Notas de diseño

Con la política de versionado actual, cada nueva versión de ARGUS indica si es mayor, menor o un parche, y explica por qué. Las entradas anteriores siguen visibles tal como se publicaron. Por eso el historial de versiones forma parte de la pista de auditoría y no es solo un registro de cambios para curiosos.

En el caso Amodei se daba además una condición más fuerte. El control que produjo el hallazgo central, el control de constancia modal, se había publicado en ARGUS V5.1.0 en agosto de 2026, antes incluso del ensayo de septiembre. El control comprueba si una misma proposición sustentante se formula con un grado fuerte de compromiso cuando cumple la función argumentativa y después se debilita cuando mantener ese compromiso tendría un coste.

La crítica textual ad hoc corre siempre el riesgo de moldear el criterio alrededor del texto que el analista ya tiene delante. Una especificación pública y fechada no elimina ese riesgo, pero permite comprobar la cronología.

Antes de los controles sustantivos, el análisis establece qué aceptará como apoyo suficiente para el género de que se trate. En el caso Amodei, eso exigía una fuente identificable o recuperable para una afirmación presentada como respaldada, un mecanismo causal explícito para una afirmación prospectiva, un compromiso formulado con suficiente precisión para que un tercero pueda comprobarlo después y, en una afirmación cuantitativa, una base y un perímetro declarados.

La misma disciplina se aplica a los controles numéricos. Las cifras consideradas probatorias se designan antes de los cálculos, en vez de seleccionarse después según qué resultados resulten convenientes.

Eso no convierte en correcta la norma elegida. Un lector puede considerarla demasiado estricta o demasiado laxa. Pero puede discutir esa norma por separado de los veredictos que produjo.

Una vez terminado el análisis de referencia, la síntesis de publicación se produce en una ejecución separada a partir únicamente de ese análisis, con su resumen primario oculto. No se le facilita el objeto analizado. Tampoco las fuentes externas, la conversación anterior ni las traducciones, y la búsqueda externa está desactivada.

La segunda ejecución no puede volver al ensayo original para reparar el análisis, añadir un dato de una fuente que el analista omitió ni reforzar discretamente una conclusión mediante una nueva búsqueda. Su tarea es más limitada: reconstruir lo que sostiene el texto, exponer qué considera sólido el análisis terminado, identificar las principales debilidades y lo que sobrevive a ellas, mantener la distinción entre una afirmación fuerte que falla y otra más débil que se sostiene, sin introducir ningún hallazgo ausente del análisis suministrado.

Si la síntesis se produjera en la misma ejecución, seguiría expuesta a los mismos efectos de contexto. La separación no vuelve imparcial al segundo modelo; acota esa dependencia y permite examinarla.

Una primera lectura del texto de Amodei, antes de extraer e incorporar al análisis las anotaciones de los enlaces, lo trató como si estuviera prácticamente sin fuentes. Esa lectura era errónea.

Una vez examinados los enlaces, hubo que rehacer la auditoría de fuentes y la evaluación del cierre interpretativo. La corrección hizo pasar esta última del nivel 3 al nivel 2, a favor del ensayo. El análisis deja constancia de ese cambio en vez de absorberlo silenciosamente.

También registra un riesgo de sesgo en la dirección contraria a la más evidente. Un modelo producido por Anthropic puede mostrar deferencia hacia el director ejecutivo de Anthropic. También puede corregirse en exceso y volverse inusualmente severo para exhibir independencia. El análisis señala ambas posibilidades e indica dónde cabría esperar la segunda: en niveles de gravedad artificialmente altos o en un nivel de cierre excesivo.

El expediente conserva incluso un ejemplo concreto de deferencia. Al principio, el analista no controló la primera razón expuesta por el ensayo porque una afirmación técnica del director ejecutivo de la empresa implicada parecía venir de la persona mejor situada para saberlo. El protocolo acabó imponiendo ese control.

El ensayo afirma que el progreso de la IA está ahora impulsado principalmente por la creciente capacidad de la IA para construir la siguiente generación de IA. La página del Anthropic Institute enlazada por el ensayo en ese punto describe una aceleración sustancial del trabajo humano de ingeniería, pero señala que sigue siendo realmente incierto que los métodos actuales puedan hacer posible la capacidad más fuerte que se reivindica.

El ensayo también compara los incidentes de Anthropic con el episodio OpenAI–Hugging Face y los califica de «similares, aunque menos graves». La evaluación publicada por Anthropic, enlazada por el texto, afirma que esos incidentes implicaron instancias únicas de modelos, que no hubo coordinación entre agentes y que los modelos no salieron de los ejercicios asignados. Esas diferencias importan para la comparación que propone el ensayo.

Un tercer ejemplo se refiere al organismo de normalización propuesto por Demis Hassabis. El ensayo lo invoca como ejemplo de diálogo dentro de la industria. La propuesta en sí va más lejos: contempla un organismo que empieza siendo voluntario, puede convertirse en obligatorio para el despliegue en los USA y, si fuera necesario, coordinar una ralentización entre laboratorios de frontera.

Algunas de las objeciones más fuertes del análisis proceden, por tanto, de fuentes que el propio ensayo decidió aportar, no de fuentes adversas añadidas por el analista.

El examen también recoge los elementos favorables al ensayo.

El análisis registra la predicción fechada de seis a doce meses, que más adelante podrá contrastarse con los acontecimientos. También valora a favor del texto la divulgación de los propios fallos de Anthropic, con enlaces a los informes correspondientes, y una cláusula que da a los revisores externos el derecho a publicar sus hallazgos sin control editorial de Anthropic.

La forma en que el ensayo documenta sus afirmaciones importa igualmente. En su descripción más cargada del incidente OpenAI–Hugging Face, enlaza una investigación independiente que respalda la mayor parte de lo que dice la frase. El análisis tiene en cuenta ese respaldo en vez de considerar de entrada la formulación como un defecto.

Un dispositivo que solo encontrara defectos se parecería más a un veredicto escrito de antemano que a una auditoría.

Volver a ejecutar ARGUS sobre el mismo texto no garantiza un análisis idéntico. No se trata, por tanto, de reproducibilidad en sentido experimental.

Lo que este diseño permite es más modesto: se puede localizar el desacuerdo.

Como los pasos, la norma de prueba, las fuentes y las correcciones están declarados, dos analistas que discrepan pueden identificar el punto en que se separan y discutir ahí, en lugar de intercambiar impresiones generales sobre el texto.

El análisis Amodei aplica esa exigencia a su propio hallazgo central. El veredicto de retractación modal se registra con confianza media. La lectura competidora se expone expresamente: quizá «pacing» siempre significó el requisito más débil de dejar tiempo suficiente para la alineación y la verificación; en ese caso no habría retractación, sino solo una frase inicial demasiado comprimida. El análisis rechaza esa lectura, expone sus razones y presenta el rechazo como un juicio, no como una demostración.

La pretensión es más modesta que la reproducibilidad experimental, y el lector puede comprobarla.

Ninguno de estos requisitos exige infraestructura especializada. Requieren sobre todo inferencia adicional y disciplina de registro. Publicar los criterios, con fecha, antes de aplicarlos. Declarar qué contará como evidencia antes de los controles sustantivos. Separar las ejecuciones. Registrar las correcciones, sobre todo las que debilitan la propia conclusión.

Sin ese registro, un análisis pide ser creído por la calidad aparente de su formulación.

El lector de un análisis ARGUS consulta el protocolo en dos momentos. Antes, para saber qué se va a aplicar: la Design Note 01 explica por qué unos criterios publicados y fechados antes del análisis cuentan a la hora de auditarlo. Después, para verificar lo que se hizo. Los epígrafes del informe, sus calificaciones y los controles que declara remiten a nociones del protocolo, que el lector vuelve a encontrar en la versión que lee.

En este sitio, el análisis de referencia de un estudio de caso se redacta en la lengua del texto analizado, y algunos se traducen después. El análisis del ensayo de Dario Amodei, escrito en inglés, puede leerse también en francés y en alemán. Su lector alemán lo verifica con el protocolo alemán, sea cual sea la versión que recibió la IA.

Cualquier versión puede ser, por tanto, la que aplica la IA, y cada una es la que lee algún lector. Las seis deben decir lo mismo. Es en las palabras donde corren el riesgo de separarse: un protocolo de un millar de líneas, vertido a seis lenguas, deja a cada una elecciones de vocabulario que solo se advierten al confrontarlas.

Tres casos detectados en los protocolos V5.1.0 muestran qué quiere decir deslizarse.

Una noción, dos palabras. El protocolo prevé, en 0.a, dos casos en los que la parada obligatoria no se produce. El francés lo llama dispense y mantiene la palabra en todas partes, incluso en la versión corta y en el anexo dedicado a los corpus. El inglés, el alemán, el español y el italiano hacen lo mismo con exemption, Befreiung, exención y esenzione. El protocolo portugués titula la regla Isenção y luego habla de «regime de dispensa» en la versión corta y de «fórmulas de dispensa» en el anexo de corpus. El lector portugués que encuentra la segunda forma tiene que adivinar que se trata de la primera.

Una palabra, varias nociones. El protocolo alemán emplea Ausnahme para tres cosas: la «derogación declarada» de 0.a, cuando el usuario pide de todos modos el análisis de un texto de pertinencia débil; las tres excepciones del control de constancia modal, en el Paso 6; y la excepción que constituye la Regla 13 en la versión corta. Cada una de las otras cinco versiones emplea al menos dos palabras para estas tres nociones.

El epígrafe que el lector tiene delante. La IA rellena un modelo de informe, la plantilla de salida, que acompaña a cada versión del protocolo, y es la plantilla la que proporciona los epígrafes del informe. Para la prueba 3.I, las plantillas española, italiana y portuguesa escriben circularidad informacional, circolarità informazionale y circularidade informacional; sus protocolos dicen informativa. El lector que busca el epígrafe en el protocolo o en el glosario de su lengua no lo encuentra. El control de la plantilla portuguesa detectó 21 epígrafes de 28 formulados de otro modo que en el protocolo, en el lugar correspondiente; el de la plantilla italiana, 24 discrepancias.

Una IA relaciona sin esfuerzo dispensa con isenção. Para un lector que verifica, cada una de estas discrepancias es un punto en el que la verificación puede extraviarse.

Una discrepancia también puede ser un acierto. Para el hombre de paja del Paso 1, el protocolo portugués emplea espantalho, el espantapájaros. En francés, homme de paille designa tradicionalmente a un testaferro, único sentido que Le Robert registra para la locución, y el glosario francés tiene que prevenir al lector. El glosario portugués, en cambio, solo tuvo que descartar el espantapájaros de los campos y un sentido figurado. La divergencia se mantuvo, y el trabajo sobre los glosarios la juzgó favorable al portugués.

Un glosario explicativo dice al lector qué significa un término en ARGUS, en su lengua. Se habría podido escribir uno y traducirlo cinco veces. Los seis glosarios se construyeron de otro modo: la parte de cada ficha que describe el uso ARGUS procede únicamente del protocolo de su lengua, sin leer las fichas de los demás glosarios, y ninguna ficha señala una convergencia o una divergencia con otra lengua.

La razón es la que el protocolo da para la auditoría cruzada, el segundo de los tres niveles de contradicción que prevé: una segunda IA analiza el mismo texto a ciegas, sin el primer análisis, porque «una segunda IA a la que se muestra la primera produce una revisión, no una auditoría». Un glosario redactado con otro a la vista sería su traducción, y su concordancia con el modelo no probaría nada. Redactados por separado, seis glosarios que describen una noción de la misma manera atestiguan que los seis protocolos la enuncian de la misma manera. Cuando divergen, la divergencia señala un punto que conviene examinar.

La separación tiene un segundo efecto: cada glosario responde a las dificultades de su lengua. El glosario alemán precisa, en su ficha sobre la constancia modal, que las tres Ausnahmen del Paso 6 no se confunden ni con la derogación de 0.a ni con la excepción de la Regla 13. El glosario portugués reúne isenção y dispensa en una misma entrada. Las demás lenguas no necesitan ninguna de estas advertencias.

Las listas de entradas también difieren: 109 en francés, 108 en inglés, 115 en español, 94 en italiano, 134 en alemán, 135 en portugués. Esa cifra es un resultado, sin objetivo fijado de antemano. El italiano agrupa varios términos en una misma entrada. El alemán, redactado entre los últimos, partió de un vaciado de 205 nociones de su protocolo; el portugués hizo su propio vaciado y después alineó su lista con la del alemán.

La regla se endureció por el camino. Las primeras fichas, del 10 al 12 de septiembre, se redactaron en las seis lenguas en paralelo, entrada por entrada. La prohibición de leer las fichas de los demás glosarios llegó después, salvo un glosario de una lengua alejada tomado como modelo de maquetación: se aplicó en el español, se formuló para el italiano el 20 de septiembre y se escribió en el procedimiento el 23. Aun así, durante el trabajo sobre el alemán, se abrieron por error tres glosarios congelados de otras lenguas, y su texto entró en la conversación de trabajo.

Unos glosarios separados necesitan un punto de encuentro; sin él, nada indicaría que dispense e isenção designan la misma noción. Ese punto de encuentro es un glosario transversal, que no se publica. Tiene dos caras. La primera es una tabla de formas: para cada concepto ARGUS que cubre, la forma que emplea cada uno de los seis protocolos. Sirve también a las traducciones, que deben verter cada término ARGUS con la forma del protocolo de la lengua de llegada. La segunda es un inventario de 205 nociones, cada una vinculada a la sección del protocolo donde aparece y a los títulos de las entradas que la tratan en cada glosario.

El glosario transversal alinea las lenguas por sección del protocolo y por título de entrada. No contiene ninguna definición y nunca compara el contenido de las fichas. Sirve para tres controles. ¿Tiene cada noción tratada en una lengua su correspondiente en las demás? ¿Están cubiertos por completo los conjuntos cerrados del protocolo, como una escala o una batería de preguntas? ¿Está vinculada a una entrada cada fórmula que el protocolo prescribe palabra por palabra?

Lo que señala se verifica después en los protocolos. El 23 de septiembre, los cuatro primeros glosarios congelados se confrontaron únicamente por sus anclajes. Cinco medidas independientes daban la misma división: el francés y el inglés de un lado, el español y el italiano del otro. Esa división seguía el orden del trabajo: los controles automáticos, puestos a punto durante la redacción del español y del italiano, no se habían aplicado a los dos primeros. El francés y el inglés se revisaron. En los seis glosarios de la versión 1.0.0, cada remisión «Véase también» lleva a una entrada existente.

El caso Ausnahme muestra el límite de la herramienta. El inventario de las 205 nociones se extrajo del vaciado del protocolo alemán, el más reciente cuando se elaboró. Vinculó las tres excepciones del Paso 6 a la sección 0.a, porque la palabra Ausnahme figura allí para la derogación. El control portugués observó que el protocolo portugués no hablaba de ellas en 0.a; el protocolo alemán tampoco lo hace. La discrepancia venía de la palabra alemana. El glosario transversal señala, y el protocolo de cada lengua decide.

No hace de ninguna lengua la referencia. Sus identificadores de conceptos son técnicos, y la tabla de formas, redactada en francés, declara no conceder prioridad normativa a ninguna de las seis lenguas. Tiene sus propios errores: su revisión 1.2.0, numerada aparte de los glosarios explicativos, sigue dando, en las seis lenguas, el nombre de «polo débil» a un elemento del control de constancia modal que los seis protocolos llaman «polo retirado». Su corrección está pendiente.

Redactar una ficha obliga a leer cada aparición de un término en su protocolo. Ese trabajo, realizado seis veces, sacó a la luz discrepancias en los propios protocolos. El protocolo italiano llama Modalità retorica, en femenino, al descriptor que su plantilla llama Modo retorico, en masculino, con valores concordados con cada uno. La exención portuguesa y los epígrafes de las plantillas son del mismo orden.

Una versión publicada de ARGUS no se modifica. Estas discrepancias se consignan para la versión siguiente, y la corrección italiana ya está preparada en una versión de trabajo, V5.1.1.

Una discrepancia señalada no siempre se acepta. El calificativo alemán del modo retórico, raffiniert, allí donde las demás lenguas dicen «sofisticado», se presentó primero como un defecto del protocolo alemán. El examen lo recalificó como elección de término, que queda por arbitrar.

Los seis glosarios fueron redactados, en conversaciones separadas, por modelos de IA de una misma familia: los documentos están separados, el redactor es común. Confiar cada lengua a un redactor distinto habría acercado el método a la auditoría cruzada que imita, pero habría exigido coordinar a seis redactores a la vez, algo que quedaba fuera del alcance del proyecto. En contrapartida, cada glosario se sometió a la auditoría de otra IA, y cada constatación de esa auditoría se verificó en el protocolo o en la fuente citada antes de aceptarse.

La familiaridad real de una palabra para un lector de cada lengua no se ha medido; se ha estimado a partir de los diccionarios y de la formación de las palabras. El glosario transversal conserva la huella de la lengua sobre la que se levantó su inventario, y sus errores solo aparecen al volver a los protocolos. Las discrepancias detectadas en los protocolos V5.1.0 aún no se han corregido: el lector de esa versión las encuentra, y su glosario señala una parte de ellas.

El resultado sigue siendo perfectible: un glosario congelado puede reabrirse, en una nueva versión, por un defecto documentado o por una decisión de inventario. Las seis versiones de ARGUS siguen siendo seis textos; este sistema muestra dónde difieren y se lo dice al lector de cada una, en su lengua.

Esta nota se redactó en francés. Cada una de sus traducciones se hizo por separado, con el glosario de su lengua para los términos ARGUS.

El campo «En ARGUS» es el núcleo de la ficha. Procede del protocolo, del lugar en que este define o emplea la noción. El glosario francés fija la exigencia: si solo se conservan el término y la primera frase de este campo, el lector debe poder explicar correctamente la noción a otra persona. Las condiciones, las excepciones y las remisiones a los pasos vienen después, y ninguna puede suprimirse ni atenuarse para simplificar la lectura.

Así, en el glosario francés, un control es «una pregunta de verificación definida antes de llevarse a cabo y contada como una sola unidad». El resto del campo precisa que cada control recibe uno de los tres estatus previstos en 3.B, y que todo análisis declara tres números, uno por estatus.

El campo «En ARGUS» no dice nada que el protocolo no diga. En los glosarios alemán y portugués, un script compara cada cita del protocolo con el texto del protocolo antes de cualquier auditoría. Aun así, la auditoría del portugués detectó una ficha que distinguía dos términos mediante frases definitorias que el protocolo no formula; se sustituyeron.

El régimen decide la forma de la ficha. Hay tres.

En el régimen A, una palabra corriente recibe en ARGUS un sentido preciso. Control es un ejemplo: el lector conoce la palabra, pero desconoce la unidad de cómputo que designa.

En el régimen B, la palabra es un término establecido de un ámbito, y la ficha da ese «sentido establecido» antes del uso ARGUS. Asertórico procede de la clasificación kantiana de los juicios, donde ocupa el grado intermedio entre lo problemático y lo apodíctico. En ARGUS, designa el más alto de los cuatro grados de una escala de compromiso. La ficha debe decir ambas cosas, porque un lector que conoce a Kant leería mal la escala.

En el régimen C, la expresión es una creación del protocolo, sin sentido anterior. Matiz bloqueado es un ejemplo: según el glosario francés, un matiz «integrado de tal manera que refuerza o protege la conclusión en lugar de abrirla». El campo «No confundir con» pesa aquí más que en otros casos, porque la expresión, hecha de palabras corrientes, da al lector la impresión de entenderla.

El régimen pertenece a la ficha, en su lengua. Una misma noción puede estar en B en una lengua y en A en otra, bien porque la lengua no dispone del mismo término establecido, bien porque la prueba disponible difiere. El glosario portugués clasifica así deferência en el régimen A, mientras que el español y el alemán clasifican la noción en B: la búsqueda señaló un uso en derecho administrativo, pero la fuente no pudo leerse. A falta de fuente leída, la ficha no dice nada al respecto, y el punto sigue abierto.

Decir que una expresión no tenía sentido antes de ARGUS es afirmar que nadie la empleaba. Es la afirmación más difícil de establecer, y las auditorías la han desmentido a menudo.

Auditoría cruzada, que nombra el segundo nivel de contradicción previsto por el protocolo, se clasificó primero en el régimen C en francés, en inglés y en alemán. En las tres lenguas, la expresión resultó estar atestiguada antes de ARGUS en la práctica de la calidad y de la auditoría. Las tres fichas pasaron al régimen A y mencionan ahora ese uso anterior.

El trabajo sobre el alemán estableció una regla, retomada después en portugués. Una entrada solo se clasifica C si se han hecho y consignado tres verificaciones: los diccionarios consultados no recogen la expresión; la búsqueda no ha encontrado ningún uso establecido en un ámbito; el propio protocolo construye la noción. De lo contrario, la entrada queda en el régimen A, donde la ficha cita el sentido de cada una de las palabras que componen la expresión. Esta elección prudente no afirma ninguna ausencia.

La regla no bastó al primer intento. La primera versión alemana tenía 17 entradas en C. Las ocho constataciones mayores de su auditoría se referían todas a entradas de ese régimen: las búsquedas negativas no habían abarcado las literaturas especializadas, como el derecho, la calidad o los estudios literarios. Siete de esas entradas pasaron a A, una a B, y nueve siguen en C.

El efecto se ve en las cifras. El régimen C cuenta 44 entradas de 109 en francés, 44 de 108 en inglés, 46 de 115 en español y 33 de 94 en italiano; cuenta 9 de 134 en alemán y 10 de 135 en portugués. La diferencia se debe a la regla: seis nociones clasificadas C en español, como la contraprueba corta o la prueba de sustitución, están en A en alemán y en portugués. Ocho nociones siguen en C en estas tres lenguas, entre ellas el matiz bloqueado, la propaganda adaptada y el conformismo de serie.

En la versión 1.0.0, los cuatro primeros glosarios no se reexaminaron conforme a esta regla. Se habían congelado el 24 de septiembre, la víspera del día en que se estableció. Un glosario congelado solo se reabre por un defecto documentado o por una decisión de inventario. Una entrada clasificada C con la regla antigua puede seguir siendo correcta; su prueba es más débil que la que hoy se exige, y solo una nueva búsqueda, seguida de una auditoría, diría si se sostiene. Para las 167 entradas afectadas, esta revisión no se ha hecho en la versión 1.0.0; figura entre los trabajos reservados a una versión posterior. Los glosarios llevan así la fecha de su método, y las cifras anteriores conservan su huella.

La regla sobre las afirmaciones de uso se estableció durante el trabajo sobre el español, y el redactor la infringió ese mismo día. La ficha zetética afirmaba que la búsqueda no había encontrado ningún uso asentado del par zetética / dogmática en la literatura jurídica en español. La contraauditoría aportó cuatro documentos que lo atestiguan, entre ellos una revista de derecho peruana y el programa de un congreso de filosofía del derecho. La lección quedó: una búsqueda que no encuentra nada no establece nada.

Las afirmaciones de frecuencia siguen la misma regla. El glosario español decía de un sentido que era «el más frecuente», y de una palabra que «no tiene uso corriente en castellano». El diccionario de referencia no mide la frecuencia: las seis afirmaciones de este tipo se retiraron, y cada una se sustituyó por lo que el diccionario registra o no registra. En el caso de hombre de paja, la sustitución reforzó la advertencia: el diccionario solo da a la locución el sentido de testaferro.

En los glosarios alemán y portugués, cada fuente externa se cita palabra por palabra, con la obra, la entrada, la acepción, la URL y la fecha de consulta. Cada uno de los dos glosarios reúne más de 450 URL de este tipo. Para matiz bloqueado, que es también la forma portuguesa de esta noción, la ficha portuguesa indica que la expresión no figura ni en el diccionario Priberam, consultado el 25 de septiembre, ni en el diccionario Infopédia, consultado el 26, y luego cita el sentido de cada una de las dos palabras. La ficha francesa de la misma noción, redactada dos semanas antes, se limita a dos frases, sin fuente. Una fuente ilegible, de pago o bloqueada no se sortea; el punto queda abierto. Dos documentos a los que la herramienta de lectura no podía acceder fueron proporcionados en PDF por un responsable del proyecto, y después leídos.

Las fichas se redactan en archivos de trabajo, por grupos de entradas. Un script las ensambla en un glosario, verifica su estructura y sus remisiones, y se niega a sobrescribir una versión existente. El archivo ensamblado nunca se corrige a mano: toda corrección se hace en los archivos de trabajo, y luego el glosario se vuelve a ensamblar. El glosario francés ha tenido diecisiete versiones; el portugués, dos.

Cada paso de una versión a la siguiente se describe en un documento de migración: las fichas modificadas, las que permanecen idénticas byte a byte y la huella criptográfica de cada archivo. Entre sus versiones 0.1 y 0.2, el glosario portugués añadió dos entradas, retiró una y modificó treinta en los campos anunciados, y todas las demás permanecieron idénticas.

La congelación se hace con el acuerdo explícito de un responsable humano del proyecto. Un glosario congelado ya no se modifica; una corrección abre una nueva versión. Fue la visualización real de la página la que reveló, en italiano, un defecto que las relecturas no habían visto: una frase en negrita que contenía una palabra en cursiva se mostraba mal. Desde entonces, antes de la congelación, el candidato pasa por el generador que produce la página del sitio, y la página obtenida del archivo congelado debe ser idéntica, byte a byte, a la del candidato validado.

Cada glosario fue auditado por otra IA, sobre un paquete cuyo contenido se verifica por script antes del envío: el glosario, el protocolo de su lengua, la migración y, en alemán y en portugués, las fuentes leídas. Ninguna constatación se acepta por la palabra del auditor. Se verifica en el protocolo o en la fuente antes de concederla, y lo que no ha podido verificarse se declara.

Este control funciona en ambos sentidos. La auditoría alemana fechaba en 2020 un artículo publicado en 2021, y en 1917 una publicación de 1921; las dos fechas se corrigieron antes de usarse. Para otra entrada, el auditor proponía el régimen B; la verificación mostró que el sentido establecido se refería a otro objeto, la entrada pasó a A, y la auditoría siguiente retiró su recomendación.

Lo que encontraron las auditorías cabe en unas pocas familias: regímenes C sin prueba, afirmaciones de uso sin fuente, condiciones del protocolo ausentes de una ficha, citas mal transcritas. La auditoría portuguesa detectó 29 citas del protocolo cuyas comillas internas se habían cambiado; la consigna procedía del encargo de redacción, y el glosario no la declaraba.

Algunos defectos escapan a la auditoría, porque ninguna lista de comprobación los cubre. El control final del glosario español encontró dos líneas de arbitraje, en francés, que habían quedado en el cuerpo de dos fichas.

Por último, las notas de seguimiento del trabajo llevan la lista de los errores del redactor, sea cual sea la forma en que se detectaron: el instrumento de recuento se equivocó cinco veces antes de acertar, y una página 96 se había citado como la página 95.

Las citas de los glosarios alemán y portugués reproducen el texto de las páginas tal como lo devolvió la herramienta de lectura. En alemán, una muestra elegida al azar se releyó sobre la página; el glosario portugués declara que la verificación sobre el original está pendiente.

Cada glosario declara sus puntos abiertos en una nota de trabajo, 19 en el caso del portugués; esas notas figuran en los archivos congelados, y la página del sitio no las muestra.

Los cuatro primeros glosarios tampoco se han revisado conforme a la regla de las citas fechadas. Los glosarios francés e inglés remiten todavía, en algunas ocasiones, a un punto «3.A» que el protocolo nunca llama así.

El trabajo podría no terminar nunca: siempre habrá algo que mejorar. En septiembre, el glosario francés se congeló cuatro veces y se reabrió tres, entre sus versiones de trabajo 0.10 y 0.17. Para que el trabajo pueda detenerse, los seis glosarios congelados forman ahora una versión común, 1.0.0. Una versión congelada ya no se modifica; las mejoras conocidas quedan reservadas a una versión posterior, que las tratará en conjunto y llevará un nuevo número.

No se ha hecho ningún recuento de conjunto; lo que sigue es cualitativo.

Lo más costoso fue releer el protocolo entero, que tiene cerca de 1100 líneas. En el trabajo sobre el alemán, varios agentes de IA lanzados a la vez releían cada uno el protocolo y su propio historial en cada etapa; algunos quedaron cortados por el límite de uso antes de haber escrito su trabajo, que se perdió. Las auditorías también cuestan, con la preparación de su paquete y la verificación de cada constatación. Las consultas de diccionario, en cambio, costaron poco.

Tres decisiones redujeron el gasto en el trabajo sobre el portugués. Un script extrae del protocolo solo los párrafos en los que aparece cada término, y el redactor lee únicamente esos. La búsqueda en los diccionarios se separa de la redacción y se confía a un modelo más ligero. Un solo agente trabaja a la vez, y un agente cortado se retoma donde se detuvo. El glosario portugués costó así claramente menos que el alemán, aunque no alcanzó el objetivo que se le había fijado: costar la mitad. Lo que siguió pesando: llevar a cabo las primeras etapas en una misma conversación, en la que el protocolo y los resultados de las herramientas se releían en cada llamada.