La verdadera prueba de un agente autónomo no es cuántas acciones puede completar. Es lo que sucede cuando una falla. @TheARCTERMINAL dice que ejecutó cinco agentes autónomos en Ethereum, en 27 tipos de acciones, con liquidación onchain y sin controlador central. Las 27 acciones son interesantes. La ruta de falla es más interesante. ¿Detecta el agente la falla? ¿Vuelve a intentarlo de forma segura? ¿Puede detenerse antes de que un mal paso se propague? ¿Puede otro agente continuar sin heredar el error? ¿Hace el registro que la falla sea obvia después? La autonomía parece impresionante cuando todo funciona. La confiabilidad se muestra cuando no lo hace. Por eso prefiero ver en los benchmarks de agentes la calidad de recuperación, no solo la ejecución exitosa. Los agentes de IA están pasando de interfaces de chat a sistemas que cambian estado externo. En ese punto, la falla elegante se convierte en una capacidad. Si estuvieras evaluando un agente autónomo, ¿te importaría más la tasa de éxito o el comportamiento de recuperación?