{"id":1216,"date":"2026-11-08T22:07:23","date_gmt":"2026-11-08T21:07:23","guid":{"rendered":"https:\/\/rosmarops.com\/es\/?p=1216"},"modified":"2026-11-08T22:07:23","modified_gmt":"2026-11-08T21:07:23","slug":"loop-engineering-agentes-trabajando-solos","status":"publish","type":"post","link":"https:\/\/rosmarops.com\/es\/blog\/loop-engineering-agentes-trabajando-solos\/","title":{"rendered":"Loop engineering: dejar trabajar solos a los agentes no significa que trabajen mejor"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\"><em>Un estudio examin\u00f3 36.487 repositorios de software y confirm\u00f3 bucles aut\u00f3nomos de agentes de IA en 217. M\u00e1s interesante que el porcentaje es lo que sabemos \u2014y lo que todav\u00eda ignoramos\u2014 sobre los controles y los resultados de esos sistemas.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En junio empez\u00f3 a circular una expresi\u00f3n nueva: <em>loop engineering<\/em>. La idea sonaba irresistible. En lugar de estar pendiente de Claude Code, Codex o cualquier otro agente, montas un sistema que le encarga tareas una detr\u00e1s de otra. T\u00fa te dedicas a otra cosa y el agente sigue trabajando. En cuesti\u00f3n de semanas aparecieron hilos, diagramas y recetas sobre c\u00f3mo hacerlo. Casi todos hablaban de productividad. Bastantes menos explicaban c\u00f3mo medirla.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">A m\u00ed el asunto me toca de cerca. Llevo meses construyendo UXMachine con agentes de IA y he aprendido que dejarles avanzar tiene sus riesgos. En una ocasi\u00f3n, uno de ellos se puso a hacer comprobaciones que nadie le hab\u00eda pedido hasta llenar el disco. No era exactamente uno de esos bucles aut\u00f3nomos programados, pero el problema se parec\u00eda mucho: pod\u00eda seguir haciendo cosas sin que estuviera claro cu\u00e1ndo deb\u00eda parar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Por eso me interesa m\u00e1s la pregunta que viene despu\u00e9s de automatizar: \u00bfc\u00f3mo sabemos que tantas ejecuciones nos han servido realmente para algo?<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Qu\u00e9 es, exactamente, el loop engineering<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un agente de programaci\u00f3n ya funciona mediante peque\u00f1os ciclos: consulta archivos, ejecuta herramientas, observa los resultados y decide qu\u00e9 hacer a continuaci\u00f3n. El <em>loop engineering<\/em> a\u00f1ade otra capa. En vez de iniciar t\u00fa cada sesi\u00f3n, preparas un mecanismo para que las sesiones arranquen por un horario o un acontecimiento: llega una incidencia, falla una prueba, alguien abre una propuesta de cambio.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En su versi\u00f3n m\u00e1s cuidada, el sistema tambi\u00e9n deber\u00eda saber qu\u00e9 objetivo persigue, c\u00f3mo comprobar el resultado, cu\u00e1nto puede gastar y cu\u00e1ndo tiene que detenerse o pedir ayuda. Pero una cosa es esa definici\u00f3n y otra lo que encontramos en los proyectos reales.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Lo que encontraron en 36.487 repositorios<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">En agosto, investigadores de Heidelberg University y Singapore Management University decidieron examinar el fen\u00f3meno. Su trabajo, <em><a href=\"https:\/\/arxiv.org\/abs\/2608.21884v3\">Loop Engineering: Building Blocks, Adoption, and Impact<\/a><\/em>, fue actualizado el 22 de octubre. El 5 de noviembre, <a href=\"https:\/\/x.com\/iiiichigo_chan\/status\/2118397992239571196\">Ichigo lo recuper\u00f3 en un hilo de X<\/a> que me llev\u00f3 a leerlo con m\u00e1s detenimiento.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Partieron de 36.710 repositorios de software de c\u00f3digo abierto. Despu\u00e9s de eliminar duplicados y proyectos que ya no estaban accesibles, quedaron 36.487. Sus b\u00fasquedas localizaron 256 posibles casos y, tras examinar las configuraciones y los registros disponibles, confirmaron que 217 hab\u00edan ejecutado bucles aut\u00f3nomos de agentes. Un 0,59 % de la muestra.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Conviene no confundir esa cifra con el porcentaje de desarrolladores que usan agentes de esta manera. El estudio solo pod\u00eda encontrar determinadas huellas p\u00fablicas en GitHub. No ve\u00eda lo que alguien ejecuta en su ordenador, ni configuraciones privadas ni parte del funcionamiento que queda fuera del repositorio.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Lo que m\u00e1s me llam\u00f3 la atenci\u00f3n fue la distancia entre poner un agente en marcha y controlar lo que hace. En la clasificaci\u00f3n de los <strong>256 candidatos inspeccionados<\/strong>, realizada con ayuda de Claude Code y revisada por uno de los investigadores, aparecieron estos mecanismos:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>101<\/strong> ten\u00edan alg\u00fan l\u00edmite de gasto o de turnos.<\/li>\n\n\n<li><strong>76<\/strong> contaban con alg\u00fan tipo de verificador.<\/li>\n\n\n<li><strong>55<\/strong> inclu\u00edan un objetivo o condici\u00f3n de parada.<\/li>\n\n\n<li><strong>35<\/strong> conservaban estado entre ejecuciones.<\/li>\n\n\n<li>Solo <strong>10<\/strong> registraban el coste.<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Estas cifras no significan que los dem\u00e1s carecieran necesariamente de esos controles. Significan que los investigadores pudieron identificarlos en el material examinado. De hecho, las b\u00fasquedas directas de archivos versionados apenas encontraron rastros de la memoria y los dem\u00e1s mecanismos que recomiendan las gu\u00edas sobre <em>loop engineering<\/em>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Hay otro dato que rebaja un poco la imagen del agente trabajando toda la noche en un gran proyecto. De los 217 casos confirmados, 180 se activaban principalmente por acontecimientos en el repositorio, sobre todo para revisar propuestas de cambios. Otros 21 funcionaban por horario y 15 combinaban ambas cosas. Una automatizaci\u00f3n de revisi\u00f3n puede ser \u00fatil, desde luego. Pero no es lo mismo que delegar durante horas una tarea compleja y esperar que el sistema encuentre por s\u00ed solo el camino.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Y est\u00e1 el ejemplo de un sistema para clasificar incidencias: hab\u00eda acumulado <strong>6.290 ejecuciones<\/strong>. En los registros que comprobaron los autores, ninguna lleg\u00f3 a poner en marcha el paso del agente, porque no se encontraron incidencias que procesar. El flujo se ejecutaba; eso no significaba que el agente hubiera trabajado.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Lo que el estudio no demuestra<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Aqu\u00ed est\u00e1 la parte que m\u00e1s echo de menos en muchas conversaciones sobre IA: distinguir entre lo que parece funcionar y lo que se ha demostrado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El trabajo de Lulla y sus colegas <strong>no demuestra que el loop engineering aumente la productividad<\/strong>. Tampoco demuestra que la reduzca. Lo que dice es que, en la literatura y los casos que revisaron, faltan pruebas sistem\u00e1ticas para sostener las afirmaciones sobre sus beneficios. Los autores plantean precisamente un experimento posterior para medir resultados, calidad del c\u00f3digo, esfuerzo y consumo de recursos.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Es un estudio exploratorio, no un censo de todos los bucles que existen. Sus heur\u00edsticas pod\u00edan dejar casos fuera y buena parte del estado de ejecuci\u00f3n no se publica en GitHub. Por eso ser\u00eda excesivo concluir que casi nadie aplica controles. Lo que s\u00ed muestra el estudio es algo m\u00e1s preciso: <strong>resulta mucho m\u00e1s f\u00e1cil encontrar la configuraci\u00f3n que arranca un agente que las evidencias p\u00fablicas de c\u00f3mo se supervisa, qu\u00e9 recuerda y cu\u00e1nto cuesta.<\/strong><\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Hay tres bucles distintos, y no conviene mezclarlos<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El hilo de Ichigo propone una distinci\u00f3n que me parece especialmente \u00fatil:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n\n<li><strong>El bucle del agente.<\/strong> Dentro de una sesi\u00f3n, el modelo llama a herramientas, interpreta sus respuestas y sigue. Es el funcionamiento habitual de los agentes actuales.<\/li>\n\n\n<li><strong>El bucle de trabajo.<\/strong> El agente entrega algo, un mecanismo externo lo comprueba, devuelve informaci\u00f3n sobre los fallos y permite otro intento. Aqu\u00ed no basta con que el agente diga \u00abterminado\u00bb.<\/li>\n\n\n<li><strong>El bucle del sistema.<\/strong> Cuando detectas un problema recurrente, cambias las reglas, los controles o la forma de trabajar para que el siguiente intento parta de mejores condiciones. Ya no corriges solo un resultado: mejoras el proceso que lo produce.<\/li>\n\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">La mayor parte de los casos encontrados por el estudio corresponden a automatizaciones que ponen en marcha sesiones de agentes. Eso puede ahorrar trabajo. Pero no equivale, por s\u00ed solo, a tener esos tres niveles funcionando.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Los dos \u00faltimos son, para m\u00ed, los interesantes. Tambi\u00e9n los que exigen m\u00e1s trabajo humano del que sugieren muchos v\u00eddeos de agentes programando solos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">\u00bfQu\u00e9 ganamos dejando a un agente horas trabajando solo?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">No tengo una respuesta universal. Hay tareas repetitivas y bien delimitadas para las que la autonom\u00eda tiene todo el sentido. Y hay otras en las que acumular intentos puede significar acumular errores, costes o cambios que luego alguien tendr\u00e1 que revisar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Si solo contamos ejecuciones, nos perderemos buena parte de la historia. Habr\u00eda que contar tambi\u00e9n qu\u00e9 cambios han sido \u00fatiles, cu\u00e1ntos intentos se han descartado, qu\u00e9 ha costado comprobarlos y cu\u00e1nto tiempo humano se necesita para entender y aceptar el resultado.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Mi experiencia con UXMachine me ha llevado a desconfiar un poco de la palabra \u00abterminado\u00bb. Que un agente diga que ha completado una tarea no quiere decir que est\u00e9 bien hecha. Y que la haya hecho mientras yo no miraba no a\u00f1ade ninguna garant\u00eda.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Tal vez hemos empezado por la parte f\u00e1cil: aprender a arrancar agentes y conseguir que no se detengan. La parte dif\u00edcil viene despu\u00e9s. <strong>Saber qu\u00e9 han hecho, poder comprobarlo y decidir cu\u00e1ndo es suficiente.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De eso tratar\u00e1 el siguiente art\u00edculo de esta serie: <em>El trabajo de verdad empieza cuando el agente dice \u00abhe terminado\u00bb<\/em>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Fuente principal: Jai Lal Lulla, Vahram Nersesyan, Seyedmoein Mohsenimofidi, Christoph Treude y Sebastian Baltes, <a href=\"https:\/\/arxiv.org\/abs\/2608.21884v3\">\u00abLoop Engineering: Building Blocks, Adoption, and Impact\u00bb<\/a>, arXiv:2608.21884, versi\u00f3n 3 (22 de octubre de 2026). Preprint presentado en JAWs@ASE 2026.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><em>Escrito con ayuda de asistentes de IA. La interpretaci\u00f3n del estudio, los ejemplos y la decisi\u00f3n de publicar son m\u00edos.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Un estudio examin\u00f3 36.487 repositorios de software y confirm\u00f3 bucles aut\u00f3nomos de agentes de IA en 217. M\u00e1s interesante que el porcentaje es lo que sabemos \u2014y lo que todav\u00eda ignoramos\u2014 sobre los controles y los resultados de esos sistemas.<\/p>\n","protected":false},"author":1,"featured_media":1217,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"rosmarops_translation_url":"","rosmarops_url_en":"https:\/\/rosmarops.com\/blog\/loop-engineering-agents-working-alone\/","rosmarops_url_es":"","rosmarops_url_ca":"https:\/\/rosmarops.com\/ca\/blog\/loop-engineering-agents-treballant-sols\/","footnotes":"","_genesis_title":"Loop engineering: qu\u00e9 dice un estudio de 36.487 repositorios","_genesis_description":"Un estudio examin\u00f3 36.487 repositorios y confirm\u00f3 bucles aut\u00f3nomos de agentes de IA en 217. Qu\u00e9 encontr\u00f3 sobre sus controles y qu\u00e9 no demuestra.","_tsf_title_no_blogname":""},"categories":[338],"tags":[319,328],"class_list":["post-1216","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-loop-engineering","tag-claude-code","tag-codex"],"_links":{"self":[{"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/posts\/1216","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/comments?post=1216"}],"version-history":[{"count":1,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/posts\/1216\/revisions"}],"predecessor-version":[{"id":1218,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/posts\/1216\/revisions\/1218"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/media\/1217"}],"wp:attachment":[{"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/media?parent=1216"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/categories?post=1216"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rosmarops.com\/es\/wp-json\/wp\/v2\/tags?post=1216"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}