El problema del Día 2: tu automatización con IA se rompe (y casi nunca te enteras)
1 de cada 20 peticiones a sistemas de IA en producción falla y el sistema sigue respondiendo como si todo estuviera bien (Datadog 2026). Por qué las automatizaciones se rompen en silencio y el checklist de 7 preguntas que usamos antes de lanzar.
Tu automatización con IA se va a romper. No es pesimismo, es estadística: según el State of AI Engineering 2026 de Datadog, 1 de cada 20 peticiones a sistemas de IA en producción falla — y el sistema sigue respondiendo como si todo estuviera bien. El lanzamiento ya no es el problema de nadie. El problema es el Día 2: todo lo que pasa después de que el flujo sale a producción, nadie lo mira, y algo se rompe en silencio durante tres semanas. En este artículo te explico por qué con IA las fallas son invisibles por diseño, los cinco modos en que tu automatización puede estar muriendo sin que lo sepas, y el checklist de siete preguntas que usamos en Mintec antes de dejar cualquier flujo en producción.
La semana de Dave: la historia que todos hemos vivido
n8n publicó en agosto de 2026 uno de los mejores artículos de operaciones que he leído este año: "Your AI project WILL break. Welcome to the Day 2 problem." Cuenta la historia de Dave, un tipo de finanzas que construyó una automatización para leer facturas en PDF, extraer los datos y subirlos al sistema. El lunes todo funciona. El martes, tres facturas se registran con montos equivocados. Y ahí empieza el infierno: no hay registro de lo que hizo el bot en cada paso ("solo dice Automation complete"), no hay forma de volver a la versión anterior porque editó la única copia, las credenciales viven en el correo de Dave, y nadie más sabe operar el flujo.
Lo peor llega cuando un proveedor llama a reclamar que no le pagaron: la automatización llevaba toda la semana saltándose facturas cuyo formato no podía parsear. Sin error. Sin alerta. Sin registro. Once facturas perdidas en silencio mientras Dave apagaba incendios visibles.
El punto de n8n no es que Dave sea torpe. Es que nadie le enseñó las preguntas que el mundo del software lleva décadas haciéndose antes de lanzar algo. Amazon lo resumió en 2006 con el principio de Werner Vogels: "You build it, you run it" — el que construye, lo opera. En automatización con IA, casi nadie lo hace. Y ahí es donde empieza el problema del Día 2: el Día 0 es planear, el Día 1 es lanzar, y el Día 2 son los meses en que el sistema tiene que seguir funcionando sin que nadie lo mire.
Por qué con IA el Día 2 es peor que con software normal
Con software tradicional, el mismo código produce el mismo resultado hasta que alguien lo cambia. Con IA, eso no existe: el modelo puede cambiar de comportamiento de la noche a la mañana sin que toques nada. Misma entrada, misma prompt, salida distinta. Si tu flujo depende de consistencia —y todos los flujos de negocio dependen—, necesitas una forma de comprobar que sigue respondiendo como la semana pasada. El término técnico es evals: control de calidad para IA.
El reporte de Datadog añade tres datos que deberían asustarte si tienes automatizaciones en producción:
- El 70% de las organizaciones ya usa tres o más modelos en producción. Cada modelo es una pieza que se mueve sola: se actualiza, cambia de versión, cambia de precio.
- El uso de tokens se duplicó en las cargas de trabajo típicas. No es que los usuarios generen más texto: son los prompts de sistema, las instrucciones de herramientas y las políticas que se procesan en cada petición. El costo crece aunque el volumen de trabajo se vea estable.
- Los rate limits ya son una causa masiva de fallas — millones de eventos registrados en producción. Fallos intermitentes en horas pico que parecen casualidades y no lo son.
Y está la capa humana. En marzo de 2026, CNBC publicó "Silent failure at scale", un análisis sobre el riesgo de que los sistemas de IA fallen sin que nadie lo note. La conclusión: la mayoría de las empresas no tiene documentados sus flujos, sus excepciones ni sus límites de decisión. Como dijo la consultora entrevistada: "el manejo de excepciones vive en la cabeza de la gente, y la IA expone esos huecos de inmediato". Si tu operación dependía de que María sabía qué hacer cuando un pedido raro llegaba por correo, tu automatización no tiene a María.
Los 5 modos de falla silenciosa
Estos son los patrones que vemos repetirse en las auditorías de automatizaciones que tomamos de otros proveedores. Los cinco tienen algo en común: el flujo "termina bien", nadie recibe un error, y el daño se acumula hasta que alguien lo descubre por casualidad.
| Modo de falla | Cómo se ve por fuera | Por qué nadie lo nota | Señal típica |
|---|---|---|---|
| El formato de los datos cambia | El flujo termina "OK" pero no procesó nada | Sin registro de lo que hizo cada paso | El volumen de procesados cae y nadie lo compara |
| La API o esquema de la app conectada cambia | Las llamadas empiezan a fallar | Los errores se acumulan en logs que nadie lee | Errores 4xx repetidos en horarios fijos |
| El modelo se actualizó | Mismo input, output distinto o degradado | Nadie comparó la salida de hoy con la de la semana pasada | Cambios de tono o de formato en las respuestas |
| Rate limits y cuotas | Fallos intermitentes en horas pico | Parecen "casualidades" de internet | Picos de error que coinciden con volumen alto |
| El costo por tokens se dispara | La factura crece, el uso no | Los tokens de sistema no aparecen en el dashboard del usuario | Gasto al doble con volumen estable |
Fíjate en el patrón: los cinco son detectables. El problema nunca es la tecnología, es la ausencia de observabilidad — no saber qué pasó, cuándo y por qué.
El checklist del Día 2: 7 preguntas antes de lanzar
En Mintec no dejamos un flujo en producción hasta responder estas siete preguntas. No son para equipos de ingeniería: son el mínimo que cualquier pyme con una automatización en n8n, Make o Zapier debería poder responder.
| Pregunta del Día 2 | Cómo comprobarla | El mínimo viable |
|---|---|---|
| ¿Puedo ver qué hizo el sistema en cada paso? | Revisa que la plataforma guarde inputs y outputs por ejecución | Un log por ejecución, aunque sea en una hoja de cálculo |
| ¿Puedo deshacer un cambio? | Prueba volver a una versión anterior | Versión guardada antes de cada edición del flujo |
| ¿Quién más puede operarlo? | Pídele a otra persona que haga un cambio de prueba | Credenciales compartidas + documentación de una página |
| ¿Me avisa si falla? | Rompe el flujo a propósito y mira si llega la alerta | Notificación al canal del equipo + resumen diario de ejecuciones |
| ¿Sigue respondiendo como hace un mes? | Corre el mismo conjunto de 10-20 casos de prueba | Suite de evals ejecutada cada semana |
| ¿Cuánto cuesta cada ejecución? | Calcula tokens promedio × precio del modelo | Alerta cuando el gasto mensual sube más de 20% |
| ¿Qué pasa si alguien entra? | Lista qué datos puede tocar el bot y con qué permisos | Mínimo privilegio: solo las acciones del flujo, nada más |
La pregunta cuatro es la más importante y la más ignorada. Si tu automatización no puede avisarte que falló, no es que esté funcionando: está fallando sin que lo sepas. Un flujo sin alertas no es una automatización, es una apuesta.
Lo que vemos en Mintec (y por qué cobramos por el Día 2)
Llevamos años implementando automatizaciones para empresas en México, Centroamérica y Estados Unidos, y heredando las que otros proveedores dejaron abandonadas. En la primera auditoría de un flujo heredado, la primera pregunta siempre es la misma: ¿tiene alertas? En la mayoría de los casos, la respuesta es no. La segunda: ¿hay documentación de cómo opera? Casi nunca. La tercera: ¿quién es el dueño? Casi siempre es la persona que lo construyó y ya se fue.
El caso más clásico que atendimos: una automatización de facturación que llevaba tres semanas fallando en silencio. El cliente se enteró cuando un proveedor llamó a reclamar un pago — exactamente como Dave. El flujo "terminaba bien" cada noche, pero parseaba cero facturas desde que el formato del PDF de un proveedor grande cambió. Nadie lo notó porque nadie comparaba el número de facturas procesadas por día.
Esa experiencia nos llevó a cambiar el modelo de entrega: ya no vendemos automatización sin operación. Todo proyecto incluye un retainer de mantenimiento con monitoreo, revisión mensual de ejecuciones, evals, actualización de versiones y documentación viva. Para una pyme con 1-3 flujos, el costo realista es de $200 a $500 USD al mes. Suena caro hasta que comparas con el costo de no tenerlo: tres semanas de facturación perdida, un proveedor molesto y la confianza del equipo en la automatización destruida.
Y no es solo dinero: es retención. Ya escribimos sobre la ventana de los primeros 90 días y cómo el tiempo hasta el primer valor decide si un cliente se queda; el Día 2 es la otra cara de esa moneda. También hemos documentado por qué el 90% de los proyectos de automatización fracasan — y una de las causas raíz es exactamente esta: se celebra el lanzamiento y se abandona la operación. Por eso, en el análisis que hicimos sobre el mito del agente total, una de las conclusiones es que la predictibilidad de un flujo determinista vale más que la flexibilidad de un agente que nadie puede auditar.
¿Lo operas tú o lo operamos nosotros?
La decisión no es binaria, es de escala:
- 1 flujo simple, datos no críticos (un recordatorio, un webhook, una sincronización): responde el checklist tú mismo y destina 2-4 horas al mes a revisarlo. En automatización de CRM con n8n te mostramos cómo construir este tipo de flujos sin depender de un agente.
- 3+ flujos o datos que tocan dinero, clientes o facturación: necesitas operación dedicada. Ahí es donde un retainer de mantenimiento se paga solo, y donde nuestro servicio de automatización y chatbots entra como operador.
- Una automatización que ya existe y nadie mantiene: pide una auditoría antes de que la falla silenciosa te cueste un cliente. Es más barato que el susto.
Si algo de esto te suena familiar, empieza por lo más barato: responde las siete preguntas del checklist hoy mismo. Si no puedes responder la cuarta —"¿me avisa si falla?"—, no necesitas más IA. Necesitas alertas. Y eso, a diferencia de un agente nuevo, cuesta menos de $20 al mes.
Preguntas Frecuentes
¿Qué es el problema del Día 2 en automatización con IA?
Es todo lo que pasa después del lanzamiento: el mantenimiento, el monitoreo y la operación de una automatización que ya está en producción. El nombre viene del mundo del software: el Día 0 es planear, el Día 1 es construir y lanzar, y el Día 2 son los años en que el sistema tiene que seguir funcionando. Con IA, el Día 2 es más peligroso porque los modelos cambian de comportamiento sin avisar y las fallas suelen ser silenciosas.
¿Cómo detecto si mi automatización falla en silencio?
La forma más rápida es pedirle al sistema que te avise cuando algo falle y revisar un resumen diario de ejecuciones, aunque sea un mensaje a un canal del equipo. Luego corre un conjunto fijo de 10-20 casos de prueba cada semana: si el mismo input produce un output distinto o degradado, algo cambió. Según Datadog, 1 de cada 20 peticiones a sistemas de IA en producción falla y el sistema sigue devolviendo respuestas que parecen correctas.
¿Cuánto cuesta mantener una automatización con IA en producción?
Para una pyme con 1-3 flujos, el costo de operación realista está entre $200 y $500 USD al mes si lo maneja una agencia con monitoreo, revisión mensual y evals. Si lo operas tú mismo, el costo es principalmente tiempo: de 2 a 4 horas al mes para revisar ejecuciones, actualizar versiones y mantener la documentación. No presupuestar ese costo es la causa más común de que una automatización muera a los 90 días.
