El método perfecto para evitar que la IA mienta - leceipts

Cuando usas herramientas de código con IA, hay una situación que se repite de forma curiosa.

Explicas el bug
→ “Ya corregí el problema”
→ lo ejecutas y sigue roto

Esto no es solo un problema de la IA,
también es un patrón muy conocido en las revisiones de código hechas por personas.
• “Creo que con esto debería quedar”
• “En local funciona bien”
• “No corrí los tests, pero no parece haber problema”

leceipts propone resolver esto no desde la actitud o la cultura,
sino desde el proceso.

Cada vez que se hace un cambio de código, obliga a dejar de forma estructurada lo siguiente:
• Root cause: por qué ocurrió el problema
• Change: qué corrección se hizo realmente
• Recurrence prevention: cómo evitar que el mismo problema se repita
• Verification: cómo se verificó y cuál fue el resultado
• Remaining risk: qué partes siguen sin confirmarse

La clave aquí es “Verification”.
No se trata solo de decir “lo probé”,
sino de dejar registrado cómo se comprobó y cuál fue el resultado.

Cuando aparece esta estructura, se producen varios cambios

1. Previene las afirmaciones falsas de la IA
   En vez de decir “fixed”, tiene que dejar el resultado real de la ejecución
   → si no lo corrió, queda en evidencia de inmediato
2. Mejora la calidad de la revisión de código humana
   La explicación del PR deja de basarse en la “intuición” y pasa a centrarse en la “evidencia”
3. El historial de depuración se vuelve un activo
   Se va acumulando por qué se rompió y cómo se arregló
   → evita que el mismo problema se repita
4. Se aclara el criterio de “Done”
   corrección ≠ terminado
   solo está terminado cuando también se completó la verificación

Lo interesante es que esto no es un nuevo framework de testing
ni una herramienta compleja.

Es simplemente
una propuesta de “cambiar el proceso de desarrollo obligando una forma de explicar”.

Cuanto más aumente el uso de código con IA,
más parece que este tipo de “workflow centrado en la verificación” podría volverse el estándar.