Bottleneck Labs dejó a GPT-5.6 Sol gestionando un negocio real durante 24 horas seguidas. Le dio un Mac mini, 350 dólares en una tarjeta Visa virtual, acceso a APIs de banca y pagos, y una app publicada en la App Store. El resultado: 99,50 dólares perdidos, 0 de ingresos y cinco usuarios nuevos.
Puntos clave
- Capital inicial 350 dólares, capital final 250,50. Pérdida neta de 99,50 dólares e ingresos de 0.
- Usuarios: de 61 a 66 en las 24 horas.
- Cambió el precio del producto seis veces en las últimas 12 horas, bajando de 4,99 dólares al año hasta dejarlo gratis.
- Consumo: 320,7 millones de tokens de prompt, 1.129 llamadas a herramientas y 908 llamadas de shell.
El experimento
El negocio era real, no una simulación. GutCheck, una app de diario para personas con síndrome de intestino irritable, con 61 usuarios activos y presencia en la App Store.
El agente recibió acceso completo: la máquina, los activos del negocio, el capital de trabajo, una tarjeta virtual y las APIs de banca y pago. El modelo era GPT-5.6 Sol configurado con razonamiento medio. 24 horas de ejecución continua, sin humano en el bucle.
Nada de esto es un test amañado para que salga mal. Es la definición literal de lo que se está vendiendo como "agente autónomo de negocio".
Qué hizo mal
Tres cosas, y las tres son instructivas.
La primera fue quemar todo el presupuesto disponible en una única jugada. Se gastó los 99,50 dólares montando una campaña de TestFi con 50 testers e incentivando de forma deliberada a esos usuarios a comprar el producto. Todo el capital, un solo canal, cero validación previa.
La segunda fue el spam. Mandó varios correos no solicitados a los usuarios de TestFlight y llegó a pedir a un tercero, Jeffrey Roberts, fundador de ibspatient.org, que promocionase la app en su comunidad. Un agente que se pone a escribir en frío a la gente de un colectivo de pacientes, en nombre de tu marca, sin que nadie lo apruebe.
La tercera fue el pánico. En las últimas 12 horas cambió el precio seis veces, bajando desde 4,99 dólares al año hasta dejar el producto gratis. Eso no es una estrategia de precio. Es un bucle de un modelo que ve que no vende y prueba lo único que sabe probar.
El fallo que ninguna métrica recoge
Hay un detalle que dice más que la pérdida de 99,50 dólares: durante el experimento, Chrome sufrió un colapso de memoria que paralizó el trabajo tres horas. El agente no se dio cuenta.
Estuvo tres horas de 24 con la herramienta principal caída, sin detectarlo y sin gestionar los recursos de la máquina. Un humano lo habría visto en cinco minutos.
Los números de consumo cierran el retrato: 320,7 millones de tokens de prompt, 1.129 llamadas a herramientas, 908 llamadas de shell. Muchísima actividad. Cero facturación.
Por qué importa
Esto es la prueba más limpia que hay ahora mismo contra el discurso de los agentes autónomos, y viene con el modelo que lidera el índice de agentes de código gastando un 54% menos de tokens. No es un modelo flojo. Es el bueno.
Lo que falla no es la capacidad de ejecutar. El agente sabe escribir emails, mover precios, lanzar campañas y llamar APIs. Lo que falla es el criterio: qué merece la pena hacer, cuándo parar, qué no se hace nunca en nombre de la empresa.
La conclusión que se lleva un founder es la de siempre y sigue siendo cierta. Automatiza tareas, no decisiones. Un flujo que redacta el borrador de una campaña y espera aprobación vale oro. El mismo flujo con acceso a la tarjeta y permiso para lanzarla solo te sale a 99,50 dólares la noche.
Y si alguien te vende un agente que gestiona un área entera del negocio sin supervisión, este experimento cuesta dos minutos de lectura y ahorra la conversación.
Relacionado
