El valor no está en el modelo (es el mismo debajo) sino en el guardarraíl, la evidencia y el empaquetado. Estos son los argumentos, del más fuerte al más débil.
Cada ejecución produce un rastro de auditoría firmado criptográficamente, ligado a un procedimiento versionado y validado. Un evaluador externo (Common Criteria, el Esquema Nacional de Seguridad, auditorías del sector financiero o sanitario) lo acepta como anexo de expediente. Una sesión de chat no es reproducible, no está firmada y no referencia un procedimiento: el evaluador no la acepta.
Vocabulario de acciones cerrado validado con esquema (todo lo demás se rechaza), rutas protegidas en dos capas y presupuestos acotados de acciones, de gasto de IA y de tiempo. Excederlos produce un corte controlado, nunca un bucle infinito. A un agente genérico puedes pedirle que respete esto; TecnicaiT no puede violarlo. Eso es la mitad del guardarraíl. La otra mitad no protege: dirige.
Encuadrar a la IA no la limita, la enfoca. Más efectiva: ningún hallazgo llega a ti sin haber sido contrastado contra el contenido real del fichero y contra la pantalla capturada, y lo que el sistema no pudo ver nunca se declara como defecto. Más eficiente: cada tarea usa el modelo de su nivel y el grande entra solo cuando el guardarraíl detecta que el pequeño se ha atascado; lo comprobable sin IA se comprueba sin IA; y la memoria entre ejecuciones evita volver a descubrir lo mismo. Por eso una pasada de validación cuesta céntimos y no necesita a un ingeniero al lado juzgando cada paso.
Ejecuta la aplicación como la usan los usuarios reales, a través del navegador y con roles coordinándose (operador detecta, mando autoriza, administrador audita). Eso caza defectos que la revisión de código no ve: la aplicación funciona pero el procedimiento documentado no es ejecutable, o el traspaso entre roles se rompe.
Cada pantalla capturada se somete a un triple contraste: código, datos e imagen como señales independientes que se comparan por pantalla, con el veredicto firmado criptográficamente. Una revisión de código no detecta que el total de una tabla no suma o que un indicador muestra un porcentaje imposible; la imagen sí lo enseña, y aquí queda como evidencia.
El valor está en validar cada versión, decenas de ciclos, con memoria de una ejecución a la siguiente para no volver a descubrir lo mismo. Asigna el modelo al nivel de cada tarea y reporta el coste real por ejecución. "Pídeselo a una IA" no escala a un catálogo de procedimientos por versiones y por proyectos.
El generador analiza tu repositorio, recorre tu aplicación autenticado y propone un catálogo de procedimientos de tu dominio citando la evidencia de cada uno. Cada borrador se ejecuta contra la aplicación viva y se reescribe con el resultado de esa ejecución antes de entrar al catálogo. El coste de arranque no es "documenta primero tu operativa": es una revisión de tu equipo.
El usuario es un responsable de calidad o un auditor: entra a una web, lanza una ejecución (o la dispara desde un comentario en una propuesta de mejora) y recibe un informe ejecutivo con los hallazgos y su evidencia, o una propuesta de mejora lista para integrar con sus pruebas. No necesita un ingeniero que sepa darle instrucciones a la IA y juzgar el resultado en cada sesión.
El producto se mide por cuántas de sus propuestas de mejora se aceptan. Es un sistema que rinde cuentas, no un asistente que entrega sugerencias que alguien tiene que revisar a mano.