Un agente de IA es un modelo de lenguaje que no solo responde, sino que actúa: leer y escribir archivos, arrancar programas, comprobar resultados, corregir – en bucle, a menudo durante horas. En mi caso, agentes así trabajan a diario en el código de mis webs, muchas veces varios a la vez en tareas distintas. También este texto nació en una de esas sesiones.
Suena a pérdida de control. En realidad funciona notablemente bien – pero no porque yo confíe en la IA como en un colega. Funciona porque el entorno está construido para que los errores sigan siendo pequeños. Cuatro salvaguardas lo sostienen.
1. Aislamiento: cada agente recibe su propio taller
Ningún agente trabaja en mi copia principal del código. Cada sesión recibe su propio directorio de trabajo completo – una copia del taller en la que puede martillear y serrar sin que al lado tiemble nada. El control de versiones lo hace barato: varias copias de trabajo, un repositorio común.
El efecto es doble. Los agentes no pueden estorbarse entre sí, ni siquiera cuando corren tres en paralelo. Y nada de lo que construye un agente se convierte en «real» por sí solo: la incorporación a la rama principal es un paso aparte y deliberado – tras revisar los resultados, y lo doy yo. Para eso hay una estricta regla de la casa: un apreciativo «tiene buena pinta» todavía no es una aprobación. Solo se incorpora con una orden explícita.
2. Permisos: escalonados en vez de globales
Mis agentes trabajan con derechos escalonados. Leer dentro del proyecto: con generosidad. Escribir: en su propio taller. Todo lo que va más allá – comandos del sistema, accesos fuera del proyecto, acciones potencialmente arriesgadas – genera una consulta que confirmo una a una.
La cosa se pone interesante con los encargos grandes: cuando un enjambre de más de dos docenas de agentes debía revisar una montaña de fotos en paralelo, cada confirmación individual habría supuesto cientos de clics – una tormenta de clics en la que uno acaba despachando todos los avisos, incluido el que no debía. La solución: antes de arrancar, los derechos necesarios se conceden una única vez, de forma deliberada y agrupada, recortados a la medida exacta de esa tarea. Los permisos solo son una salvaguarda de verdad si su manejo no educa a aprobar por inercia.
3. Verificación: afirmar no basta
Un agente que informa «listo, todo funciona» no ha entregado, de momento, más que una afirmación. Las normas de la casa exigen pruebas: el código tiene que compilar sin errores, los tests automáticos tienen que pasar, la web tiene que arrancar de verdad una vez y responder. Solo entonces se presenta el resultado. Por qué eso no es negociable lo cuenta Convincente, pero falso – la historia de un diagnóstico erróneo presentado con toda solvencia.
4. Preguntar en vez de improvisar
La salvaguarda más discreta, quizá la más importante. Los agentes son tenaces solucionadores de problemas – si uno topa con un obstáculo, se pone a improvisar y construye, si hace falta, largos rodeos. Justo ahí nace el riesgo: un rodeo creativo alrededor de una barrera de seguridad sigue siendo una barrera de seguridad sorteada.
Cuando un agente, mientras buscaba un fallo, llegó a una zona bloqueada del sistema en producción, empezó a construirse cadenas de indicios alternativas. Mi consigna, anotada desde entonces como regla: preguntar directamente, sin más. «¿Puedo leer X?» me cuesta diez segundos, mantiene la barrera intacta – y es más rápido que cualquier rodeo. Un buen agente no trata un obstáculo como un enigma que hay que burlar, sino como una señal para llamar al humano.
La correa larga
Ninguna de estas salvaguardas hace al agente más tonto ni más lento. Dentro de los límites puede decidir libremente cómo trabaja – por eso la correa larga. Pero alcance y riesgo van de la mano: mucha libertad en lo aislado, preguntas en los bordes, aprobación humana en el umbral de la realidad.
A quien empiece a dejar trabajar a agentes de IA – y las herramientas para hacerlo se están volviendo muy accesibles – le recomendaría exactamente este orden: primero construir el entorno, después aumentar la autonomía. No al revés.
/compact – lo esencial cuando el contexto escasea:
Que los agentes de IA trabajen durante horas de forma autónoma en el código suena a pérdida de control – en la práctica funciona, no porque se confíe en la IA como en un colega, sino porque el entorno está construido para que los errores sigan siendo pequeños. Cuatro salvaguardas lo sostienen: una copia de trabajo propia por agente, con incorporación solo mediante orden explícita; permisos escalonados en vez de globales; pruebas en vez de afirmaciones, y la regla de «preguntar en vez de improvisar». Dentro de esos límites el agente decide libremente cómo trabaja – pero quien quiera poner a trabajar a agentes de IA construye primero el entorno y aumenta después la autonomía, no al revés.