmente terminaron repitiendo el error que Brooks describió hace medio siglo: “asume que el trabajo puede partirse en pedazos infinitos y que cada pieza nueva del sistema suma capacidad sin añadir costos”.
La aritmética que nadie quiere hacer
Brooks desmontó el mito del hombre mes con aritmética básica de colegio de primaria.
Cuando dos personas colaboran existe un único canal de conversación.
Con cinco, los canales posibles suben a diez. Con veinte, a ciento noventa.
La fórmula, “n por n menos uno dividido entre dos”, crece mucho más rápido que el tamaño del equipo, y cada canal consume horas en explicaciones y malentendidos.
A ese costo se suma la rampa de aprendizaje: un recién llegado produce poco durante sus primeras semanas y, mientras aprende, roba tiempo a los expertos que deben guiarlo. Queda, además, la naturaleza del propio trabajo.
Algunas tareas podrían llegar eventualmente a funcionar muy bien si se reparten entre muchas manos, como cosechar un campo o pintar un edificio o incluso desmantelar una máquina, pero otras son secuenciales y no admiten división alguna, por más recursos que se les asignen.
Los agentes de inteligencia artificial hasta ahora han demostrado incapacidad para admitir división eficiente del trabajo disperso.
Es importante aclarar que esto no implica que en el futuro puedan hacerlo si los sistemas de memorización de los lenguajes de IA mejoran, pero por ahora es bastante más lejano de lo que parece.
Cada agente nuevo necesita contexto, permisos, datos limpios y reglas de operación, su propia rampa de aprendizaje.
Cada agente conectado con otros agentes o con personas abre canales adicionales de coordinación, ahora entre humanos y máquinas.
Y el paso final de casi cualquier proceso, la revisión humana de lo que la máquina produjo, sigue siendo tan indivisible como siempre. Alguien debe verificar el resultado y responder por él, y ese alguien se convierte en el nuevo cuello de botella y eso se repite una y otra y otra vez.
Los números que por ningún lado cuadran
El laboratorio independiente METR puso la teoría a prueba en 2025 con un experimento controlado: dieciséis programadores veteranos resolvieron 246 tareas reales, unas veces con asistentes de inteligencia artificial y otras sin ellos.
Los participantes creían haber trabajado un veinte por ciento más rápido gracias a la máquina.
El cronómetro mostró lo contrario: fueron un diecinueve por ciento más lentos, porque revisar y corregir las propuestas del asistente consumía más tiempo del que la herramienta ahorraba.
El propio METR matizó el hallazgo en 2026, con una muestra mayor y modelos más recientes, y hoy sostiene que el efecto negativo se redujo, aunque la evidencia de una aceleración clara sigue siendo débil.
Un informe del MIT calculó que el noventa y cinco por ciento de los pilotos corporativos de inteligencia artificial generativa no produjo retorno medible, un número que varios académicos cuestionan por su metodología, aunque pocos discuten la tendencia.
La firma S&P Global encontró de manera particularmente llamativa, que la proporción de empresas que abandonaron la mayoría de sus iniciativas de inteligencia artificial saltó del diecisiete al cuarenta y dos por ciento en el corto periodo de un año.
Si!, solo un año.
Gartner predijo que, más del cuarenta por ciento de los proyectos con agentes será cancelado antes de 2027 y denunció el “agent washing”, o “el lavado de agentes” la práctica de rebautizar como agentes a simples chatbots.
Investigadores de Stanford y BetterUp bautizaron el síntoma cotidiano como workslop: contenido de máquina que aparenta ser trabajo terminado y obliga a quien lo recibe a rehacerlo, con un costo estimado de 186 dólares mensuales por empleado, es decir que resultaba más económico nunca haberlos implementado.
Un reversado global del mundo corporativo
Los casos con nombre propio abundan.
La financiera sueca Klarna anunció en 2024 que su asistente automático hacía el trabajo de 700 agentes de servicio al cliente. Un año después, su director ejecutivo, Sebastián Siemiatkowski, reconoció que la apuesta había ido demasiado lejos y volvió a contratar personas, porque la calidad del servicio se deterioró.
Tal vez el caso más sonado y ridiculizado en redes sociales sea el de la famosa compañía de comida rápida: McDonald’s, que probó durante tres años un sistema de pedidos por voz desarrollado junto a IBM en más de cien restaurantes de Estados Unidos y finalmente decidió apagarlo en 2024, después de que los videos de clientes recibiendo pedidos absurdos, incluidos 2.510 nuggets, se volvieran virales y se convirtieron en el hazmerreír de Internet.
En tareas más sistemáticas pueden funcionar
El economista Erik Brynjolfsson midió el desempeño de más de cinco mil operadores humanos de un centro de llamadas y encontró que la asistencia de inteligencia artificial elevó su productividad un catorce por ciento, con mejoras de hasta el treinta y cuatro por ciento entre los novatos.
La herramienta rinde cuando la tarea es acotada, repetitiva, divisible y fácil de supervisar.
El debate sigue abierto entre quienes creen que los agentes doblarán la ley de Brooks al permitir equipos más pequeños y quienes, como el ingeniero Wes McKinney, creador de herramientas de programación usadas en todo el mundo, advierten que el cuello de botella nunca estuvo en las manos que teclean y que la coordinación solo cambió de forma.
En resumen, la ley que Fred Brooks formuló en 1975 sigue vigente porque describe límites humanos que la tecnología no borra. Los agentes de inteligencia artificial prometen velocidad, pero cada uno exige contexto, permisos, supervisión y coordinación, y esos costos crecen más rápido que los beneficios cuando el despliegue carece de método. Las empresas que hoy cancelan proyectos aprenden la vieja lección del OS/360: hay trabajos que ningún presupuesto puede comprimir. Nueve mamás siguen sin poder hacer un bebé en un mes.
Referencias
- Brooks, F. P. (1975). The Mythical Man-Month: Essays on Software Engineering. Addison-Wesley.
- Association for Computing Machinery. (1999). Frederick Brooks, A.M. Turing Award Laureate. https://amturing.acm.org/award_winners/brooks_1002187.cfm
- Becker, J., Rush, N., Barnes, E. y Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
- METR. (2026). We are Changing our Developer Productivity Experiment Design. https://metr.org/blog/2026-02-24-uplift-update/
- MIT Project NANDA. (2025). The GenAI Divide: State of AI in Business 2025. MIT Media Lab.
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
- Niederhoffer, K., Kellerman, G. R., Lee, A. y Liebscher, A. (2025). AI-Generated Workslop Is Destroying Productivity. Harvard Business Review. https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
- S&P Global Market Intelligence. (2025). Voice of the Enterprise: AI & Machine Learning 2025. S&P Global.
- Forbes. (2025). Klarna Reverses AI Push, Says Customers Prefer Human Support. https://www.forbes.com/sites/quickerbettertech/2025/05/18/business-tech-news-klarna-reverses-on-ai-says-customers-like-talking-to-people/
- CNBC. (2024). McDonald’s to end AI drive-thru test with IBM. https://www.cnbc.com/2024/06/17/mcdonalds-to-end-ibm-ai-drive-thru-test.html
- Brynjolfsson, E., Li, D. y Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics, 140(2), 889-942. https://www.nber.org/papers/w31161
- Gartner. (2025). Gartner Forecasts Worldwide GenAI Spending to Reach $644 Billion in 2025. https://www.gartner.com/en/newsroom/press-releases/2025-03-31-gartner-forecasts-worldwide-genai-spending-to-reach-644-billion-in-2025
- Gartner. (2025). Gartner Says Worldwide AI Spending Will Total $1.5 Trillion in 2025. https://www.gartner.com/en/newsroom/press-releases/2025-09-17-gartner-says-worldwide-ai-spending-will-total-1-point-5-trillion-in-2025
- McKinney, W. (2026). The Mythical Agent-Month. O’Reilly Radar. https://www.oreilly.com/radar/the-mythical-agent-month/
