Cuando tu agente de IA no sabe decidir: una lección para developers

Si trabajas con asistentes de código basados en inteligencia artificial, seguro te ha pasado: le pides una tarea simple, el agente arranca con entusiasmo, pero a mitad del camino se detiene, duda, cambia de dirección y termina haciendo lo contrario de lo que le pediste. No es un error técnico aislado; es un síntoma de cómo los modelos actuales manejan (o no) la incertidumbre.

Un desarrollador documentó recientemente su experiencia con un agente de IA que, al enfrentarse a dos opciones válidas, entraba en un ciclo de indecisión: modificaba el código, lo revertía, volvía a cambiarlo, y así hasta que el usuario intervenía. El problema no era falta de capacidad técnica, sino ausencia de un mecanismo claro para resolver ambigüedades. En el mundo real, los humanos tomamos decisiones basadas en contexto, prioridades implícitas o incluso corazonadas. Las IA, en cambio, necesitan reglas explícitas o un sesgo bien definido.

Para los knowledge workers, esto tiene implicaciones directas: si delegas tareas a un agente de IA, debes anticipar que se atorará en puntos donde la decisión no es binaria. La solución no es solo mejorar el modelo, sino diseñar mejores prompts, dar ejemplos concretos de resultados esperados y, sobre todo, establecer criterios de decisión desde el inicio. No se trata de pedirle que "haga lo mejor", sino de definir qué significa "mejor" en cada contexto.

¿Qué significa para ti? La próxima vez que asignes una tarea a un agente de IA, incluye una regla de desempate: si hay dos opciones igualmente válidas, elige la que requiera menos cambios o la que siga el estándar de tu equipo. Si el agente sigue indeciso, limita el número de iteraciones o programa un timeout. No dejes que la máquina decida por ti; dale las herramientas para decidir bien.