La regla de los 35 minutos — Cómo decidir qué automatizar con IA en 2026
Hay un número que la mayoría de los frameworks de productividad ignoran. Treinta y cinco minutos.
Toby Ord, filósofo de Oxford y autor de The Precipice, tiene un framework que denomina el umbral del aburrimiento: el punto en el que una persona que trabaja en una tarea repetitiva o superficial pierde la concentración y empieza a cometer errores. Su observación es que la mayoría del trabajo cognitivo, cuando se realiza de forma continua más allá de treinta y cinco minutos, se degrada en calidad. Los errores no son dramáticos. Son silenciosos: una fórmula de hoja de cálculo ligeramente incorrecta, un correo electrónico con un tono ligeramente desacertado, una entrada de datos ligeramente desalineada. El trabajo se hace. La calidad está por debajo de lo que debería ser.
La investigación de AIMultiple traduce esto en una regla de decisión práctica: cualquier tarea que tome más de treinta y cinco minutos y siga un patrón repetible debería evaluarse para automatización o delegación con IA. El umbral de treinta y cinco minutos no es un hack de productividad. Es un límite cognitivo. Cuando le pides a un humano que haga un trabajo que un agente de IA puede realizar en treinta y cinco minutos, estás pagando un salario humano por atención degradada.
Esto cambia la decisión de automatización de "¿qué podemos automatizar?" a "¿qué deberíamos dejar de pedirles a los humanos por completo?". Y esa pregunta, respondida con honestidad, es el apalancamiento de productividad que la mayoría de las organizaciones no están capturando.
El problema de la propagación de errores — por qué importa la regla de los treinta y cinco minutos
La investigación de Galileo sobre cascadas de propagación de errores describe por qué el umbral de treinta y cinco minutos no es solo cuestión de eficiencia, sino de calidad del error.
Cuando un humano comete un error en una tarea que lleva cuarenta y cinco minutos ejecutándose, el error no se queda en el minuto cuarenta y cinco. Se propaga hacia adelante en cada paso subsiguiente. Una referencia de celda incorrecta en un modelo de hoja de cálculo en el minuto treinta contamina el análisis en el minuto cincuenta. Una entrada de datos codificada incorrectamente al inicio de una migración de datos contamina la base de datos al final. El humano está fatigado, comete pequeños errores, y cada error se compoundifica en el sistema que está construyendo.
Los agentes de IA no tienen un umbral de aburrimiento. No se degradan después de treinta y cinco minutos. No cometen más errores en la centésima iteración que en la primera. Cuando una tarea está por debajo del umbral de treinta y cinco minutos y sigue un patrón repetible, el argumento de calidad a favor de la IA sobre la ejecución humana no es marginal: es estructural.
La cascada de propagación de errores es más dañina en tareas donde el output se alimenta directamente de otro sistema. Una actualización de CRM que está mal alimenta datos incorrectos en el pipeline de ventas. Un modelo financiero con una suposición incorrecta alimenta datos incorrectos en el presupuesto. Un correo electrónico al cliente con un tono desacertado crea un problema de relación que requiere tiempo de gestión para resolver. El costo del error no es el tiempo para corregirlo. Es la contaminación aguas abajo.
Por lo tanto, el apalancamiento de productividad no está en automatizar la tarea. Está en prevenir la cascada de errores antes de que empiece.
Descomposición de tareas nativa de IA — fragmentando el trabajo por debajo del umbral
La aplicación práctica de la regla de los treinta y cinco minutos requiere una disciplina que la mayoría de las organizaciones no han desarrollado: la descomposición de tareas nativa de IA.
La descomposición tradicional de tareas — proveniente de metodologías de gestión de proyectos — fragmenta el trabajo en unidades lógicas para ejecución humana. La unidad de trabajo se dimensiona según los lapsos de atención humanos, la programación humana, los patrones de fatiga humanos.
La descomposición de tareas nativa de IA fragmenta el trabajo en unidades dimensionadas para agentes de IA. La pregunta no es "¿cómo debería un humano ejecutar esto?", sino "¿cómo debería un agente de IA ejecutar esto?". La respuesta requiere pensar en tres cosas simultáneamente: qué puede hacer el agente de IA de forma confiable, qué necesita el humano revisar antes de que se propague más, y cuál sería el costo de un error en cada paso.
El framework de descomposición tiene tres preguntas que deberían hacerse para cada tarea antes de asignarla a un humano o a una IA:
¿Esta tarea está por debajo del umbral de treinta y cinco minutos? Si es así, es candidata para ejecución con IA. Si toma más de treinta y cinco minutos para un humano, se degradará en calidad. El agente de IA no lo hará. Una tarea de treinta y cinco minutos para un humano podría tomar treinta segundos para un agente de IA. Eso es una característica, no una limitación.
¿El riesgo de propagación de errores es aceptable? Si el output de la tarea se alimenta en un sistema posterior — un CRM, un modelo financiero, una base de datos — el costo de un error no es el tiempo para corregir la tarea. Es la contaminación aguas abajo. Las tareas con alto riesgo de propagación requieren puertas de revisión humana. Las tareas con bajo riesgo de propagación pueden ejecutarse de forma autónoma.
¿Se puede verificar el output antes de una acción costosa? Un agente de IA que genera un informe debería tener sus conclusiones verificadas spot-check antes de que el informe llegue a un cliente. Un agente de IA que programa una reunión puede ejecutarse sin revisión. Un agente de IA que envía un correo electrónico a un cliente probablemente debería tener una lectura humana antes de enviarse. El requisito de verificación es una función del costo de un output incorrecto.
El framework de alcance de tres preguntas
Pregunta uno: ¿Esta tarea es repetible y toma menos de treinta y cinco minutos para un humano? Si la respuesta es no — si toma dos horas, o si es genuinamente nueva cada vez — no es candidata para automatización con IA. Es una tarea humana. Asígnala al humano y no intentes automatizarla. La regla de los treinta y cinco minutos no dice "automatiza todo". Dice "automatiza las cosas en las que los humanos son malos debido a su cognición".
Pregunta dos: ¿Cuál es el costo de un error en cada paso? La regla de los treinta y cinco minutos no es una razón para eliminar el juicio humano de tareas complejas. Es una razón para ser honesto sobre lo que el juicio humano añade y lo que cuesta. Si el costo de un error es bajo, la IA puede ejecutarse de forma autónoma. Si el costo de un error es alto, el humano debe revisar antes de que el output se propague.
Pregunta tres: ¿El output requiere juicio humano para ser valioso? Algunos outputs son valiosos como datos puros: una lista de clientes potenciales cualificados, una reunión programada, un registro de CRM completado. Algunos outputs requieren que un humano lea el contexto, aplique juicio y decida si actuar: una respuesta sensible a una queja de cliente, una recomendación estratégica. La IA puede redactar estos. El humano debe decidir.
El cambio organizacional — de la asignación de tareas al diseño de sistemas
La regla de los treinta y cinco minutos cambia la conversación de productividad de "¿cómo hacemos que los humanos sean más eficientes?" a "¿cómo diseñamos sistemas donde la IA y los humanos hagan cada uno lo que mejor saben hacer?"
Esta es una pregunta de diseño de sistemas, no de gestión de tareas. Requiere pensar en el trabajo como un flujo en lugar de una colección de tareas. La regla de los treinta y cinco minutos aplicada a tareas individuales es una heurística útil. Aplicada a un workflow — una serie de tareas conectadas por flujos de datos — se convierte en una pregunta de arquitectura de sistemas.
El workflow donde la regla de los treinta y cinco minutos genera el mayor apalancamiento es aquel donde la mayoría de las tareas están por debajo del umbral, la mayoría de los outputs se alimentan en otros pasos, y el costo de propagación de errores se entiende en cada paso. Los agentes de IA manejan las tareas de bajo umbral y alta frecuencia. Los humanos manejan las llamadas de juicio, el procesamiento de excepciones y la aprobación final de cualquier cosa que se propague más allá del sistema.
La calibración honesta — cuándo no aplica la regla
La regla de los treinta y cinco minutos es un framework de decisión, no una ley de la naturaleza.
El trabajo creativo complejo — estrategia, diseño, narrativa, negociación — no está por debajo del umbral de treinta y cinco minutos en ningún sentido significativo. No es repetitivo. No tiene una respuesta correcta que pueda verificarse. La regla de los treinta y cinco minutos no aplica a trabajo donde el valor está en el juicio del humano.
El trabajo dependiente de relaciones está en una categoría diferente. Una evaluación de desempeño, una conversación difícil con un cliente, una negociación sensible: estas son tareas que un humano debe ownership, no porque sean técnicamente complejas, sino porque el contexto de la relación lo requiere.
La resolución de problemas novedosos no es una tarea de umbral. Un problema que nunca se ha visto antes, que requiere razonamiento original: esto no es automatizable a nivel de tarea, y el agente de IA que intente resolverlo producirá errores confiantes que son más dañinos que el silencio.
La pregunta de productividad que vale la pena hacer
La regla de los treinta y cinco minutos es, en última instancia, una pregunta sobre lo que estás pagando cuando asignas trabajo a un humano.
Estás pagando por atención. La atención humana es finita, se degrada después de treinta y cinco minutos de concentración continua en tareas repetitivas, y cuesta lo mismo ya sea que esté fresca o fatigada. Cuando asignas una tarea de treinta y cinco minutos a un humano, estás pagando por atención fresca y obteniendo atención degradada después del umbral.
El apalancamiento de productividad no está en hacer que los humanos sean más rápidos. Está en detener la asignación de atención humana costosa a tareas que la degradan. La pregunta que vale la pena hacer en cada reunión donde se está asignando trabajo: ¿es esta una tarea de treinta y cinco minutos que deberíamos darle a un agente de IA, o es una tarea de juicio que requiere atención humana?
Las organizaciones que hacen esto bien no son las que tienen más herramientas de IA. Son las que son más honestas sobre la diferencia.