Trabajo verificable con IA.
La IA empieza a hacer trabajo real. Ese trabajo tiene que dejar evidencia y poder comprobarse por separado de quien lo hizo. Esa idea organiza lo que construye Nova Labs.
«Listo» no es evidencia.
Un sistema de IA puede informar que terminó una tarea y aun así haber fallado en el último paso: el archivo no se guardó, el cambio no persistió después de recargar, el formulario se envió con un dato equivocado.
Cuando la IA solo respondía preguntas, una persona leía la respuesta y la juzgaba. Cuando actúa en aplicaciones, navegador y archivos, el resultado ya no está en el texto que devuelve. Está en el estado del sistema después de actuar, y ahí hay que mirar.
Ejecutar. Dejar evidencia. Verificar.
Tres etapas, con una responsabilidad cada una. Nuestros productos se ubican en ellas.
Dovren ejecuta. Tesven verifica: uno hace el trabajo y el otro comprueba, con evidencia, si quedó bien hecho.
- EjecuciónUn sistema de IA recibe un objetivo y actúa con herramientas reales: aplicaciones, navegador, archivos.Dovren · En desarrollo
- EvidenciaCada acción deja un registro revisable: qué se hizo, con qué permiso y qué quedó como resultado.Dovren y Tesven · Registro de actividad y paquetes de evidencia
- VerificaciónAlgo distinto de quien ejecutó contrasta el resultado con los criterios definidos para la tarea y emite un veredicto, incluido «no se pudo comprobar».Tesven · Candidato v0.1.0
Quien ejecuta no se corrige solo.
Si el mismo sistema que hizo el trabajo decide si quedó bien, su error y su comprobación comparten la causa: si interpretó mal la tarea, también la va a comprobar mal.
Por eso Tesven no le pregunta al ejecutor si terminó. Lee el estado resultante por su cuenta, con lecturas independientes de evidencia autorizada, y lo contrasta con el resultado esperado que se definió para la tarea. Es el mismo principio que separa a quien escribe un programa de quien lo prueba, o a quien registra una operación de quien la audita.
Un veredicto que puede decir que no.
Tesven devuelve uno de cinco veredictos. «No comprobado» importa tanto como «Comprobado»: la evidencia que falta nunca se trata como éxito, y un resultado comprobado vale solo para los controles que se ejecutaron.
- Comprobado
VERIFIED_PASS- Incumplido
VERIFIED_FAIL- No comprobado
INSUFFICIENT_EVIDENCE- Revisión humana
HUMAN_REVIEW- No aplica
NOT_APPLICABLE
Qué existe hoy y qué no.
- Dovren
- En desarrollo. Sin descarga pública verificada.
- Tesven
- Candidato v0.1.0 para evaluación técnica local con datos sintéticos. Sin instalador público para usuarios.
- Conexión
- Hoy la evidencia de Dovren se puede importar en Tesven de forma manual; la conexión automática está prevista.
- Tasas de éxito
- No publicamos tasas de éxito de Dovren ni de Tesven. Todavía no hay un conjunto de tareas público y versionado que las respalde. Cuando exista, se publicará con metodología, entorno, criterios y límites, como hicimos con PY-AIEval.
La misma idea en el resto de Nova.
Nova Research
PY-AIEval guarda la configuración, las salidas, los puntajes y los hashes de cada corrida para que cualquiera pueda volver a puntuarla sin conexión.
PY-AIEvalEstándar Nova v0.1
Ocho controles antes de ampliar la autonomía de un agente, entre ellos observabilidad, verificación y manejo de excepciones.
Leer el estándarSistemas para empresas
Cada entrega se define con criterios de aceptación y se comprueba antes de ponerla en uso.
Cómo trabajamosPreguntas que seguimos estudiando.
- ¿Cómo se define un criterio de aceptación para una tarea ambigua sin que comprobarla cueste tanto como hacerla?
- ¿Qué parte del estado final se puede leer de forma independiente cuando una aplicación no ofrece una API?
- ¿Cuándo debe un verificador escalar a revisión humana en lugar de decidir?
No tenemos respuestas cerradas. Las publicaremos como notas técnicas, con sus límites, cuando tengamos evidencia.
Para seguir leyendo.
¿Querés evaluar Tesven o Dovren?
Contanos qué trabajo querés delegar o comprobar. Te decimos qué se puede probar hoy y con qué límites.
Diagnóstico gratuito: 6 preguntas y una recomendación preliminar. Al final te pedimos nombre y correo.