# Automatización que se equivoca a escala: lo que el ROI omite

> La automatización multiplica la ganancia por ejecución y también el error. Vea cuánto cuesta una regla errónea antes de que alguien pueda detener la rutina.

- Autor: Marlon Trettin
- Publicado: 2026-11-17 · Actualizado: 2026-11-17
- Idioma: es
- Canonical: https://yowpi.com/es/blog/automatizacion-que-se-equivoca-a-escala

---

Una automatización que se equivoca repite el error a la misma velocidad con la que repetiría el acierto. El cálculo de ROI multiplica la ganancia por el número de ejecuciones y casi nunca hace la misma cuenta para la regla errónea. La pregunta que falta es de arquitectura: ¿cuántas ejecuciones erróneas ocurren antes de que alguien, o el propio sistema, pueda detener la rutina?

## TL;DR

- En la hoja de retorno, la ganancia por ejecución se multiplica por el volumen. La pérdida de una regla errónea sigue la misma multiplicación, y por eso tiene que estar en la cuenta antes de la aprobación.
- El 1 de agosto de 2012, según la SEC, Knight Capital procesó 212 órdenes pequeñas de clientes y generó más de 4 millones de ejecuciones en unos 45 minutos, con pérdidas superiores a 460 millones de dólares. La orden de la SEC registra que faltaban límites automáticos y un procedimiento para interrumpir el sistema.
- La exposición depende de tres números que la operación puede estimar: ejecuciones por hora, tiempo hasta la detección y coste de cada ejecución errónea.
- Cuatro decisiones de diseño reducen esa exposición: liberar el cambio de forma gradual, poner un tope por lote, dejar que el sistema se detenga solo y registrar cada ejecución de modo que se pueda deshacer.

## ¿Por qué el ROI de la automatización no muestra este riesgo?

Porque la hoja de retorno trata cada ejecución como un acierto. Compara el coste de construir con el tiempo ahorrado por ejecución, multiplica por el volumen esperado y encuentra el mes en que el proyecto se paga. Ya hemos visto que [el número de variantes del proceso decide ese punto de equilibrio](/es/blog/cuenta-las-variantes-del-proceso-antes-de-automatizar). Falta el otro lado de la misma cuenta.

En el proceso manual, el error tiene un freno natural: la velocidad de la persona. Quien aplica a mano una subida de precios errónea se equivoca en decenas de registros por hora, y muchas veces lo nota por el camino. La automatización elimina ese freno. La regla errónea se aplica a todos los registros elegibles, a la velocidad de la máquina, sin nadie mirando cada uno.

Esto no es un argumento contra automatizar. Es el motivo por el que el riesgo tiene que entrar en el proyecto con un número, junto a la ganancia.

## ¿Qué pasó en Knight Capital?

Knight Capital Americas era un intermediario del mercado de acciones de Estados Unidos, y el caso es útil porque la [orden de la SEC de octubre de 2013](https://www.sec.gov/litigation/admin/2013/34-70694.pdf) describe el fallo en detalle. La empresa sustituyó un código antiguo, sin uso desde 2003, por una funcionalidad nueva, y reutilizó una marca que antes activaba el código antiguo. Un técnico no copió la versión nueva en uno de los ocho servidores, y el despliegue no pasó por una segunda revisión.

En la apertura de la sesión del 1 de agosto de 2012, ese servidor ejecutó el código antiguo. En unos 45 minutos, 212 órdenes pequeñas de clientes se convirtieron en más de 4 millones de ejecuciones en 154 valores. La empresa acumuló una posición larga de unos 3.500 millones de dólares y una corta de unos 3.150 millones, y la pérdida superó los 460 millones. La SEC impuso una multa de 12 millones de dólares, según su [comunicado oficial](https://www.sec.gov/newsroom/press-releases/2013-222).

Dos detalles de la orden interesan a cualquier operación. El sistema envió 97 correos automáticos de rechazo antes de la apertura, pero no se habían diseñado como alertas y, en general, nadie los revisaba. Y la empresa no tenía umbrales de capital agregados vinculados a controles automáticos, ni un procedimiento para detener el sistema ante su propio comportamiento anómalo. La señal existía. Faltaba la arquitectura que la convirtiera en una parada.

## ¿Cuánto puede costarle una regla errónea a su operación?

El tamaño del daño cabe en una multiplicación: ejecuciones por hora, por horas hasta que alguien detecta y detiene, por el coste de cada ejecución errónea, incluido el coste de deshacerla. La cuenta es aproximada, pero obliga a estimar el término que suele quedar fuera, el tiempo hasta la detección.

Ese término depende poco de la calidad del código y mucho del diseño de la operación. Si el error solo aparece cuando el cliente reclama, el tiempo de detección es lo que tarde el cliente en reclamar. Si la rutina corre de madrugada y nadie revisa el resultado antes de la jornada, son horas. Es el mismo problema que [descubrir que una automatización se detuvo](/es/blog/cuando-sabras-que-la-automatizacion-se-detuvo), con un agravante: la automatización que se detiene deja de producir, y la que se equivoca sigue produciendo.

El ejemplo siguiente es una hipótesis para ilustrar la cuenta, no un caso medido. Una distribuidora con 4.000 clientes activos automatiza la actualización anual de su lista de precios. Una regla mal configurada aplica el porcentaje dos veces. A mano, una analista actualizaría unos cientos de fichas al día y tendría buenas posibilidades de notar pronto el valor extraño. Automatizada, la actualización llega a las 4.000 fichas en una sola ejecución, y los pedidos del día siguiente salen con el precio equivocado hasta que alguien llama.

Siguiendo la misma hipótesis, con una subida correcta del 8% sobre un pedido medio de 2.000 euros, cada pedido sale unos 170 euros por encima del precio correcto. Si se facturan 300 pedidos antes de que alguien lo note, son unos 52.000 euros en facturas a corregir, sin contar la atención al cliente y el desgaste de la relación. Los números son ilustrativos; lo que importa es la cuenta con los suyos.

## ¿Cómo limitar el tamaño del error antes de que ocurra?

Con cuatro decisiones tomadas en el diseño, antes de que la rutina entre en producción. Ninguna depende de una herramienta concreta.

La primera es liberar el cambio de forma gradual. El [libro de SRE de Google](https://sre.google/workbook/canarying-releases/) lo llama canario: aplicar el cambio a una fracción pequeña de producción, evaluar y solo entonces continuar. El ejemplo del propio capítulo muestra el efecto: si el cambio falla en el 20% de las peticiones y se aplica al 5% de la población, el error total queda en el 1%. En la actualización de precios, eso significa aplicarla primero a 200 clientes, revisar y después liberar el resto.

La segunda es poner un tope por lote. Toda rutina que cambia valores, envía cobros o crea registros en masa necesita un límite de cantidad o de valor por encima del cual se detiene y pide confirmación. El tope no impide el error. Limita cuántos registros alcanza.

La tercera es dejar que el sistema se detenga solo. Una alerta que nadie lee es el caso de los 97 correos de Knight. Si la tasa de rechazo, el valor medio o el volumen salen del rango esperado, la rutina se interrumpe y avisa a un responsable con nombre, en lugar de registrar el hecho y seguir.

La cuarta es registrar cada ejecución de forma reversible: qué se cambió, el valor anterior y qué ejecución hizo el cambio. Sin ese registro, deshacer el error se convierte en una reconstrucción manual a partir de copias de seguridad y de memoria.

## ¿Esto vale para empresas que no son de tecnología?

Vale, porque la exposición no depende de que la empresa haya escrito el código que falló. El 19 de julio de 2024, a las 04:09 UTC, CrowdStrike publicó una actualización de configuración de su software de seguridad para Windows y la revirtió a las 05:27 UTC, según la [revisión preliminar del incidente](https://www.crowdstrike.com/falcon-content-update-remediation-and-guidance-hub/) publicada por la empresa. [Microsoft estimó](https://blogs.microsoft.com/blog/2024/07/20/helping-our-customers-through-the-crowdstrike-outage/) 8,5 millones de dispositivos afectados, menos del 1% de todas las máquinas Windows.

Entre los cambios que la propia CrowdStrike anunció están un despliegue escalonado para este tipo de actualización, empezando por un canario, y más control de los clientes sobre cuándo y dónde se aplica. Las empresas afectadas no escribieron ni una línea del código defectuoso. Su exposición dependía de cuánto cambio externo podía entrar en la operación sin pasar por una etapa bajo control propio, y ese control no estaba en sus manos.

Para una empresa mediana, la lección es la misma a menor escala. Toda rutina que toca precios, cobros, comisiones o registros en masa merece la pregunta: si la regla está mal, ¿a cuántos registros llega antes de que alguien lo note? En [UniTrust](/es/cases/unitrust), un IMO de seguros de Estados Unidos, las comisiones se calculan al instante con cada póliza pagada. En una rutina con esa frecuencia, la respuesta a esa pregunta tiene que estar en el diseño antes de la primera ejecución, y no después del primer error.

## Preguntas frecuentes

**¿Estos controles no reducen el retorno de la automatización?**

Tienen un coste, y ese coste va en la misma hoja que la ganancia. La comparación honesta es entre el coste de construir canario, tope y parada y la exposición estimada sin ellos. En rutinas de bajo volumen y bajo valor por ejecución, la exposición puede ser pequeña y bastan controles sencillos. En rutinas que tocan precios o cobros de toda la base de clientes, un solo error puede borrar meses de ganancia.

**¿No es más seguro mantener el proceso manual que el equipo ya conoce?**

El proceso manual también se equivoca, solo que más despacio y de forma menos visible. La persona que teclea es el freno y también la fuente de error, y ese error rara vez queda registrado. Una automatización bien diseñada sustituye el freno humano por límites explícitos y por un registro de lo que se hizo, lo que permite medir y deshacer.

**¿Necesito un equipo técnico para implementarlo?**

Lo difícil es decidir, no programar: qué fracción recibe el cambio primero, qué tope hace que la rutina se detenga, a quién se avisa y en qué plazo. Esas decisiones salen de quien conoce la operación. La implementación es trabajo de quien construye el sistema, y cuesta menos cuando entra en el proyecto desde el principio que cuando se adapta después del primer incidente.

## El siguiente paso

Si hoy nadie en su empresa sabe decir a cuántos registros llega una rutina automatizada antes de que alguien pueda detenerla, el Diagnóstico de Arquitectura Operacional es una conversación de 30 minutos para mapear esa exposición. [Hable con un arquitecto](/es/contacto).
