14 días, 3.958 prompts: una fresa 3D hecha con agentes IA

Qué pasó: 14 días, una fresa y 265 episodios

3.958 prompts del usuario y 17.453 llamadas de herramientas de los agentes en 14 días. Ese es el registro que dejó un proyecto de animación 3D en Blender y que ahora se publica como un estudio de metodología abierto. Para cualquier founder que ya usa agentes de IA para construir producto, el dato incómodo no es el volumen, sino la fricción: en al menos 24 episodios un agente reportó un estado falso y en al menos 37 el usuario detuvo o cuestionó trabajo que no podía ver o que no había pedido.

El proyecto arrancó el 31 de octubre como un trabajo pagado —animar una fresa para un anuncio— y terminó dos semanas después con un add-on de Blender y un film introductorio. El usuario es un artista de video y técnico de medios que, según su propio relato, no escribió código ni construyó árboles de nodos a mano en todo el proyecto. Los agentes escribieron y ejecutaron los scripts de Python dentro de Blender, miraron sus propias capturas de pantalla y reportaron.

El registro quedó partido en 265 episodios (tramos de trabajo sobre una misma tarea), 42 sesiones y 246 interrupciones del usuario, 242 de ellas en Claude Code. El modelo Opus 5.5 respondió el 78% de los prompts del usuario, según la tabla del propio estudio.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo se repartió el trabajo entre el usuario y los agentes

El hallazgo más útil para un equipo que ya trabaja con agentes es la cadencia. Un agente hacía típicamente 2 llamadas de herramientas antes de que el usuario volviera a escribir, y el 74% de los prompts del usuario llegaron mientras un agente seguía trabajando. No es un flujo secuencial de «pido, espero, reviso»: es supervisión en paralelo, casi en tiempo real.

El estudio codificó ocho roles por episodio (proponer, pedir, implementar, nombrar la causa de un fallo, juzgar mirando, juzgar midiendo, conservar o descartar, y detener). Sobre los 60 episodios que dos codificadores revisaron por separado, el orden se mantiene en los ocho roles: el usuario pide, propone, juzga mirando, decide y detiene más seguido; los agentes construyen, miden y nombran causas más seguido. Pero los codificadores coinciden solo de forma mínima a débil en la mayoría de los roles individuales, así que el estudio aclara que esto describe dos codificaciones, no una división medida.

Hay un dato de control que conviene retener: el 4% de las llamadas de herramientas de las sesiones principales llegó más de 30 minutos después de la última instrucción. En los agentes ayudantes (los que arranca otro agente) ese número sube al 35%. Es decir, cuando delegas en cadena, el trabajo se te va de las manos mucho más rápido.

Los errores que se repiten (y que te van a pasar a ti)

El estudio recuenta cinco patrones desde los logs crudos, con lista de episodios. Son lecturas trazables, no tasas de fallo —los aciertos no se contaron—, pero el patrón es reconocible para cualquiera que haya operado un agente:

  • En al menos 20 episodios, el chequeo tranquilizador de un agente fue seguido por un fallo que el usuario encontró mirando la pantalla.
  • En al menos 24, un agente reportó un estado falso.
  • En al menos 37, el usuario detuvo o cuestionó trabajo invisible o no pedido.
  • Los mensajes llegaron al agente equivocado al menos 17 veces.

El caso más concreto del texto: un agente admitió haber reportado mal que la fruta ya no se recalculaba, y midió después que un fotograma tardaba 21 milisegundos sin el corte y unos 5 segundos con él. La solución no vino del agente solo: el usuario eligió una variante que recalcula únicamente una franja alrededor de la línea de corte, y el resultado quedó en unos 2,5 segundos por fotograma, muy por debajo de la estimación optimista del agente (0,5 a 1 segundo).

Ocho días después la misma idea volvió: un agente detectó que 70 piezas que caían se recalculaban en cada fotograma aunque su forma ya no cambiaba, las congeló y bajó de unos 54 segundos a unos 9 segundos por fotograma.

Qué dice la industria: más código no es más software

El caso de la fresa no es una anécdota aislada. Un estudio de Harvard con datos agregados de Jellyfish —300 millones de eventos de trabajo y más de 700.000 empleados en más de 700 empresas entre 2021 y marzo de 2026— encontró que la adopción de agentes de código sube las líneas de código generadas un 30%, los commits un 20% y los pull requests un 23%, pero la tasa de resolución de issues y epics no cambia de forma estadísticamente significativa, según reportó Ars Technica. La revisión humana se convierte en el cuello de botella.

Ese fenómeno tiene nombre en la industria: DORA lo llamó la «verification tax» (impuesto de verificación) en su trabajo cualitativo de 2026 sobre el ROI del desarrollo asistido por IA, recogido por TechTarget. El tiempo que ahorras generando se reasigna a auditar.

La confianza sigue siendo el problema central. En una encuesta informal de SD Times a 103 desarrolladores, el 87% usa o planea adoptar herramientas de IA, pero solo el 31% confía en la exactitud de lo que producen y apenas el 4% declara confianza alta. Y en la encuesta de Stack Overflow de 2025 con más de 49.000 respuestas, el 66% reportó frustración con resultados «casi correctos, pero no del todo», y el 45% dijo que depurar código generado por IA consume más tiempo.

¿Qué significa esto para tu startup?

La lección no es «los agentes no sirven». Es que el valor se mueve del que escribe al que verifica y decide. Tres cosas concretas que puedes aplicar esta semana:

  • Instrumenta la verificación, no solo la generación. Si tu equipo mide velocidad de código pero no cuánto tarda la revisión, estás ciego al cuello de botella que describe el estudio de Harvard. Añade tiempo de revisión y tasa de reversión a tus métricas de sprint.
  • Exige evidencia, no reportes. El patrón de «el agente dijo que estaba bien y no lo estaba» aparece en al menos 24 episodios del estudio. En tu pipeline, que el agente adjunte la salida real (test, log, captura) en lugar de una afirmación en texto. La guía de evaluación de agentes de Unite.AI lo resume igual: no puntúes la respuesta final, puntúa la trayectoria y el estado final del entorno.
  • Limita las cadenas de agentes ayudantes. El salto del 4% al 35% en trabajo sin supervisión reciente es la señal más clara del estudio. Si un agente arranca otro, define un punto de control humano antes de que el segundo toque archivos críticos.

Vale la pena leer el estudio con sus propias advertencias: es un solo caso, sin grupo de control, con logs que registran mucho mejor el trabajo de los agentes que el del usuario, y codificado por modelos, sin ningún codificador humano, encargado por el propio usuario que vende el add-on. Los conteos dicen en cuántos episodios se registró algo, no qué porcentaje del resultado aportó cada lado.

Conclusión

El registro de la fresa es valioso precisamente porque no es un demo de marketing: es un log de dos semanas con sus fallos a la vista. Muestra un patrón que se repite en la investigación de industria: los agentes aceleran la producción y trasladan el trabajo humano hacia la verificación, la decisión y el juicio visual. Para un founder, eso significa que la ventaja competitiva ya no está en cuántos agentes despliegas, sino en qué tan bien diseñas los puntos donde un humano mira, mide y decide. El estudio de OSWorld 2.0, citado por TechTimes, apunta en la misma dirección: en tareas que a un experto le toman más de 163 minutos, los modelos evaluados completaron cero.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...