Delegar trabajo a agentes de software no depende tanto de lo potente que sea el modelo como de la tarea concreta. PostHog propone una guía con cuatro niveles de autonomía definidos por dos preguntas: ¿es fácil verificar el resultado y es barato revertir un error?
El nivel 0, "agente como asistente", aplica cuando ambas cosas son difíciles, como en cambios sensibles sobre código muy interdependiente. El nivel 1 introduce a la persona en el bucle cuando el trabajo es difícil de verificar pero barato de descartar; tareas subjetivas, como refactors de legibilidad, encajan aquí, y pueden mejorarse con jueces LLM, métricas medibles o skills personalizadas. El nivel 2, delegación plena, es el más común hoy: el agente escribe código que se testea de forma determinista, pero el merge queda protegido por políticas, dry-runs y feature flags. El nivel 3, modo autoconducido, agrupa tareas fáciles de comprobar y revertir, como actualizaciones de dependencias o fixes de lint, y es donde PostHog está invirtiendo con productos como Scouts.
La conclusión operativa es que la autonomía no es una propiedad del modelo sino del diseño del pipeline: descomponer tareas, codificar guardarraíles y reservar a las personas para los puntos de verificación subjetiva.