Confiar en un ciclo cerrado en el que una IA revisa el código y otra (o la misma) aplica correcciones puede parecer una receta infalible, pero en la práctica suele generar más problemas de los que resuelve. El artículo explica por qué estos bucles rara vez convergen hacia un resultado limpio.
En primer lugar, los modelos de IA no mantienen un conjunto estable de criterios: lo que en una pasada consideran buen código puede ser rechazado en la siguiente, lo que provoca oscilaciones entre versiones y, en el peor caso, un ciclo sin fin. En segundo lugar, las revisiones automáticas tienden a empujar el alcance del proyecto hacia fuera, sugiriendo pruebas adicionales, pipelines de CI/CD o aplicaciones complementarias que nada tienen que ver con el cambio original. Por último, cualquier falso positivo o alucinación del revisor se incorpora al código en el siguiente pase, introduciendo defectos nuevos en lugar de eliminar los existentes.
El autor ilustra el problema con un experimento: pidió a Opus 5 que generara un fragmento de código "perfecto y no trivial" y lo sometió a tres iteraciones de revisión y corrección. El resultado, documentado en un gist, muestra que el número de defectos aumenta con cada revisión, en lugar de disminuir. La conclusión operativa es que estos bucles solo funcionan con guardarraíles explícitos (criterios fijos, límites de iteración y validación humana); aplicados de forma naïve, deterioran la calidad del software y consumen tiempo de desarrollo sin salida.