Un autor sometió su guion a un jurado de IA: el veredicto costó 850 000 tokens

Los modelos de lenguaje adulan. Pregúntales si tu idea es buena y casi siempre oirás «excelente». El autor del canal de Telegram «Технокафе» probó el 29 de octubre otro método.

Instaló el skill gratuito Claude Court para Claude Code (el agente de programación de Anthropic) y montó un juicio contra el guion de su propio vídeo. Un skill es un conjunto de instrucciones ya preparado que amplía las capacidades del agente. El resultado: el guion fue absuelto con dos votos de tres, y la revisión requirió 8 agentes y 849 660 tokens.

Aquí, un token es la unidad con la que el modelo mide el volumen de texto. De su número dependen tanto el precio como el consumo del límite de la suscripción.

Cómo funciona un juicio entre redes neuronales

El skill recrea un proceso judicial. Cada rol lo interpreta un agente distinto, es decir, una sesión independiente de un modelo de lenguaje.

• El fiscal busca qué falla en la idea. • El defensor demuestra que es viable. • Los miembros del jurado reciben roles (por ejemplo, el de estadístico) y votan cada uno por su cuenta. No ven a los demás, así que no se adaptan a la opinión ajena. • El juez escribe el archivo final VERDICT.md.

Lo importante del archivo no es el elogio. El juez enumera los puntos débiles y formula la condición bajo la cual la idea puede lanzarse. El código del skill está en GitHub: alexyc9381/court-skill.

La pregunta habitual, «¿qué tal?», ofrece un solo punto de vista, y tiende a darte la razón. Aquí hay partes cuya tarea es discutir. Además, la votación es independiente: los jurados no leen a los demás y, por tanto, no copian los errores del vecino.

Qué encontró el tribunal y qué exigió el juez

El guion fue absuelto por 2 a 1. El estadístico votó en contra. Su objeción: el plan no contenía ni una sola cifra propia. El juez aceptó el argumento y fijó una condición: primero medir el consumo y después grabar el vídeo.

El autor midió y obtuvo estas cifras:

• Juicio con tres jurados: 8 agentes, 849 660 tokens. • Juicio completo con doce jurados: 17 agentes, unos 1,8 millones de tokens. Es una estimación, no una ejecución real. • El jurado reducido cuesta la mitad que el completo, no una cuarta parte. La acusación, la defensa y el juez trabajan con cualquier número de jurados, y esa parte del gasto se mantiene constante.

Estos números revelan algo más, aunque se trata de un cálculo nuestro. 849 660 tokens para 8 agentes y 1,8 millones para 17 dan, en ambos casos, del orden de 100 000 tokens por agente. Cada jurado adicional añade aproximadamente esa cantidad. Si se quiere un juicio barato, conviene recortar jurados. Al juez y a las dos partes en disputa es mejor mantenerlos.

Cuándo compensa el juicio

El autor delimita con honestidad el ámbito de uso. Para una corrección menor, un juicio así no hace falta. Para una idea que va a consumir una semana de trabajo, 850 000 tokens son más baratos que una semana perdida. La lógica es sencilla: revisar una idea cuesta tokens, mientras que un error de planificación cuesta días. Esa misma lógica explica por qué el estadístico resultó más útil que el resto. Exigió sustituir las palabras genéricas por una cifra medible.

Cuánto costó el vídeo en sí

El autor detalla también el coste del resto de la cadena:

• El guion, el montaje y el estilo los generó Claude Code con el modelo Opus 5.5. Junto con la prueba de estilo, suma unos $13 en equivalente de API (a tarifas de pago por token) y el 1,3 % del límite semanal de la suscripción. • La voz es la del autor, un clon creado en ElevenLabs. 960 caracteres costaron $0,11. • Las dieciséis figuras las dibujó GPT Image a través de Codex, con la suscripción de ChatGPT. • La animación se hizo con HyperFrames y GSAP.

El juicio no está incluido en esos $13: el autor midió su consumo por separado, en tokens. Pero el orden de magnitud está claro. El vídeo completo, con locución, gráficos y revisión jurídica de la idea, se montó con suscripciones y llamadas a la API de unos pocos céntimos.

Conclusión práctica

Para ingenieros y equipos de producto, esta historia deja varias lecciones.

• Una pregunta a un solo modelo devuelve un cumplido. Un debate estructurado con votación independiente devuelve una lista de puntos débiles. • Antes de lanzar una revisión multiagente conviene medir el consumo. El autor lo hizo así por exigencia del juez. • Si el presupuesto es limitado, hay que reducir el número de jurados, no eliminar al juez ni a las partes. • Tiene sentido aplicar un juicio así a decisiones en las que un error sale caro, por ejemplo planes de una semana de trabajo. Para correcciones menores es excesivo.

La limitación del método es evidente. Todos los participantes del juicio siguen siendo modelos de lenguaje y pueden compartir los mismos puntos ciegos. Incluso con votación independiente, el resultado sigue siendo una opinión de modelos, no una verificación contra la realidad. Aun así, un veredicto con condiciones concretas es más útil que un «¡excelente idea!», y cuesta menos de un millón de tokens.