Conocimiento · Fundamentos de IA

Human-in-the-Loop · HITL

Human-in-the-Loop

📂Fundamentos de IA⏱Lectura de 2 min📊Práctico🔗Relacionados 8

¿Qué es Human in the Loop?

Definición en una línea
Principio de diseñar de forma deliberada puntos de revisión y aprobación humanos en el funcionamiento de un sistema de IA (Human-in-the-Loop). Cuanto mayor es el riesgo de una decisión, más se refuerza la intervención humana.
⚡ Resumen en 3 líneas
  • Diseño que establece puntos de revisión e intervención humana en el proceso de IA
  • La última línea de defensa frente a errores y alucinaciones, y el criterio para determinar la responsabilidad
  • Cuanto mayor sea el riesgo de la decisión, más se refuerza la intervención humana

Cuando se empieza a diseñar el HITL, cambia la pregunta dentro de la organización. Donde antes se discutía «qué tan preciso es la IA», aparece la pregunta «si se equivoca, ¿quién lo detecta y en qué momento?». Llevar el rendimiento del modelo al 100% es imposible, pero sí es posible crear un punto de control que detenga el error antes de que se ejecute. El efecto práctico del HITL es que el debate pasa de la competencia por la precisión al diseño de los puntos de control.

La intervención suele organizarse en tres niveles. El control previo, en el que el proceso solo avanza si una persona lo aprueba antes de ejecutarse. El Human-on-the-Loop (HOTL), en el que el sistema se ejecuta automáticamente y los registros se revisan por muestreo después. Y el Human-in-Command (HIC), en el que la autoridad para poner en marcha o detener el sistema queda en manos de una persona. En la práctica se combinan. Por ejemplo, las decisiones con una confianza del modelo de 90% o más se procesan automáticamente, las de 70% a 90% pasan a una cola de revisión y las de menos de 70% se rechazan automáticamente. Hay un límite que conviene tener presente: que una persona mire la pantalla no significa que exista HITL. Para que funcione como punto de control, deben darse la autoridad para revertir el resultado y el tiempo para juzgarlo.

En la práctica, lo que más se desmorona es el botón de aprobación. Si a un solo revisor le llegan 300 casos al día, la persona tiende a seguir el juicio de la IA sin cuestionarlo (sesgo de automatización); el registro de auditoría se llena de «aprobación humana», pero la revisión real tiende en la práctica a cero. Si en ese estado ocurre un accidente, la responsabilidad recae sobre el profesional que hizo clic al final, y el HITL se convierte en una coartada. Establezca junto con su equipo un tope de casos por revisor, un campo obligatorio para escribir el motivo de la aprobación y el monitoreo de la tasa de rechazo. Si la tasa de rechazo sigue en 0%, es señal de que la revisión no está funcionando.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Como mantener las manos en el volante durante la conducción autónoma: en los momentos de peligro, la persona toma el control.
Por qué es importante en la práctica
En una era en que los agentes de IA ejecutan trabajo real, la pregunta central del diseño de la adopción de IA es «hasta dónde se delega y en qué punto verifica una persona». Las regulaciones, como la AI Act de la UE, también exigen supervisión humana para la IA de alto riesgo.
Origen y fuentes

Surgió de la investigación sobre la intervención humana en sistemas de control y aprendizaje automático. Con la expansión de la IA generativa y los agentes, se convirtió en un término estándar de gobernanza de la IA.

Fuente · Investigación sobre la intervención humana (Human-in-the-Loop) en sistemas de control y aprendizaje automático · Ver original
Entender con un caso

Veamos un caso hipotético. La empresa de distribución A, con 420 colaboradores, incorporó en su convocatoria de la segunda mitad del año un filtrado de currículos con IA. Hubo 2,400 postulantes, pero el equipo de RR. HH. solo tenía 3 personas para revisar documentos y la etapa de selección duraba apenas dos semanas. En la primera semana de uso llegaron consultas de postulantes que decían «Nos descartan sin ni siquiera conocer el criterio», y el responsable de RR. HH. rediseñó los puntos de intervención.

  1. El responsable de RR. HH. recortó las atribuciones de la IA. Solo puede filtrar incumplimientos verificables, como años de experiencia o certificaciones obligatorias, y queda prohibido eliminar a alguien únicamente por su puntaje de idoneidad.
  2. Durante las primeras tres semanas comparamos en paralelo la evaluación de la IA con la del responsable. De los 310 casos que la IA descartó, dos responsables de contratación revisaron todos uno por uno y encontraron 17 descartes incorrectos. La causa fue una diferencia en el formato de registro de la experiencia laboral.
  3. En la reunión de revisión, un responsable dijo: «Este es un currículum que, si nadie lo hubiera revisado, habría quedado descartado sin más». El líder del equipo cambió la regla: los puntajes entre 60 y 75 pasan a «en espera» y se derivan todos a una persona.
  4. También se rediseñó la pantalla de aprobación. Los botones de aprobar y rechazar exigen escribir el motivo en una línea, y cada revisor tiene un tope de 120 casos por día para impedir los clics automáticos en serie.
  5. Tres meses después, los descartes erróneos bajaron de 17 a 2 casos, y el tiempo de la etapa de documentos se redujo de 11 a 4 días. Las impugnaciones de postulantes bajaron de 23 a 4 al mes.
Términos relacionados
Agente de IAMás allá de responder, es una IA que, al recibir un objetivo, planifica por sí misma y usa herramientas para ejecutar tareas de varios pasos.GuardrailsBarreras y reglas de seguridad que se configuran de antemano para que la IA no dé respuestas peligrosas, inapropiadas o que incumplan normas. Son las «barandillas» de la IA.Alucinación · HallucinationFenómeno en que la IA inventa contenidos falsos y los presenta como hechos con apariencia convincente. Es un riesgo que hay que gestionar siempre en el uso de IA generativa.Gobernanza y ética de la IASistema de gestión con el que una organización establece principios, políticas y controles para usar la IA de forma segura, justa y responsable.Ley básica de IA · EU AI ActNorma nacional básica sobre el desarrollo y uso de la inteligencia artificial. Los ejemplos más representativos son la «Ley Básica sobre el Desarrollo de la Inteligencia Artificial y la Creación de Confianza» de Corea y la AI Act de la Unión Europea. Ambas comparten una estructura que asigna obligaciones distintas según el nivel de riesgo.PoC de IA · PilotoLa PoC (Proof of Concept, prueba de concepto) es un experimento pequeño para comprobar si la IA funciona en esa tarea. El piloto es una operación de prueba en la que algunos departamentos la usan en trabajo real para decidir si se extiende a toda la empresa.Comparación de plataformas de agentes de IA · Cómo elegir un constructor de agentes empresarialesConsiste en comparar y elegir entre productos que permiten crear agentes de IA para el trabajo interno sin programar, ajustándolos a los requisitos de sistemas, seguridad y presupuesto de la empresa. Los precios y funciones cambian con frecuencia, así que la tabla de comparación sirve como criterio de selección, no como respuesta correcta.Manual de trabajo con IA · SOP de uso de IAProcedimiento estándar que indica, para cada departamento, qué herramientas de IA usar en qué tareas, con qué orden y condiciones, y quién revisa los resultados y cómo. Si la guía corporativa define «lo que se puede hacer», el SOP define «cómo hacerlo».
Rutas de aprendizaje que incluyen este término
Capacitaciones relacionadas con este término
📚Introducción práctica a la IA de agentesCapacitación corporativa de Nanum Consultoría · presencial / en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

Revisar es mucho más rápido que generar. Un esquema en el que la IA produce el 80% y la persona verifica el 20% sigue siendo varias veces más rápido que hacerlo todo a mano.
La «fatiga de aprobación» es un riesgo real. Las medidas son no hacer revisar todo, dejar solo los casos de alto riesgo, concretar los puntos de verificación y combinarlo con revisión por muestreo.
Sí. La Ley de IA de la UE exige supervisión humana (human oversight) para los sistemas de IA de alto riesgo. En muchos países la regulación tiende a exigir intervención humana en decisiones de gran impacto sobre las personas, como la contratación o la evaluación crediticia.
Son distintos. In-the-loop (dentro del bucle) significa que el proceso avanza solo con la aprobación humana, mientras que on-the-loop (sobre el bucle) significa que la IA se ejecuta automáticamente y una persona la supervisa e interviene si hace falta. Se elige según el riesgo.