Los bucles de agentes autónomos son reales: Karpathy, Stripe y el dreaming de Anthropic
TL;DR
Tres ejemplos de agentes de IA que funcionan en bucle sin supervisión constante, verificados de forma independiente en lugar de aceptados por la palabra de un post: Andrej Karpathy hizo correr un agente durante 700 experimentos en dos días y sacó 20 mejoras reales. Stripe hace que agentes internos fusionen 1 300 pull requests por semana, bajo estrictas barreras de seguridad. Anthropic documenta oficialmente un mecanismo, el dreaming, en el que el agente relee su propio historial para extraer conocimiento reutilizable. Una cuarta cifra que circulaba al lado, +42 % de productividad atribuido al «ingeniero principal de Claude Code», no tiene ninguna fuente independiente que la confirme.
El principio: un bucle en lugar de un prompt único
Un prompt clásico responde una vez. Un bucle vuelve a lanzar el agente con el resultado de la vuelta anterior, hasta que se alcanza una condición de parada: un número de iteraciones, un criterio de calidad validado, un límite de tiempo. La diferencia no es la potencia del modelo, es la arquitectura alrededor: quién dispara el bucle, quién verifica el resultado y quién decide detenerlo.
El bucle de Karpathy: 700 experimentos en dos días
Andrej Karpathy construyó un sistema, apodado «autoresearch», que propone una hipótesis, lanza un experimento, lee el resultado y vuelve a empezar. En dos días, hizo correr 700 experimentos y sacó 20 optimizaciones reales para el entrenamiento de un pequeño modelo de lenguaje, entre ellas un multiplicador ausente en el mecanismo de atención que dispersaba la atención sobre demasiadas cabezas a la vez. Aplicadas a un modelo más grande, esas 20 optimizaciones dieron una mejora del 11 % en el tiempo de entrenamiento.
El fundador de Shopify, Tobias Lütke, reprodujo el experimento con datos internos: 37 experimentos en una noche, con una mejora del 19 %. Dos resultados independientes, lo que distingue esta historia de una anécdota aislada.
Los Minions de Stripe: 1 300 pull requests por semana
En Stripe, un empleado dispara una tarea de desarrollo con una reacción de emoji en Slack. Un agente, construido sobre un fork de la herramienta open source Goose, toma el relevo: entorno virtual aislado, sin acceso a internet ni a producción, precargado con el código y los servicios necesarios en unos diez segundos. El resultado llega como pull request, nunca fusionado sin revisión humana.
El sistema procesa hoy unas 1 300 pull requests por semana, un 30 % más en menos de dos semanas respecto a las 1 000 anteriores. Lo que hay que recordar no es la cifra, es la arquitectura que la hace posible: aislamiento estricto, ningún acceso directo a producción y una salida humana antes de cada fusión.
El dreaming de Anthropic: un agente que relee su propio historial
Anthropic documenta oficialmente un mecanismo llamado dreaming: un agente que relee sistemáticamente el historial de sus propias sesiones para extraer patrones reutilizables, en lugar de partir de cero en cada tarea. En una demostración de investigación en seguridad publicada en abril de 2026, nueve agentes en paralelo trabajaron en un mismo problema durante 800 horas acumuladas, con un coste de cálculo de unos 18 000 dólares, y cerraron el 97 % de la brecha de rendimiento en la tarea objetivo.
Anthropic indica además que Claude escribe ahora entre el 80 y el 90 % del código de sus propias herramientas internas. La cifra proviene de una declaración oficial de la empresa, no de un post que la repite.
Lo que no se sostiene
Un cuarto elemento circulaba junto a esos tres: un sistema de grafo de conocimiento atribuido al «ingeniero principal de Claude Code», con una ganancia de productividad del 42 % desde el primer día. Ninguna fuente independiente, ningún artículo técnico, ninguna mención en los canales oficiales de Anthropic confirma ni la cifra ni la atribución. A diferencia de los tres ejemplos anteriores, este sigue siendo una cifra de post, no un hecho verificado.
Lo que hace falta antes de construir tu propio bucle
Los tres ejemplos que se sostienen comparten un punto en común: una verificación que no depende del propio agente. Karpathy lee los resultados del experimento, Stripe impone una revisión humana antes de fusionar, el mecanismo de dreaming de Anthropic se apoya en un historial verificable en lugar de en la autoevaluación del agente durante la tarea. Un bucle sin salida de emergencia ni verificación externa acumula errores tan rápido como acumula iteraciones.