Nuestro agente marcó como terminados doce briefings que no envió.
En un proyecto de cliente, un agente debía redactar y enviar briefings. Desde el 2 de julio de 2026 había redactado doce. El contenido era adecuado. El registro indicaba que el trabajo estaba terminado. Sin embargo, no se había enviado ninguno.[S1]
Lo descubrimos cuando el patrocinador del programa en el cliente preguntó qué significaba «0 enviados». Hasta entonces habíamos confiado en un estado que el propio agente había escrito. La llamada de envío no había devuelto ni error ni confirmación. El agente pasó al siguiente paso y cerró la tarea.[S1]
Así, un registro detallado puede dejar sin respuesta la pregunta esencial. Podíamos leer lo que el agente creía haber terminado, pero no comprobar si el trabajo había llegado al cliente. Para el equipo que esperaba esos briefings, eso era lo decisivo.
El estado «enviado» necesita un mensaje en el sistema de correo.
Volvamos a la tarea: un briefing debe llegar a una persona concreta. Un archivo guardado demuestra que el texto existe. Un mensaje en el sistema de envío respalda que se envió. Compruebe también el destinatario y la hora para saber si corresponde a esa tarea.
La respuesta del servicio puede ayudar. Tras un envío correcto, la API de Gmail devuelve, por ejemplo, un mensaje que puede localizarse mediante su identificador.[S3] Conserve ese identificador. Aun así, no indica si el destinatario leyó el mensaje o utilizó el trabajo.
Separe los pasos para el equipo: redactado, enviado, entregado y revisado por una persona. Deje abierto cualquier paso no observable. Un «terminado» global se convierte así en una secuencia comprobable. La evaluación de agentes distingue de forma similar el relato de una acción de su resultado real en el entorno.[S2]
Si el registro dice «enviado», debería poder encontrar el mensaje.
Diez elementos conectan la tarea con su resultado.
La prueba de entrega solo cuenta una parte. Si algo falla, el equipo también debe conocer la tarea, los accesos permitidos y quién revisó el trabajo. Proponemos estos diez elementos. Deben estar conectados: desde la tarea, localice la ejecución del agente y después su resultado.
| Elemento | Qué permite comprobar |
|---|---|
| Agente y versión | ¿Qué agente trabajó, con qué modelo y configuración? |
| Tarea e inicio | ¿Qué resultado se esperaba y para cuándo? ¿Qué inició la ejecución? |
| Límites de la tarea | ¿Cuál era el ámbito y qué podía decidir el agente? |
| Accesos permitidos | ¿Qué sistemas podía utilizar? ¿Quién autorizó esos accesos? |
| Pasos realizados | ¿Qué llamó o modificó y qué respuesta recibió? |
| Información utilizada | ¿En qué datos y versiones se apoyó? |
| Resultado y destinatario | ¿Dónde está el archivo, mensaje o registro? ¿Para quién es y cuándo se creó? |
| Tiempo y coste | ¿Cuánto tiempo y dinero consumió la tarea? ¿Hubo reintentos? |
| Revisión humana | ¿Quién revisó o aprobó el resultado, cuándo y con qué decisión? |
| Entrega | ¿Llegó y se aceptó el trabajo? ¿Qué sigue sin saberse? |
Un identificador común de tarea ayuda a conectar las entradas. No hace falta copiar todo el contenido a otro sistema. Puede bastar una referencia al mensaje o a la versión del archivo. La información sensible debe permanecer en espacios con los permisos adecuados para sus responsables.
Alguien también debe actuar cuando falta un resultado. Nuestra respuesta sobre la responsabilidad ante los errores explica cómo asignar ese papel. La guía sobre credenciales de acceso (en inglés) aclara quién autoriza al agente a utilizar sus herramientas.
Conectar cada tarea con su mensaje revela ausencias y duplicados.
Puede buscar esta diferencia en un agente que ya funcione. Elija una semana y una tarea concreta, como enviar briefings. Enumere los que debían entregarse y busque los mensajes que realmente existen en el sistema de envío. Esa segunda lista debe proceder de una fuente distinta del estado de finalización del agente.[S1]
Relacione cada briefing esperado con su mensaje. ¿Son correctos el destinatario y la hora? ¿Falta algo? ¿Hay un envío duplicado? Los totales no bastan: una ausencia y un duplicado pueden compensarse. Esta comprobación por tarea amplía la comparación de dos listas propuesta en nuestro relato.[S1]
Si un envío es incierto, busque el mensaje antes de reintentarlo. Puede haber tenido éxito sin confirmación. Un nuevo intento inmediato crearía entonces un duplicado. Asigne los puntos pendientes a una persona identificada y fije una fecha de comprobación.
La prueba de aceptación debe incluir la entrega al destinatario.
Para el siguiente agente, pruebe la entrega final desde el principio. En un entorno controlado, ensaye una tarea normal, una acción fallida y una respuesta ambigua. ¿Puede otra persona explicar después los hechos y las incógnitas? Nuestra lista de comprobación previa a producción (en inglés) cubre las demás preguntas.
También trabajamos en una comprobación separada de cambios en archivos, independiente del relato del agente. Aún no se ha demostrado que detecte este tipo de incidente antes que una persona.[S1] Mientras tanto, elija una tarea en curso e intente seguir el trabajo hasta su destinatario.
Fundamentos de esta respuesta
Los doce briefings pertenecen a un único proyecto de cliente de julio de 2026 descrito en The Hybrid Company.[S1] Sus registros son privados; el caso no establece una tasa general de fallos. Los diez elementos y la comprobación por tarea son nuestro método práctico propuesto. Los equipos responsables deben definir la conservación, la protección de datos y los accesos según su tarea.
