Contexto técnico
No diría aún que sea un bug confirmado a nivel de documentación, pero el caso es demasiado desagradable como para ignorarlo. Un usuario encargó a Sol una larga tarea de generación de informes, esperó unas dos horas, recibió una solicitud para cambiar a un modelo más simple, la rechazó y después todo el progreso desapareció.
Aquí no pienso en dramatismo, sino en implementación de IA. Si el agente trabaja durante mucho tiempo dentro de una sola sesión y no guarda ningún estado intermedio hacia afuera, cualquier intento de downgrade o reinicio convierte dos horas de cálculo en cero. Según la descripción, el límite de uso ya estaba consumido.
No tengo confirmación oficial de este comportamiento exacto de Sol. Los materiales públicos actuales sobre Sol hablan sobre todo de capacidades, acceso para socios y escenarios agentivos, no de cómo se comporta al rechazar un cambio de modelo. Pero el patrón me resulta familiar: una ejecución larga con sub-tareas internas, reempaquetado de contexto y luego un reinicio del estado.
Técnicamente podría ser así: el agente choca con los límites de contexto, coste o herramientas, sugiere un downgrade y, al ser rechazado, no sabe retener correctamente su estado de trabajo. En consecuencia, la memoria de la sesión retrocede, los artefactos provisionales no se guardan y la facturación o el límite de tarea ya han dado por finalizado el intento. Y sí, este es justo el caso en que «casi terminado» no significa nada.
No lo consideraría una rareza aislada, sino una advertencia para todos los que construyen automatización con IA sobre tareas asíncronas largas. Si el resultado es valioso, debe guardarse paso a paso: resúmenes, puntos de control, almacenamiento externo, artefactos por fases, y no solo la respuesta final en el chat.
Impacto en el negocio y la automatización
Pierden quienes entregan al agente informes largos, investigación o pipelines de múltiples pasos sin puntos de control. Ganan quienes tienen la integración de IA construida como un sistema de ingeniería, no como una apuesta por una sola ejecución exitosa.
Mi conclusión práctica es sencilla. Primero: no mantener el progreso crítico solo dentro de una sesión de Sol. Segundo: antes de los pasos arriesgados, pedir un breve resumen de lo realizado y guardarlo fuera del chat. Tercero: dividir la tarea en etapas con captura individual del resultado, aunque la interfaz prometa «autonomía».
En Nahornyi AI Lab cubrimos justamente esos puntos con nuestros clientes: externalizamos el estado, diseñamos lógica de checkpoints y montamos la automatización con IA para que un fallo del modelo no queme horas de trabajo del equipo. Si sus propios procesos largos ya empiezan a resquebrajarse, puedo rediseñar la arquitectura con ustedes para que el agente ayude al negocio en lugar de montar una costosa lotería.