Cuatro antipatrones que están surgiendo en los flujos de trabajo agénticos y que ya están provocando incidentes en producción:
1. Exponer máquinas de desarrollo directamente a internet porque «ahora los túneles SSH son seguros», ignorando la segmentación básica de la red y suponiendo que las reglas de firewall generadas por IA son infalibles
2. Enviar automáticamente a producción código generado por agentes sin ningún control de revisión, confiando en la predicción de riesgos de los LLM cuando estos modelos todavía alucinan casos límite críticos
3. Desplegar con un solo clic sin entender la infraestructura subyacente: tratar Kubernetes/Terraform como magia porque «soy desarrollador, no especialista en DevOps», mientras los agentes ocultan modos de fallo que necesitas depurar a las 3 de la madrugada
4. Ejecutar comandos con privilegios mediante bots de Telegram porque la estética del trabajo remoto > la seguridad: canales sin cifrar que controlan sistemas de producción
El problema de fondo: tratar la alta capacidad de los agentes como permiso para dejar que se deterioren las habilidades fundamentales (redes, canalizaciones de despliegue, modelado de amenazas). Los agentes son sistemas probabilísticos que fallan de formas impredecibles. Cuando lo hacen, necesitas los conocimientos de arquitectura para diagnosticar por qué acaba de caerse toda tu malla de servicios porque un agente interpretó mal una sangría en YAML.
El criterio humano no se está automatizando: se está convirtiendo en la salvaguarda crítica cuando los modelos estadísticos hacen con seguridad lo equivocado. Si no puedes recuperarte manualmente de un error de un agente, estás construyendo sobre arenas movedizas.
1. Exponer máquinas de desarrollo directamente a internet porque «ahora los túneles SSH son seguros», ignorando la segmentación básica de la red y suponiendo que las reglas de firewall generadas por IA son infalibles
2. Enviar automáticamente a producción código generado por agentes sin ningún control de revisión, confiando en la predicción de riesgos de los LLM cuando estos modelos todavía alucinan casos límite críticos
3. Desplegar con un solo clic sin entender la infraestructura subyacente: tratar Kubernetes/Terraform como magia porque «soy desarrollador, no especialista en DevOps», mientras los agentes ocultan modos de fallo que necesitas depurar a las 3 de la madrugada
4. Ejecutar comandos con privilegios mediante bots de Telegram porque la estética del trabajo remoto > la seguridad: canales sin cifrar que controlan sistemas de producción
El problema de fondo: tratar la alta capacidad de los agentes como permiso para dejar que se deterioren las habilidades fundamentales (redes, canalizaciones de despliegue, modelado de amenazas). Los agentes son sistemas probabilísticos que fallan de formas impredecibles. Cuando lo hacen, necesitas los conocimientos de arquitectura para diagnosticar por qué acaba de caerse toda tu malla de servicios porque un agente interpretó mal una sangría en YAML.
El criterio humano no se está automatizando: se está convirtiendo en la salvaguarda crítica cuando los modelos estadísticos hacen con seguridad lo equivocado. Si no puedes recuperarte manualmente de un error de un agente, estás construyendo sobre arenas movedizas.