{"source":"SANTISMM Labs","canonical_url":"https://labs.santismm.com","count":10,"results":[{"slug":"agent-economics","kind":"calculator","label":"CALCULADORA","title":"Economía real de un agente","description":"Compara coste, capacidad y retorno de un agente frente al proceso manual.","inputs":["volumen mensual","tasa de éxito y reintentos","tokens y precios del modelo","coste de herramientas","supervisión y retrabajo","tiempo y coste manual"],"outputs":["coste operativo","coste por resultado","ahorro","ROI","punto de equilibrio","desglose de coste"],"formulas":["coste_modelo = intentos × ((tokens_entrada × precio_entrada + tokens_salida × precio_salida) / 1.000.000 + herramientas)","ROI = (coste_manual − coste_operativo) / coste_operativo × 100"],"assumptions":["Los precios se expresan por millón de tokens.","Las tasas introducidas son representativas del volumen mensual.","El coste manual usa el coste horario cargado."],"calculation_url":"https://labs.santismm.com/api/calculate/agent-economics","related_content":[{"title":"Customer Service Agent","url":"https://santismm.com/en/architectures/customer-service-agent","relationship":"Quantifies the architecture operating model."},{"title":"Evaluation of Agentic Systems","url":"https://santismm.com/en/handbook/evaluation-of-agentic-systems","relationship":"Grounds the success-rate assumption in measured evaluations."}],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/agent-economics","api_url":"https://labs.santismm.com/api/labs/agent-economics"},{"slug":"evaluation-sample-size","kind":"calculator","label":"CALCULADORA","title":"Tamaño de muestra de evaluación","description":"Calcula cuántas evaluaciones necesitas para detectar y estimar fallos.","inputs":["tasa de fallo esperada","confianza deseada","margen de error","tamaño de la población"],"outputs":["muestra para detectar al menos un fallo","muestra para estimar la tasa","probabilidad de observar cero fallos"],"formulas":["n_detección = ceil(log(1 − confianza) / log(1 − tasa_fallo))","n_estimación = z²p(1−p)/e², con corrección por población finita"],"assumptions":["Las observaciones son independientes.","La tasa esperada aproxima la tasa real.","La corrección finita se aplica a la población indicada."],"calculation_url":"https://labs.santismm.com/api/calculate/evaluation-sample-size","related_content":[{"title":"Agentic Evaluation","url":"https://santismm.com/en/knowledge/agentic-evaluation","relationship":"Explains what must be evaluated before choosing a sample."},{"title":"Evaluation of Agentic Systems","url":"https://santismm.com/en/handbook/evaluation-of-agentic-systems","relationship":"Provides the wider evaluation methodology."}],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/evaluation-sample-size","api_url":"https://labs.santismm.com/api/labs/evaluation-sample-size"},{"slug":"human-supervision-capacity","kind":"calculator","label":"CALCULADORA","title":"Capacidad de supervisión humana","description":"Dimensiona horas, FTE, coste, volumen sostenible y cola operativa.","inputs":["casos mensuales","porcentaje y tiempo de revisión","tasa y tiempo de escalación","calendario y utilización","revisores","coste horario"],"outputs":["carga mensual","FTE requeridos","margen o cola","coste estimado","volumen sostenible"],"formulas":["carga = casos×muestra×minutos_revisión + casos×escalación×minutos_escalación","FTE_requeridos = carga / (días×horas×utilización)"],"assumptions":["Revisión rutinaria y escalaciones se dimensionan por separado.","La disponibilidad efectiva ya descuenta pausas y trabajo no productivo.","El coste no incluye tooling."],"calculation_url":"https://labs.santismm.com/api/calculate/human-supervision-capacity","related_content":[{"title":"Human in the Loop","url":"https://santismm.com/en/knowledge/human-in-the-loop","relationship":"Explains the role of human oversight."},{"title":"Human Escalation","url":"https://santismm.com/en/patterns/human-escalation","relationship":"Defines when ownership should transfer to a person."},{"title":"Agentic AI Governance Checklist","url":"https://santismm.com/en/governance/agentic-ai-governance-checklist","relationship":"Connects capacity planning to governance readiness."}],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/human-supervision-capacity","api_url":"https://labs.santismm.com/api/labs/human-supervision-capacity"},{"slug":"llm-context-converter","kind":"converter","label":"CONVERSOR","title":"Conversor de contexto LLM","description":"Traduce tokens a palabras, páginas, mensajes, coste y tiempo de lectura.","inputs":["tokens o texto","idioma o densidad","precio por millón de tokens"],"outputs":["palabras","páginas","mensajes equivalentes","tiempo de lectura","coste estimado"],"formulas":["Las equivalencias usan ratios editables de tokens por palabra y palabras por página.","coste = tokens / 1.000.000 × precio"],"assumptions":["Las equivalencias son aproximaciones, no un tokenizer del proveedor.","La tokenización cambia según idioma, modelo y contenido."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/llm-context-converter","api_url":"https://labs.santismm.com/api/labs/llm-context-converter"},{"slug":"control-framework-translator","kind":"converter","label":"CONVERSOR","title":"Traductor de controles","description":"Relaciona controles operativos entre marcos de gobernanza de IA.","inputs":["marco de origen","control o necesidad operativa","marco de destino"],"outputs":["controles relacionados","equivalencias funcionales","brechas de cobertura","orientación de implementación"],"assumptions":["Una relación funcional no implica equivalencia normativa.","La herramienta es apoyo de diseño y no asesoramiento legal ni certificación."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/control-framework-translator","api_url":"https://labs.santismm.com/api/labs/control-framework-translator"},{"slug":"agent-vector","kind":"experiment","label":"EXPERIMENTO","title":"Vector de un agente","description":"Describe y compara agentes mediante sus dimensiones operativas.","inputs":["autonomía","horizonte temporal","dominio","memoria","acoplamiento al modelo","identidad","superficies de actuación"],"outputs":["vector agéntico","banda de riesgo","agente comparable","recomendaciones de gobernanza","JSON descargable"],"formulas":["riesgo = max(1, autonomía × horizonte − 2 cuando existe identidad propia gobernable)"],"assumptions":["El vector describe comportamiento y alcance, no calidad ni marca.","La puntuación es una heurística comparativa."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/agent-vector","api_url":"https://labs.santismm.com/api/labs/agent-vector"},{"slug":"benchmark-detective","kind":"educational-game","label":"JUEGO EDUCATIVO","title":"Detective de benchmarks","description":"Aprende a detectar métricas engañosas y afirmaciones débiles.","inputs":["elección de evidencia en cada caso"],"outputs":["puntuación","explicación por caso","criterios para evaluar benchmarks"],"assumptions":["Los casos simplifican decisiones reales con fines didácticos.","La explicación importa más que la puntuación."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/benchmark-detective","api_url":"https://labs.santismm.com/api/labs/benchmark-detective"},{"slug":"model-agent-harness","kind":"educational-game","label":"JUEGO EDUCATIVO","title":"Modelo, agente o arnés","description":"Clasifica las capas de un sistema de IA y entiende sus responsabilidades.","inputs":["clasificación de doce casos como modelo, agente o arnés"],"outputs":["puntuación","racha","explicación arquitectónica de cada caso"],"assumptions":["Los casos enseñan la responsabilidad dominante de cada capa.","Un sistema real puede combinar las tres capas."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/model-agent-harness","api_url":"https://labs.santismm.com/api/labs/model-agent-harness"},{"slug":"world-exam-challenge","kind":"educational-game","label":"JUEGO EDUCATIVO","title":"Reto mundial de exámenes","description":"Compara sistemas educativos por cobertura, rigor y exigencia cognitiva.","inputs":["elección entre sistemas de acceso universitario"],"outputs":["puntuación","comparación en siete dimensiones","explicación por ronda"],"assumptions":["Las siete dimensiones son una síntesis editorial para comparación didáctica.","Las puntuaciones no constituyen un ranking absoluto de sistemas educativos."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/world-exam-challenge","api_url":"https://labs.santismm.com/api/labs/world-exam-challenge"},{"slug":"close-the-gap","kind":"educational-game","label":"JUEGO EDUCATIVO","title":"Cierra la brecha","description":"Toma decisiones de control para cerrar brechas operativas en sistemas agénticos.","inputs":["selección de controles bajo un presupuesto por escenario"],"outputs":["brechas cubiertas","brechas pendientes","puntuación","explicación de controles"],"formulas":["100 puntos si se cubren todas las brechas; puntuación parcial proporcional a la cobertura, con penalización por pista."],"assumptions":["Los escenarios y presupuestos son ejercicios didácticos.","Un control puede cubrir varias brechas y su selección debe atender al comportamiento del sistema."],"version":"1.0.0","updated":"2026-08-29","canonical_url":"https://labs.santismm.com/close-the-gap","api_url":"https://labs.santismm.com/api/labs/close-the-gap"}]}