Triaje del correo con IA

Cuánto tiempo se va en correo, para empezar

Hay tres mediciones independientes sobre esto, y lo convincente es justamente que coinciden.

A las 2,8 horas semanales de lectura se suman escribir, buscar y ordenar, y así salen la hora o la hora y media al día. Ese es el techo: no se puede ahorrar más que eso, por buena que sea la herramienta.

Lo que conviene evitar: las cifras del tipo «tres horas al día de correo» suelen venir de un informe de 2012 y circulan sin fuente por sitios que recopilan estadísticas. Es un dato de hace más de una década.

Lo medible: qué ganas y qué no

En ese mismo experimento aleatorizado, medido con telemetría:

• quien recibió la licencia leyó correo 12 minutos menos a la semana (−7 %);
• quien además la usó de verdad, un −18 %, o sea más de media hora a la semana;
• el tiempo de respuesta se acortó 18 minutos (−4 %);
• el número de conversaciones no cambió.

Ese último punto es la clave. La máquina no genera menos correo y no responde más en tu lugar. Hace que leas la bandeja más rápido. Quien espere que se acabe el correo se llevará un chasco.

Y hay una cosa que conviene decir claramente: no existe ninguna medición reciente e independiente de la tasa de aceptación de los borradores de respuesta. Ni la telemetría de los fabricantes ni la investigación publican una cifra de cuántas de las respuestas propuestas se envían sin cambios. Si ves un porcentaje concreto sobre esto en alguna parte, pregunta de dónde sale.

La clasificación: ¿25 % o 99 %?

Aquí está la contradicción más instructiva del artículo, porque a primera vista parece que dos mediciones se excluyen.

La una: un estudio académico de 2026 midió una «exactitud» del 90,4 % sobre un corpus grande de correo real, mientras que la precisión era de apenas el 25,3 %. En cristiano: cuando el sistema decía «esto es un correo técnico», se equivocaba en tres de cada cuatro casos, y se le escapaba el 60 % de los que sí eran técnicos. El 90,4 % queda bien solo porque más del 90 % del correo caía de todas formas en la otra categoría, es decir, que la estrategia de «digo que no a todo» también habría superado el 90 %.

La otra: un benchmarkde junio de 2026, de fabricante pero inusualmente transparente —42 modelos probados, hardware publicado, paquete de reproducibilidad—, midió valores de F1 por encima del 99 % con varios modelos en ese mismo tipo de tarea. La frase clave del informe: todos los modelos que se mantuvieron lograron un recall superior al 99 %, así que la diferencia entre modelos la marca casi por completo la precisión, no el acierto perdido.

La resolución no está en el modelo, sino en la categoría.

El mensaje práctico: si tú tampoco sabes describir en dos frases qué cuenta como «importante», la máquina tampoco podrá. La exactitud de la clasificación no depende de qué modelo elijas, sino de lo afilada que sea la definición que le des.

La receta

1. TRES CATEGORÍAS, NO DIEZ
   Hay que responder / Hay que saberlo / No es cosa mía.
   Una frase para cada una que resuelva el caso límite.

2. ESCRIBE LA DEFINICIÓN, NO LA PIENSES
   "Importante" no es una categoría. "Viene de un cliente
   y lleva una pregunta" sí lo es.

3. PRIMERO ETIQUETA, NO MUEVAS NADA
   Una semana, que solo marque. Luego mira cuántas
   clasificaciones fallaron, y en qué dirección.

4. BORRADOR SÍ, ENVÍO NO
   El borrador lo revisas tú. Envío automático no hay,
   ni aunque parezca bueno.

5. LO QUE NUNCA VA A LA MÁQUINA
   Despido, reclamación, asunto legal, cambios de precio
   y de contrato. Ni siquiera se lo das a etiquetar.

El tercer paso es el que más gente se salta, y es el único que te dice si funciona en tu caso. La medición de arriba muestra justamente que detrás de una cifra agregada que suena bien puede haber un 25 % de precisión, y eso solo se ve si miras las falsas alarmas por separado de los aciertos perdidos.

Una instrucción copiable para el etiquetado:

Clasifica este correo en EXACTAMENTE una categoría:

HAY_QUE_RESPONDER — tiene una pregunta, o esperan una
  decisión mía, o fija un plazo que me afecta.
HAY_QUE_SABERLO — información que me afecta, pero que no
  espera nada de mí.
NO_ES_COSA_MIA — boletín, aviso automático, copia que no
  me concierne.

Da la clasificación y, en una frase, el PORQUÉ, citando
el texto original. Si ninguna de las tres encaja con
claridad, escribe: INCIERTO.
No adivines.

La opción «INCIERTO» hace falta porque sin ella el modelo se ve obligado a decidir, y lo que fallará son los casos límite.

El riesgo del que apenas se habla

Esta parte es la más importante del artículo, y la mayoría de las recetas de bandeja de entrada la omite.

Cuando un asistente lee el correo por ti, el contenido del correo entra en sus instrucciones. Y el modelo no tiene ninguna forma fiable de distinguir una instrucción de un dato. Esto no es un fallo que vayan a corregir: es una propiedad de la arquitectura.

Cuatro casos documentados de 2025–2026:

• Fuga de datos sin un solo clic en un asistente ofimático. Una instrucción escondida en un correo de aspecto inofensivo que no necesitó ni un solo clic del usuario para ejecutarse: la respuesta contenía una referencia que el cliente descargaba solo, y con eso salían los datos. Recibió un identificador de vulnerabilidad, el fabricante lo corrigió y no se encontraron pruebas de explotación real.
• Phishing a través del resumen. Texto de tamaño cero y color blanco dentro del correo: invisible para quien lo recibe, legible para el modelo. Cuando la persona pulsaba el botón «Resumir», la máquina escribía el aviso de seguridad falso, con número de teléfono, al final de su propio resumen. Así parecía que lo decía el proveedor.
• Contenido envenenado en el buscador corporativo. Una instrucción escondida en un documento compartido, una invitación de calendario o un correo, que se ejecutaba cuando cualquiera de la empresa lanzaba una búsqueda normal, y sacaba los datos mediante una petición de imagen externa camuflada.
• La mayor medición sobre esto: en un concurso público, 839 participantes hicieron 461.640 envíos contra un asistente de correo. De ahí, 3.324 fueron ataques completos con éxito. Las defensas valieron mucho —con la mejor defensa individual hicieron falta unos quinientos intentos de media hasta el primer éxito—, pero incluso con todas las defensas activadas a la vez, en el nivel más difícil entró el 16,6 % de los participantes.

La lectura equilibrada: quien ataque de forma ocasional no entra. En cambio, frente a alguien persistente que se adapta, ninguna defensa es del cien por cien.

De aquí salen dos marcos prácticos que conviene aplicar a tu propia configuración:

• El trío letal. Si el asistente tiene acceso a la vez a (1) datos privados, (2) contenido no fiable y (3) un canal de comunicación hacia fuera, se convierte en una herramienta de fuga. La bandeja de entrada te da los dos primeros de regalo; el tercero se lo añades tú.
• La regla de dos. Un asistente que funcione sin aprobación humana debe cumplir como mucho dos de las tres propiedades.

Por eso la receta lleva el punto de «borrador sí, envío no». No es prudencia excesiva: es lo que le quita la tercera pata al trío.

Malentendidos típicos

• «Voy a tener menos correo.» No lo vas a tener. Según la medición, el número de conversaciones no cambia; solo las lees más rápido.
• «Midieron un 90 % de exactitud, eso está bien.» No necesariamente. Si el 90 % del correo cae de todas formas en una categoría, ese 90 % no dice nada. La precisión y el recall hay que mirarlos por separado.
• «Basta con decirle que filtre lo importante.» Este es el error más habitual. «Importante» no es una categoría, es una sensación. Hace falta un criterio que se pueda escribir en dos frases.
• «El correo es solo un dato para la máquina.» No. El modelo no sabe separar la instrucción del dato, y en esa diferencia se apoyan los cuatro casos de arriba.
• «Ya lo arreglará el fabricante.» Las vulnerabilidades concretas las arreglan. La causa general —que un token no lleva escrito si es una orden o un dato— no la saben arreglar, y las posiciones del sector lo dicen abiertamente.

Lo que conviene llevarse

La bandeja de entrada es buen terreno porque la ganancia es medible: media hora de lectura a la semana, una respuesta un cuatro por ciento más rápida. No es una revolución, pero es real.

Las dos cosas de las que depende todo: una definición afilada de las categorías y que la máquina no pueda enviar por su cuenta. La primera hay que sacártela de la cabeza; la segunda es un ajuste que no se debe desactivar, ni aunque lleve una semana trabajando sin un fallo.

Dónde más hay ganancia medible en tu jornada de oficina lo desglosa por tipo de tarea el post el ahorro real de tiempo , con las cifras; y de las reuniones, donde el tiempo no baja pero el acta sí mejora, se ocupa el post las actas de reunión , con receta.