Qué he logrado con agentes locales y cómo lo mido

Resultados verificables de mis flujos con IA local: hallazgos reproducibles en proyectos de código abierto, un embudo de triaje honesto y la regla de no afirmar nada que no pueda mostrar.

Resumen. Los flujos de caza con IA local producen, ante todo, un embudo: de cientos de candidatos quedan pocos verificados y muy pocos convertidos en hallazgos. Este artículo muestra esos números sin adornos y explica la regla que los sostiene: no afirmar nada que no se pueda mostrar.

El embudo, sin adornos

Cuando un agente propone candidatos, lo hace en cantidades grandes. En una de las campañas documentadas la cuenta fue clara: de más de doscientos candidatos propuestos por el sistema, quedaron ocho verificados tras la revisión mecánica, y de esos ocho solo una parte llegó a reportarse como hallazgo. Esa proporción no es una falla; es el filtro funcionando. Un número inflado de candidatos sin verificación sería el síntoma de un proceso débil, no de uno productivo. La serie de Sherlock muestra ese embudo con el detalle de cada paso.

Hallazgos con reproducción

Lo que sí cuento como resultado son los hallazgos que tienen prueba reproducible: una docena en total, documentados en la serie de caza autónoma. Cada uno pasó por ejecución real: el programa compilado con su detector de errores, el input que lo rompe y la traza que lo demuestra. Ninguno salió de una lectura de código convertida en opinión. Esa disciplina es la diferencia entre un hallazgo y una sospecha.

Lo que no publico

Parte del trabajo se queda fuera del sitio por decisión propia. Los detalles exactos de una cadena de explotación, los artefactos de doble uso y la información que aún está bajo embargo no se publican, aunque tengan evidencia perfecta. Medir resultados también significa medir lo que se omite y por qué.

Métricas de proceso

Además de los hallazgos, sigo métricas del proceso: el tamaño del índice de memoria, las ejecuciones trazadas en el registro, la cantidad de modos de análisis en cada ronda. Sirven para detectar estancamiento antes de que se note en los resultados. Si una fase lleva muchas rondas sin progreso, se declara y se cambia la estrategia; no se disfraza de avance.

La pregunta de por qué este sitio omite deliberadamente parte de lo que encuentra se responde en el artículo siguiente.