Caso: un estudio de mercado con seis agentes de IA en paralelo, un día de captura y una auditoría dato a dato

La pregunta era concreta: ¿qué piden por escrito las empresas suizas y europeas cuando contratan dirección de IA? No opiniones de consultora ni encuestas de percepción: las responsabilidades literales, los KPIs, las líneas de reporte y los salarios de ofertas reales. Esa evidencia no existía publicada, y producirla a mano es un trabajo de semanas: encontrar decenas de ofertas vivas en cuatro idiomas, extraer de cada una más de veinte campos, mantener la procedencia de cada dato y no contaminar nada con memoria o suposición.

Y había un obstáculo peor que el volumen: las fuentes se defienden. Los buscadores de los portales de empleo suizos y LinkedIn bloquean el acceso automatizado, así que la ruta obvia (un scraper clásico sobre los listados) estaba cerrada, y la ruta perezosa (pedirle a un modelo "qué pide el mercado") habría producido exactamente el tipo de informe sin fuentes que queríamos evitar. Hacía falta un sistema que navegara como investigador, extrajera como base de datos y rindiera cuentas como un científico de datos.

El diseño divide el mercado en seis segmentos (liderazgo en Suiza, liderazgo DACH, transformación, finanzas y operaciones, marketing y crecimiento, Benelux con nórdicos y Francia) y lanza un agente de investigación por segmento, en paralelo. Cada agente navega páginas de empleo de empresas, sistemas ATS públicos y portales accesibles, y entrega sus hallazgos en un archivo JSON por segmento con el mismo esquema. La captura completa se hizo en un solo día.

La fiabilidad no vive en los agentes sino en el contrato que firman. Tres reglas de extracción: los campos de texto se copian literalmente de la oferta (responsabilidades, KPIs, salario tal cual aparece), lo que no está visible se deja vacío en lugar de estimarse, y cada fila lleva la URL donde la oferta fue vista, con las réplicas de portales espejo etiquetadas como tales. Después de la fusión y la deduplicación, cada estadística del estudio se calcula con una definición escrita y congelada en un archivo de resultados, de modo que cualquier cifra se puede recontar desde el dataset sin preguntarle a nadie. El flujo completo, del brief a la publicación:

Cada pieza del sistema desplazó a una alternativa concreta. Esta tabla es la parte del caso que más vale robar: no las herramientas, sino los porqués.

Lo verificable: la captura completa (83 ofertas, seis segmentos, cuatro idiomas de origen) se hizo en un día de trabajo con los seis agentes en paralelo, dentro de suscripciones de IA ya contratadas, sin coste incremental de plataforma. La auditoría independiente añadió una segunda pasada sobre el dataset. El equivalente manual de la sola captura y extracción (decenas de ofertas leídas campo a campo en alemán, francés, inglés y español) es trabajo de semanas para una persona; no publicamos una cifra de "horas ahorradas" porque no operamos ese proceso manual como línea base, y estimarla de memoria es exactamente lo que este sistema prohíbe.

Lo que no medimos, y es el fallo más útil de contar: no registramos el consumo de tokens de esta ejecución, así que no podemos publicar el coste por oferta extraída, y no lo vamos a inventar. La lección ya está aplicada: la ampliación del corpus a 150-300 ofertas correrá con medición de tokens y de horas de agente desde el primer minuto, y ese número saldrá publicado aquí. El método para convertir tokens, suscripciones y supervisión en coste por unidad está en la calculadora del blueprint de operación de contenido; le faltaba su dato de entrada, y esa es la moraleja: instrumenta antes de ejecutar, no después.

El resultado es un dataset de 79 ofertas en alcance (de 83 capturadas), con 22 campos por fila, 74 filas con extracción del texto completo y las 5 restantes marcadas como nivel resumen, procedencia por fila y un archivo de estadísticas con definiciones congeladas. El criterio de medición fue externo por diseño: cada cifra de cabecera fue recontada de forma independiente contra el dataset crudo, y la publicación quedaba bloqueada hasta reproducirlas todas. Todas se reprodujeron tras dos correcciones (contadas abajo), y las reglas de redacción quedaron escritas para que las cifras no se deformen al citarse: por ejemplo, 38 de 79 ofertas "exigen KPIs medibles", que no es lo mismo que "exigen ROI", y la diferencia importa.

El dataset ya está produciendo piezas: el blueprint para contratar un Chief AI Officer sale entero de él, igual que el átomo qué hace un Chief AI Officer. El estudio completo se publicará cuando el corpus crezca a 150-300 ofertas con las mismas definiciones. Esa es la otra mitad del resultado: una infraestructura de investigación reutilizable, no un informe de usar y tirar.

Cuatro fallos reales, con su corrección, porque un registro de fallos vacío solo significa que nadie apunta. Uno: un falso positivo de cumplimiento. La búsqueda del texto "AI Act" marcó una oferta suiza que en realidad decía "AI activities"; el recuento automático daba dos ofertas nombrando la ley europea cuando la cifra real es una. Lo cazó la auditoría leyendo el contexto de cada coincidencia, y la regla quedó escrita: toda coincidencia de cadena se verifica en contexto antes de contarse.

Dos: el campo de país mezclaba formatos ("CH" y "Switzerland" en filas distintas), así que los recuentos por país no cuadraban con las estadísticas publicadas hasta que se añadió una columna normalizada con código de país. Tres: una cifra de cabecera (24 títulos Head of AI) no era reproducible porque su definición vivía en la cabeza de quien la contó; hubo que congelarla por escrito (títulos que empiezan por Head of AI, Head of Artificial Intelligence o Head of Data & AI: 22 más 0 más 2) para que cualquier recuento futuro dé lo mismo. Y cuatro: los buscadores de portales bloqueados sesgan la muestra hacia empleadores con ATS público, y 5 filas solo alcanzaron nivel resumen. Ese sesgo no se pudo eliminar; se pudo declarar, y está declarado en la metodología y en cada pieza que usa el dataset.

Todo el sistema cuelga de reglas de integridad escritas antes de lanzar el primer agente: ninguna oferta se inventa ni se embellece; cada fila conserva su URL; los espejos y las estimaciones se etiquetan en la propia fila; las filas fuera de ventana o de región se conservan en el dataset marcadas como fuera de alcance, en lugar de borrarse, para que la limpieza sea inspeccionable; y las definiciones y reglas de redacción viajan con los datos para que las cifras no muten al citarse. Es la misma gobernanza que aplicamos a todo lo que publica esta casa, aplicada a investigación: los agentes hacen el trabajo, las reglas deciden qué cuenta como verdad, y una persona firma.

La consecuencia práctica para cualquier empresa: este nivel de rigor no encarece el proyecto, lo abarata. Las dos correcciones de la auditoría costaron horas; el mismo error descubierto por un lector después de publicar habría costado la credibilidad del estudio entero. En investigación con agentes, la gobernanza no es el freno: es lo que convierte velocidad en algo publicable.

El mismo patrón sirve para cualquier pregunta de mercado que viva en fuentes públicas dispersas: qué piden las licitaciones de tu sector, qué prometen los competidores en sus fichas, qué exigen los reguladores en cada país donde vendes. Seis pasos:

Lo inmediato ya está decidido: la ampliación del corpus a 150-300 ofertas con las mismas definiciones congeladas, medición de tokens y horas desde el primer minuto, y la publicación del estudio completo con el dataset abierto. Lo estructural es más interesante: los agentes de investigación mejoran cada trimestre en navegación y en idiomas, así que el coste de repetir este sprint cae mientras su valor sube, y eso convierte la investigación de mercado en algo que se reejecuta cada trimestre en lugar de encargarse una vez al año. La ventaja competitiva se desplaza del acceso a los datos (que se abarata) a lo que casi nadie está montando: el contrato de integridad, las definiciones congeladas y la auditoría independiente que hacen que un dataset producido por agentes sea citable. Quien tenga esa infraestructura publicará evidencia mientras sus competidores publican opiniones.

Este caso es el segundo sistema en producción documentado en este lab, tras la operación editorial con agentes. El marco general, en Sistemas de IA.