---
title: "Observabilidad para agentes de IA: si no puedes trazarlo, no puedes confiar en él"
description: "Observabilidad para agentes de IA: traza cada ejecución, aprobación y fuente, y mide el costo por paso en USD para saber qué hizo tu agente y por qué."
url: https://addabra.com/blog/observabilidad-agentes-ia
lang: es
date: 2026-09-05
category: "Harness engineering"
keyword: "observabilidad para agentes de IA"
publisher: Addabra
alternate: https://addabra.com/en/blog/ai-agent-observability
---

# Observabilidad para agentes de IA: si no puedes trazarlo, no puedes confiar en él

> Observabilidad para agentes de IA: traza cada ejecución, aprobación y fuente, y mide el costo por paso en USD para saber qué hizo tu agente y por qué.

Viernes, 17:15. Un cliente importante llama a Javier, director comercial, molesto: la cotización que recibió por la mañana trae un descuento del 30% que nadie autorizó. La envió el agente de propuestas. Javier pregunta lo obvio: "¿De dónde sacó ese descuento?". El equipo técnico revisa durante dos horas y la respuesta es incómoda: no hay forma de saberlo. El agente no dejó rastro de qué consultó ni por qué decidió así. Eso es lo que pasa cuando no hay **observabilidad para agentes de IA**.

Un agente que no puedes explicar es un agente que no puedes defender ante un cliente, un auditor o tu propio consejo. Este artículo explica qué significa trazar un agente, qué datos necesitas registrar y cómo convertir esa información en confianza.

## Por qué un agente sin rastro es un riesgo de negocio

El software tradicional hace siempre lo mismo con la misma entrada. Si falla, revisas el código y encuentras el error. Un agente de IA no funciona así: decide en cada ejecución, consulta fuentes distintas, llama herramientas y puede llegar a resultados diferentes con entradas parecidas.

Eso no es un defecto; es justamente lo que lo hace útil. Pero tiene una consecuencia: **si no registras qué pasó en cada ejecución, no hay manera de reconstruirlo después**. No basta con mirar el resultado final. Necesitas ver el camino.

Además, los fallos no siempre vienen del razonamiento del agente. El reporte State of AI Engineering 2026 de Datadog encontró que 5% de las llamadas a modelos en producción devolvieron error, y que límites de capacidad, rate limits y timeouts explicaban 60% de esos errores. Sin trazas, un error de infraestructura y un error de criterio se ven igual desde fuera: "el agente falló".

## Qué significa observabilidad para agentes de IA

Observabilidad es poder responder cuatro preguntas sobre cualquier ejecución, en minutos y no en horas:

1. **¿Qué hizo?** La secuencia completa de pasos, en orden, con hora de inicio y fin.
2. **¿Con qué información?** Las fuentes que consultó: un documento, un registro del CRM, una regla de precios, la memoria del cliente.
3. **¿Quién intervino?** Qué aprobaciones humanas hubo, quién firmó y qué cambió antes de aprobar.
4. **¿Cuánto costó?** El gasto en USD de cada paso y de la ejecución completa.

Si tu sistema responde esas cuatro preguntas, el caso de Javier se resuelve en cinco minutos: abres la ejecución, ves que el agente leyó una tabla de precios de una promoción vencida y que el paso de aprobación estaba desactivado para montos menores a cierto umbral. Dos problemas concretos, dos arreglos concretos.

## Las cuatro capas que debes trazar

### 1. Cada ejecución

Una ejecución es una corrida completa de un flujo: "generar cotización para el cliente X". Debe tener un identificador único, un estado (en curso, terminada, fallida, detenida por tope de gasto) y el registro de todos sus pasos. Si tus flujos tienen varios agentes coordinados, la traza debe mostrar cómo se repartió el trabajo; lo explicamos en [orquestación multiagente](https://addabra.com/blog/orquestacion-multiagente).

### 2. Cada gate de aprobación

Un gate es un punto donde el flujo se detiene a esperar la firma de una persona. La traza debe registrar quién aprobó, cuándo, qué versión vio y si hizo cambios. Esto protege a la empresa y también a la persona que aprobó: queda claro qué tenía delante cuando decidió.

### 3. Cada evento

Los eventos son lo que pasa dentro de un paso: una llamada al modelo, una consulta a una herramienta, un reintento, un error, una regla que bloqueó una acción. Son el detalle fino que te permite distinguir entre "el modelo no respondió" y "el modelo respondió algo incorrecto".

### 4. Cada fuente

Para cada afirmación o dato que el agente usa, debes saber de dónde salió. Si el agente dice "el cliente tiene precio preferente", la traza tiene que mostrar el registro exacto que lo indica. Esto es lo que convierte una respuesta en algo verificable.

## El costo por paso en USD

Este es el dato que más rápido cambia la conversación con finanzas. En lugar de recibir una factura mensual del proveedor del modelo y tratar de adivinar qué la provocó, cada paso registra cuánto costó en dólares.

Con ese dato puedes contestar preguntas que antes eran imposibles:

- ¿Qué flujo es el más caro y vale lo que cuesta?
- ¿Qué cliente o qué tipo de solicitud consume más?
- ¿Qué paso sencillo está usando un modelo más potente (y más caro) de lo necesario?
- ¿Cuánto cuesta, en promedio, una cotización completa frente a lo que costaba hacerla a mano?

La última pregunta es la base de cualquier cálculo serio de retorno. Si quieres profundizar, la desarrollamos en [cómo calcular el ROI de un sistema agéntico](https://addabra.com/blog/roi-sistema-agentico).

## Ejemplo ilustrativo: el agente de cotizaciones, antes y después

*Ejemplo ilustrativo.* Antes, el equipo de Javier tenía un agente de cotizaciones que funcionaba bien la mayoría de las veces. Cuando fallaba, alguien abría el chat, leía la respuesta y trataba de adivinar. Nadie sabía cuánto costaba cada cotización. Las quejas de clientes llegaban antes que cualquier alerta interna.

Después de instrumentar el flujo:

| Pregunta | Antes | Después |
|---|---|---|
| ¿Por qué se envió este descuento? | Nadie lo sabe | La traza muestra la tabla de precios consultada |
| ¿Quién aprobó la cotización? | "Creo que nadie" | Registro con nombre, hora y versión |
| ¿El error fue del modelo o del sistema? | Imposible distinguir | Evento de timeout o respuesta del modelo, separados |
| ¿Cuánto cuesta una cotización? | Desconocido | Costo por paso y total en USD |

Lo más valioso no fue resolver un incidente. Fue que, con las trazas acumuladas, el equipo empezó a detectar patrones: qué tipo de solicitud producía más correcciones humanas y qué paso concentraba el gasto.

## Errores comunes

- **Registrar solo errores.** Las ejecuciones exitosas también enseñan: te dicen cuál es el comportamiento normal para detectar lo anormal.
- **Guardar todo sin estructura.** Un archivo enorme de texto no es observabilidad. Necesitas poder filtrar por cliente, flujo, agente, fecha y costo.
- **Olvidar las fuentes.** Saber qué dijo el agente sin saber de dónde lo sacó deja el problema a medias.
- **Que solo el equipo técnico pueda leer las trazas.** El director comercial debe poder abrir una ejecución y entenderla sin ayuda.
- **Trazar sin cuidar la privacidad.** Las trazas contienen datos sensibles; deben tener los mismos permisos y controles que el resto del sistema, como explicamos en [seguridad en agentes de IA](https://addabra.com/blog/seguridad-agentes-ia).

## De la traza a la mejora

La observabilidad no es un fin en sí mismo. Es la materia prima para mejorar. Cada ejecución trazada es un caso que puedes revisar, convertir en prueba y usar para medir si el agente mejora o empeora con cada cambio. Ese ciclo tiene nombre: evals, y es el siguiente paso natural después de trazar.

## Qué hacer el lunes

Toma el agente o automatización que más te preocupa y hazle a tu equipo las cuatro preguntas: qué hizo, con qué información, quién intervino y cuánto costó, sobre una ejecución de la semana pasada. Si alguna respuesta tarda más de unos minutos, ahí está tu primer proyecto.

En Addabra cada sistema que construimos traza por defecto cada ejecución, gate, evento y fuente, con el costo por paso en USD, en un panel que puede leer un directivo y no solo un ingeniero. No es un extra: es parte del harness desde el primer día.

## Preguntas frecuentes

### ¿Qué es la observabilidad en agentes de IA?

Es la capacidad de reconstruir, paso por paso, qué hizo un agente: qué información consultó, qué decidió, quién aprobó y cuánto costó. Es el equivalente a la caja negra de un avión, pero disponible en todo momento y no solo después de un accidente.

### ¿No basta con guardar las conversaciones del agente?

No. Una conversación muestra lo que el agente dijo, pero no qué fuentes usó, qué herramientas llamó, qué reglas aplicó ni cuánto costó cada paso. Sin esos datos puedes leer el error, pero no encontrar su causa ni evitar que se repita.

### ¿Por qué medir el costo por paso y no solo el total mensual?

Porque el total mensual te dice cuánto gastaste, pero no dónde. Con el costo por paso en USD sabes qué agente, qué flujo o qué cliente consume más, y puedes optimizar justo ahí, por ejemplo usando un modelo más barato en un paso sencillo.

## Sobre Addabra

Addabra es una fábrica de software AI software first que diseña y construye sistemas agénticos a la medida para empresas: un agente por proceso, una memoria del negocio compartida, orquestación, aprobación humana por rol, auditoría y control de costos. Diagnóstico sin costo: https://addabra.com/blog/observabilidad-agentes-ia#contacto