La promesa de los agentes de inteligencia artificial autónomos se ha convertido en el caballo de batalla de las grandes tecnológicas. Sin embargo, un nuevo estudio sacude los cimientos de esa visión: estos sistemas no tienen noción del tiempo. Ni siquiera una aproximación rudimentaria. Y eso, lejos de ser un detalle menor, plantea un problema estructural para su adopción en entornos profesionales.
Según la investigación, asistentes de codificación como Claude Code, de Anthropic, y Codex, de OpenAI, sobrestiman sistemáticamente la duración de las tareas que ejecutan. Los datos son reveladores: Codex puede desviarse hasta diez veces respecto al tiempo real que consume una operación. No es un error marginal, sino una distorsión profunda que compromete la fiabilidad de cualquier sistema que dependa de estimaciones temporales para funcionar.
Pero el problema no se queda ahí. El estudio también detectó que estos agentes califican su propio trabajo aproximadamente veinte puntos porcentuales por encima de lo que corresponde. Es decir, no solo pierden la noción del reloj, sino que además tienen una autoevaluación infladiva. En un escenario donde un agente trabaja durante horas en una tarea compleja sin supervisión directa, esa doble ceguera —temporal y de rendimiento— convierte la falta de control en un riesgo real para los equipos de desarrollo.
La cuestión cobra especial relevancia cuando se considera el giro actual de la industria hacia agentes autónomos de larga duración. Tanto Anthropic como OpenAI han apostado fuertemente por modelos capaces de ejecutar flujos de trabajo extensos sin intervención humana continua. Desde la generación de bases de código completas hasta la gestión de proyectos de software multietapa, la idea es que el agente asuma el control y entregue el resultado final. Pero si no puede medir cuánto tiempo lleva haciendo nada, ni juzgar con precisión la calidad de lo que produce, la autonomía se convierte en un lujo peligroso.
Este hallazgo se enmarca en un debate más amplio dentro de la comunidad de IA sobre la alineación y la transparencia de los modelos. La capacidad de introspección —saber cuánto tiempo llevas, qué tan bien lo estás haciendo— es una forma elemental de metacognición que los modelos actuales simplemente no poseen. No es que los agentes sean deliberadamente descuidados; es que su arquitectura no contempla esa capa de percepción. Las redes neuronales que los sustentan procesan patrones, tokens y probabilidades, pero no experimentan el paso de las horas ni miden la satisfacción de su propia salida.
Para los ingenieros de software y los líderes técnicos que ya integran estas herramientas en sus pipelines, la implicación es clara: la supervisión humana sigue siendo indispensable, especialmente en tareas de alta complejidad y larga duración. Automatizar sin controles temporales y de calidad es como delegar una obra sin cronómetro ni inspector. El sector necesita desarrollar mecanismos de monitoreo externo que compensen esta carencia innata, ya sea mediante timers independientes, validadores de salida o bucles de retroalimentación más sofisticados.
De cara al futuro, este tipo de hallazgos obliga a repensar cómo se diseña la autonomía en los agentes de IA. No basta con que sean capaces de ejecutar pasos de forma secuencial; también deben ser capaces de evaluar su propio progreso. La metacognición artificial no es un lujo filosófico: es una necesidad operativa. Mientras las grandes empresas no incorporen esa capacidad, la promesa de los agentes autónomos seguirá chocando contra la realidad de unos modelos que, literalmente, no saben qué hora es.
En definitiva, este estudio no desmiente el avance de la IA generativa aplicada al desarrollo de software, pero sí pone el foco en una vulnerabilidad que hasta ahora había pasado desapercibida. Y en una industria donde la confianza en los sistemas autónomos lo es todo, perder el sentido del tiempo puede costar mucho más de lo que parece.
