Casi 22 días, un solo objetivo y un repositorio de 1,8 millones de líneas: ¿estamos midiendo mal la autonomía de los agentes?

Estoy construyendo AutoNodo, un sistema de ejecución autónoma gobernada. No publico esto como lanzamiento ni como demostración comercial. Tampoco voy a incluir enlaces o detalles sobre su arquitectura interna. Quiero compartir un dato que plantea una pregunta técnica interesante: La ejecución actual de AutoNodo se aproxima a los 22 días de trabajo autónomo continuado sobre un único objetivo técnico dentro de un repositorio de aproximadamente 1,8 millones de líneas. No es una cola de tickets independientes. No son varios objetivos sumados. No es una tarea nueva introducida cada mañana por una persona. Es una misma ejecución técnica que ha mantenido un único objetivo mientras el repositorio cambiaba cientos de veces como consecuencia de su propio trabajo. Durante estas casi tres semanas, AutoNodo ha atravesado cientos de commits, miles de pasos de verificación y una cantidad de decisiones difícil de contener dentro de una sesión convencional. La intervención humana ha sido puntual. La ejecución continúa activa. Esto no es simplemente un agente trabajando durante más horas La mayoría de los agentes de programación actuales operan sobre una unidad de trabajo relativamente limitada: Reciben una tarea. Analizan el repositorio. Producen cambios. Ejecutan pruebas. Y entregan una pull request o una respuesta final. Ese modelo puede funcionar muy bien, pero sigue siendo una autonomía orientada a sesiones o tareas delimitadas. AutoNodo está explorando una categoría diferente: Ejecución autónoma de largo horizonte sobre un objetivo persistente. La diferencia no está en mantener un proceso encendido. Está en que el sistema continúe persiguiendo la misma misión cuando el estado del repositorio ya ha sido transformado cientos de veces por decisiones anteriores. Después de varias horas, un agente trabaja sobre el código que recibió. Después de varias semanas, trabaja también sobre las consecuencias acumuladas de su propio trabajo. Ahí cambia por completo la dificultad. El hito no es únicamente la duración Casi 22 días llaman la atención, pero no son la parte más importante. El verdadero hito es que el objetivo no ha sido sustituido, fragmentado o redefinido para facilitar una finalización. La ejecución no ha sido perfectamente lineal, como tampoco lo sería un proyecto humano de esta escala. Ha necesitado revisar decisiones, corregir trayectorias y continuar atravesando una superficie técnica enorme. Pero el criterio no se ha rebajado para producir un cierre atractivo. En un punto anterior, parte del trabajo parecía completada. La ejecución posterior determinó que todavía no existía base suficiente para cerrar el objetivo completo. AutoNodo no dio por terminada la misión. Continuó. No considero esto una debilidad del experimento. Considero que es precisamente el comportamiento que separa una demostración preparada para terminar de un sistema diseñado para operar bajo condiciones reales. ¿Por qué creo que esto importa? Porque estamos empezando a medir la autonomía con métricas demasiado pequeñas. Horas por tarea. Número de pull requests. Tests superados. Tickets cerrados. Código generado. Todas esas métricas son útiles, pero no responden a la pregunta que aparece cuando la autonomía se prolonga durante semanas: ¿Puede un sistema conservar la dirección de un objetivo después de acumular miles de decisiones y trabajar sobre un entorno modificado continuamente por él mismo? Ése es el límite que AutoNodo está poniendo a prueba. No se trata únicamente de generar código durante más tiempo. Se trata de mantener una ejecución coherente cuando ya no existe una frontera limpia entre el repositorio original y las consecuencias del trabajo autónomo acumulado. Lo que puedo afirmar ahora Puedo afirmar que: es una única ejecución continuada; trabaja sobre un único objetivo técnico; se aproxima a los 22 días de duración; opera dentro de un repositorio de 1,8 millones de líneas; ha atravesado cientos de commits y miles de verificaciones; ha requerido intervención humana puntual; y continúa activa porque el objetivo todavía no cumple todas sus condiciones de cierre. No afirmo que todas las horas hayan producido el mismo progreso. No afirmo que la ejecución sea perfecta. Lo que sí puedo decir es que no he encontrado una demostración pública directamente comparable que combine esta duración, un único objetivo continuado, un repositorio de esta escala y una ejecución gobernada con evidencia trazable. Si alguien conoce una, me interesa estudiarla. Qué ocurrirá cuando termine Cuando la ejecución cierre el objetivo, el resultado importante no será una captura mostrando un contador. Será la posibilidad de reconstruir qué ocurrió durante todo el recorrido: qué cambió; qué progreso fue aceptado; qué decisiones tuvieron que revisarse; cuánto trabajo produjo reducción real; cuánta intervención humana fue necesaria; y por qué el sistema pudo finalmente considerar terminado el objetivo. Hasta entonces, la ejecución sigue abierta. Y quizá ésa sea la idea más importante de todo el experimento: La autonomía real no consiste en que una IA pueda trabajar sola durante mucho tiempo. Consiste en que pueda seguir trabajando sobre la misma misión cuando finalizar prematuramente sería la opción más fácil. Me gustaría plantear tres preguntas a quienes estén construyendo agentes autónomos: ¿Conocéis alguna ejecución pública comparable sobre un único objetivo durante varias semanas? ¿Qué evidencia exigirías para aceptar una afirmación de autonomía continuada de largo horizonte? ¿Deberíamos medir los agentes por tareas completadas o por su capacidad para sostener objetivos complejos a través del tiempo? No busco presentar una conclusión definitiva. Busco saber si estamos entrando en una categoría de ejecución que las métricas actuales todavía no saben describir.