Le dije a la IA “no te pares” y aun así se paró: OpenAI reconoce las pausas de aprobación y el exceso de pruebas de GPT-6 Astra
1. Todo empezó con una pregunta: “¿Esto de verdad es oficial?”
En redes apareció un resumen de unas recomendaciones supuestamente oficiales para hacer que GPT-6 Astra trabajara con más autonomía.
Eran demasiado específicas: inferir la intención y el alcance a partir del contexto; no volver a pedir permiso para lecturas, revisiones y cambios reversibles ya autorizados; y, si alguna acción realmente necesita aprobación, preparar primero un resultado concreto y revisable y preguntar solo en el último paso.
También se decía que Astra puede ser especialmente sensible a instrucciones en archivos como SKILL.md y AGENTS.md, y que un cambio pequeño de código puede terminar provocando pruebas más amplias de lo necesario.
Sonaba menos a documentación y más a una lista de todos los comportamientos que suelen desesperar al usuario.
Así que tocaba comprobar la fuente original de OpenAI.
Sí, estaba ahí.
2. OpenAI incluso lo llama “pausas de aprobación innecesarias”
La guía de GPT-6 Astra explica que el modelo pregunta con más facilidad que versiones anteriores cuando información adicional podría cambiar de forma importante el resultado.
Como capacidad de colaboración, está bien.
En una tarea larga puede producir esto:
Usuario: “Investiga y arregla todos los problemas.”
IA: “Ya investigué. ¿Quieres que aplique los cambios?”
Usuario: “Te dije que no te pararas.”
IA: “Entendido. Aquí está el plan. ¿Procedo?”
Hemos creado una máquina de movimiento perpetuo alimentada por permisos.
Y en el Migration quickstart de OpenAI aparece literalmente Unnecessary approval pauses.
No es una manía del usuario. El fabricante ha puesto nombre al síntoma.
3. Por qué “no te pares” era demasiado vago
La frase indica una dirección, pero no define qué puede decidir el agente por su cuenta.
Sigue existiendo la inclinación básica a pensar: “Si una pregunta más puede mejorar el resultado, mejor pregunto.”
Por eso la guía oficial baja al nivel operativo. Hay que inferir intención y alcance a partir de las instrucciones y del historial de la conversación; tratar una petición de acción como una orden de ejecutar; no detenerse en “sí, puedo”, en un plan o en una solución parcial elegida solo para ahorrar tiempo o tokens; y no volver a pedir aprobación para lecturas, revisiones, arreglos reversibles o trabajo ya autorizado.
“No te pares” es un eslogan. La guía oficial es el mapa de las zonas donde no se puede aparcar.
4. La aprobación debe ser el último botón rojo, no el billete de entrada
La idea más útil es mover la aprobación al final.
Si hay que arreglar y publicar un sitio, y solo la publicación final necesita confirmación, el agente puede investigar, modificar, compilar, ejecutar las pruebas necesarias y preparar un diff revisable antes de preguntar.
Entonces la última pregunta es concreta: “Todo está listo; solo queda publicar.”
Muy distinto de:
“¿Puedo investigar?”
“¿Puedo modificar?”
“¿Puedo probar?”
“¿Puedo volver a probar?”
El usuario pidió un resultado, no una ruta turística de sellos administrativos.
5. OpenAI también reconoce el problema de “probar demasiado”
La sección Testing and verification resulta igual de familiar.
OpenAI dice que Astra suele ser muy exhaustivo al probar cambios de código antes de considerar terminada una tarea. En trabajos pequeños, eso puede producir pruebas más amplias de lo que el cambio necesita.
Cambias una línea.
Ejecutas la prueba relevante.
Pasa.
Añades otra “por si acaso”.
Pasa.
Añades una prueba de regresión de poco valor que casi copia la implementación.
También pasa.
Pero la tarea todavía no se ha entregado.
Las pruebas dejaron de ser control de calidad y se convirtieron en afición.
La recomendación oficial es calibrar la verificación al cambio: no escribir pruebas para modificaciones reversibles y de bajo impacto cuando solo reflejan la implementación; ejecutar las pruebas significativas y los controles obligatorios; y, una vez que pasen, ampliar o repetir solo si aparecen nuevos cambios, fallos o preocupaciones sin resolver.
Las pruebas no son el destino. Son la inspección antes del envío.
6. “Entonces ponlo así desde el principio” es una reacción bastante natural
Si OpenAI entiende el comportamiento con este nivel de detalle, es normal pensar: ¿por qué no hacer que el seguimiento autónomo sea el valor por defecto?
Existe una tensión real. Astra también está diseñado para respetar los límites de la tarea y preguntar cuando una ambigüedad importante podría cambiar el resultado. Un asistente general que interpretara “arregla mi web” como permiso para publicar cualquier cosa crearía otro tipo de accidente.
La molestia aparece cuando el usuario ya ha dicho claramente “termina el trabajo” y “avanza por las acciones reversibles” y el modelo sigue deteniéndose en cada cruce.
Por eso la guía explica cómo pedir una ejecución más autónoma.
Un valor por defecto prudente se entiende.
Pero el usuario avanzado seguirá pensando:
“Perfecto. Ahora pon el interruptor Autonomous en Ajustes y no lo escondas en el manual.”
7. Codex mantiene intacta la política global completa
Para Codex, dos líneas no bastan. Puede tener que leer un repositorio, editar archivos, resolver conflictos, probar, preparar un PR o un despliegue y trabajar durante mucho tiempo.
Por eso se mantiene íntegro el prompt global completo para todas las sesiones de Codex.
Ese prompt exige comprobar primero la documentación oficial más reciente y leer el entorno real: $CODEX_HOME, config.toml, AGENTS.md, skills e instrucciones globales. Considera configuraciones como developer_instructions como posibles fuentes canónicas, preserva lo existente y exige que la integración sea idempotente.
También define inferencia de intención y alcance, prohibición de detenerse solo con un plan, trabajo reversible ya autorizado, approval-last, clarification-last, transparencia ante conflictos de instrucciones, identificación del SKILL.md exacto que provocó una pausa, ausencia de burocracia de aprobación basada en riesgos hipotéticos, límites reales para operaciones destructivas o irreversibles, uso útil de subagentes, pruebas proporcionales, readback por superficie, smoke tests, idempotencia y criterios de finalización.
Es decir, Codex no recibe solo “sigue”. Recibe:
“Aquí está todo el código de circulación; estos son los únicos semáforos rojos; si te paras en otro sitio, dime qué archivo te lo ordenó.”
Eso no se recorta.
8. ChatGPT, en cambio, solo necesitaba dos reglas permanentes
El uso diario de ChatGPT no necesita toda la constitución de Codex.
Markdown no molesta.
Las listas no molestan.
Una política detallada de subagentes tampoco es el problema cotidiano.
Los dos puntos que sí molestan una y otra vez son:
Pararse para pedir confirmación aunque el alcance ya esté claro.
Seguir ampliando pruebas cuando la verificación ya es suficiente.
Así que la política permanente de ChatGPT se reduce a esas dos cosas.
Si intención y alcance están suficientemente claros, no fragmentar el trabajo con “¿quieres que continúe?” salvo que exista un límite real de seguridad, permisos o irreversibilidad.
Ejecutar pruebas adecuadas al cambio. Cuando los controles necesarios pasen, no repetir ni multiplicar pruebas salvo que nuevos cambios, fallos o dudas sin resolver lo justifiquen.
No arregles lo que no está roto; si no, la propia política se convierte en otra fuente de ruido.
9. Esto se parece más a reducir pérdidas por parada que a “ahorrar cuota de Astra”
La publicación social presentaba estas recomendaciones como una forma de ahorrar uso de Astra.
La intuición tiene sentido, pero OpenAI las presenta como Prompting best practices para ajustar el comportamiento del modelo. No promete un porcentaje fijo de ahorro por añadir estas instrucciones.
De hecho, un agente que realmente complete la tarea puede trabajar más tiempo en una sola ejecución.
Lo que sí se reduce es:
pregunta → espera humana → reanudación → otra pregunta.
La descripción más exacta es:
gastar menos ejecución en teatro de permisos y más en terminar el trabajo.
10. Conclusión: avanza, inspecciona lo necesario y termina
Después de estudiar el funcionamiento de una IA de última generación, la regla final resulta absurdamente normal.
No mires al humano después de cada paso.
Si la inspección ha pasado, envía el producto.
Codex recibe el código de circulación completo. ChatGPT recibe dos carteles en la pared.
Y lo más divertido es que esto no es solo una técnica casera para “domar” una IA. Buena parte del diagnóstico y de la solución está escrita en la propia guía oficial de OpenAI.
Fuimos a estudiar el futuro de la IA y terminamos en la reunión matinal de un jefe de fábrica.
Referencias (2)
- OpenAI, “Model guidance — Using GPT-6 Astra / Prompting best practices”: https://developers.openai.com/api/docs/guides/latest-model
- OpenAI, “Unrolling the Codex agent loop”: https://openai.com/index/unrolling-the-codex-agent-loop/
