Dazzle y Duckbill: agentes de IA que aún usan humanos

Los agentes de IA que resuelven tareas contratando personas

Un agente de IA puede encontrar en segundos al mejor proveedor para reparar un techo, pero todavía falla al momento de reservar la cita. Esa brecha entre recomendar y ejecutar es la que están monetizando Dazzle AI, Duckbill y Wajo AI, tres startups que incorporaron trabajadores humanos como parte explícita de su producto en lugar de esconderlos.

Para un founder que está construyendo con agentes, la señal es incómoda pero valiosa: el cuello de botella de la automatización de tareas del mundo real no es el modelo, es la última milla operativa. Y quien la resuelva primero —con personas, con procesos o con ambos— se queda con el usuario.

¿Por qué los agentes de IA fallan al ejecutar y no al recomendar?

Marissa Mayer, exdirectora ejecutiva de Yahoo y ahora fundadora y CEO de Dazzle AI, lo describió con precisión: los modelos de frontera son buenos generando una lista de candidatos, pero la empresa verifica esas opciones antes de presentarlas al usuario. El problema aparece cuando hay que convertir la búsqueda en una acción concreta, como reservar y programar la reparación de un techo.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Ese paso exige confirmar disponibilidad, hablar con un proveedor y resolver detalles que no siempre están en una página web. Cuando el sistema no puede avanzar con seguridad, Dazzle deriva la tarea a contratistas humanos en lugar de simular que ya la completó.

La limitación no es exclusiva de una empresa. Muse, de Meta, y Dots, de OpenAI, pueden ejecutar múltiples tareas de navegación web, pero según Meghan Joyce, CEO de Duckbill, la tecnología sigue en etapa temprana y se topa con obstáculos cuando debe hacer llamadas, agendar una cita médica o reservar un servicio local.

La distinción clave es esta: entender una petición y ejecutarla de principio a fin son dos capacidades distintas que las demostraciones suelen presentar juntas. Un agente puede localizar información útil sin tener la fiabilidad para negociar una factura o coordinar una limpieza de sofá.

El sentido común sigue siendo el talón de Aquiles

Mayer contó un caso que ilustra el problema mejor que cualquier benchmark. Un usuario intensivo de Dazzle pidió gestionar en paralelo tres trabajos: reemplazar un techo, arreglar una ventana rota y comprar una mesa de vidrio. El agente confundió el vidrio de la ventana con el de la mesa y terminó intentando averiguar si la mesa cabía en la ventana.

El sistema detectó el problema y derivó el encargo a una persona, que lo resolvió en segundos. Según Mayer, un agente habría quemado "una cantidad ridícula de tokens" o quizá nunca habría llegado a una solución adecuada.

El aprendizaje para cualquier equipo que despliegue agentes: una asociación equivocada puede desviar un proceso completo aunque el agente haya recibido instrucciones correctas para cada tarea por separado. La revisión humana no elimina todos los riesgos, pero evita que el sistema entre en un bucle costoso.

El modelo de negocio: humanos como API

Duckbill convirtió esa necesidad en infraestructura. La startup lanzó una API que permite a empresas que desarrollan asistentes personales conectarse con trabajadores humanos por contrato. Joyce describió el modelo como una forma de dividir encargos complejos en tareas pequeñas y manejables, una lógica que comparó con la de Uber, compañía en la que trabajó antes.

La API permite que otra empresa delegue los pasos que su agente probablemente no resolvería bien. Duckbill traduce esos encargos en partes acotadas que, según Joyce, una persona adulta promedio puede realizar de manera consistente, y luego monitorea qué ocurrió con cada tarea.

Shivani Poddar, CEO de Wajo AI, aplica el mismo principio para gestionar llamadas telefónicas y superar pruebas CAPTCHA, diseñadas justamente para impedir el acceso de bots. Su argumento es directo: los usuarios dejan de usar estos productos si los agentes prometen acciones que después no consiguen ejecutar.

El dato de contexto ayuda a dimensionar hacia dónde va esto. Gartner encontró que la empresa Fortune 500 promedio usaba menos de 15 agentes en 2025, y proyecta que esa cifra superará los 150.000 en 2028, según recogió TechTarget. Si esa curva se cumple, la pregunta de quién ejecuta la última milla deja de ser un detalle de producto y se vuelve un problema de arquitectura.

Privacidad y transparencia: el riesgo que no conviene ocultar

La incorporación de trabajadores introduce una pregunta sensible, porque los agentes manejan solicitudes íntimas, información de contacto y trámites personales. Si una empresa no explica que una persona podría intervenir, el usuario asume que solo el software procesa su pedido.

Las preocupaciones no son hipotéticas. Según Reuters, el 22 de septiembre de 2026 Meta estaba probando contratistas humanos para atender algunas llamadas iniciadas mediante Muse, mientras empleados de la compañía expresaban inquietudes sobre privacidad. Meta describió ese tipo de pruebas como parte central del desarrollo de producto y aclaró que actualmente no usa humanos para completar las solicitudes de Muse de sus usuarios.

Duckbill afirma que realiza verificaciones de antecedentes completas a los contratistas clasificados como trabajadores 1099 y los compara con conductores de Uber y DoorDash que viven en Estados Unidos y buscan ingresos adicionales. Dazzle también verifica antecedentes y busca perfiles con discreción, buen juicio y capacidad para compartimentar la información después de atender una solicitud.

Mayer lo planteó sin rodeos: el sector atraviesa un "período de transición" mientras los modelos fundacionales mejoran, y Dazzle no presenta la presencia humana como un recurso a ocultar, sino como un beneficio mientras la tecnología no complete de forma consistente todo el recorrido entre una instrucción y una solución real.

¿Qué significa esto para tu startup?

Si estás construyendo un producto con agentes, la lección no es "contrata humanos y listo". Es que la fiabilidad se diseña, no se asume.

Define el punto de derivación antes de lanzar. Identifica qué tareas de tu flujo tienen mayor tasa de fallo (llamadas, negociaciones, datos que no están en línea) y arma un mecanismo explícito para pasarlas a una persona. Dazzle y Duckbill no esperan a que el agente falle en producción: el traspaso es parte del diseño.
Mide la tarea completada, no la respuesta convincente. El desempeño de un agente debe evaluarse por su capacidad de cerrar un encargo con precisión, no por lo bien que describe cómo se haría. Si tu métrica es la calidad del texto generado, estás midiendo la parte fácil.
Sé transparente sobre quién ejecuta. Si una persona puede intervenir en una solicitud, dilo en la interfaz. La confianza es parte del producto, y el caso de Meta muestra que la opacidad genera fricción interna y externa.
Vigila el costo oculto de los reintentos. Un agente atascado en una interpretación equivocada consume tokens sin llegar a una solución. Un umbral de corte con derivación humana suele ser más barato que dejar que el modelo insista.

El contexto de mercado refuerza la urgencia. El ecosistema de herramientas para agentes se está poblando rápido: Reco, una startup de seguridad de agentes, levantó US$55 millones en una extensión de su Serie B, según TechCrunch, en un mercado donde ya compiten al menos dos docenas de empresas por gobernar lo que los agentes pueden hacer. La infraestructura alrededor de los agentes se está profesionalizando antes de que los agentes sean autónomos.

Para Dazzle, el respaldo también viene del capital: la startup levantó una ronda semilla de US$8 millones en diciembre de 2025, según reportó TechCrunch. Mayer ya había construido antes Sunshine, que lanzó una herramienta de fotos con IA llamada Shine en 2024 y terminó cerrando, un recordatorio de que en esta categoría la distribución y la fiabilidad pesan más que la demo.

Conclusión

Los agentes de IA ya son excelentes encontrando opciones y todavía mediocres cerrando acuerdos con el mundo real. Las startups que están ganando terreno no lo esconden: convierten la intervención humana en una pieza de producto, la instrumentan y la cobran. Para un founder, la decisión no es si automatizar todo de una vez, sino dónde poner el umbral entre lo que el agente resuelve solo y lo que necesita una persona detrás. Quien diseñe bien ese límite tendrá usuarios que confían; quien lo ignore tendrá usuarios que se van.