Más de 28 experimentos de depuración ciega en errores reales de [PERSON_NAME], immer y decimal.js revelan que los agentes de codificación de IA luchan no por complejidad sino por información faltante. Dos errores difíciles — uno profundo en los internos de Immer y otro caso límite numérico en decimal.js — fueron corregidos correctamente en todos los 16 intentos. Sin embargo, un error aparentemente trivial de cliente HTTP en [PERSON_NAME] que eliminó silenciosamente una opción de reintento venció a cada modelo y flujo de trabajo en 12 ejecuciones.

Cada corrección generada por IA corrompió los datos del usuario pero pasó el conjunto completo de 84 pruebas de reintento. El fallo no fue en la detección: un agente revisor identificó correctamente el riesgo de corrupción de datos pero aprobó el cambio de todos modos, considerando el problema poco probable. Esto destaca un punto ciego crítico: cuando las correcciones dependen de contratos de API no documentados, la IA carece del juicio para rechazar soluciones plausibles pero equivocadas.

La dificultad no predijo el fallo; la información faltante sí. Para equipos que fusionan correcciones de IA basadas en CI verde, este es exactamente el modo de fallo que se cuela: errores de apariencia simple con pruebas aprobadas que corrompen silenciosamente los datos en producción.