Antonio Ortiz describe una sensación incómoda al probar sistemas de inteligencia artificial capaces de encadenar tareas: cuanto más trabajo entregaban terminado, menos necesitaban sus intervenciones durante el proceso. El autor de Error500 sitúa esa experiencia en el desarrollo de software, un ámbito donde la supervisión de cada paso ha ocupado una parte importante de la actividad profesional.En su artículo del 20 de junio de 2026 lo expresa así: «En su uso me daba la sensación de que yo sólo era necesario en el principio y en el final del trabajo». Se refiere a definir qué debía conseguir la herramienta y verificar después si lo había logrado. Es un testimonio sobre sus propias pruebas, cuyo protocolo completo no publica en esa entrada.Ortiz vincula esa impresión a Claude Fable y a los sistemas que coordinan el uso de herramientas por los modelos. Anthropic había presentado Fable 5 el 9 de junio, con capacidades que la empresa destacaba en programación y trabajo de conocimiento. Ese anuncio confirma el contexto tecnológico, pero no verifica los resultados personales del autor ni demuestra una autonomía universal.Qué hace un agente entre el encargo y la entregaUn agente puede recibir un objetivo, elegir acciones y utilizar sus resultados para decidir el paso siguiente. La documentación técnica de Anthropic describe ese funcionamiento como un ciclo de planificación, herramientas y comprobación del entorno. El sistema puede volver a pedir intervención humana cuando necesita información o encuentra un obstáculo. Esa posibilidad forma parte del diseño de los controles sobre agentes.Por eso, el intervalo entre encargar y revisar admite situaciones muy distintas. Una tarea delimitada puede avanzar durante varios pasos; otra puede necesitar decisiones intermedias que el sistema no tiene autorizadas. Anthropic contempla puntos de control y condiciones de parada, y advierte de que los errores pueden acumularse. Esa advertencia ayuda a entender los riesgos de programar mediante herramientas que también ejecutan acciones.La distinción afecta a lo que se entiende por terminar. Un asistente puede generar archivos, modificar un programa y ejecutar pruebas. Para aceptar la entrega hay que saber qué condiciones debía cumplir y qué queda fuera de las comprobaciones automáticas. Definir un resultado verificable es parte del trabajo que la experiencia de Ortiz sitúa al comienzo del encargo, antes de que el sistema empiece a actuar.Pasar una prueba no garantiza que el trabajo esté listoUna investigación de METR publicada en marzo de 2026 puso esa distancia bajo observación. Cuatro responsables de tres proyectos revisaron 296 propuestas de cambios producidas por agentes en tareas de SWE-bench Verified, una prueba de programación. Los investigadores encontraron que aproximadamente la mitad de las propuestas que superaban la evaluación automática no serían aceptadas por los responsables de los proyectos, tras ajustar el análisis por variaciones en el criterio de revisión.El trabajo utilizó agentes de mediados de 2024 a mediados o finales de 2025. Además, estos no tuvieron una oportunidad de corregir su propuesta tras recibir comentarios, como suele hacer una persona. METR presenta el resultado como una cautela al interpretar evaluaciones y reconoce los límites de esa comparación. No es una prueba directa de Fable ni invalida la experiencia de Ortiz, pero explica por qué importa revisar el resultado.La propia guía de Anthropic mantiene la revisión humana para comprobar que una solución cumple requisitos más amplios que los tests. Es una diferencia relevante al valorar el trabajo del programador: producir código y decidir que está preparado para incorporarse a un sistema implican comprobaciones diferentes. La entrega conserva exigencias de calidad aunque una parte creciente de su elaboración sea automática.La experiencia que relata Ortiz describe un desplazamiento de su participación durante ciertos encargos. De ella no se deduce que todos los trabajos queden reducidos a una instrucción inicial y una aprobación final. El alcance depende del encargo, de los permisos y de cómo se comprueba lo obtenido. Su observación resulta relevante precisamente porque concentra la atención en dos decisiones que continúan siendo humanas: qué merece hacerse y con qué pruebas se dará por terminado.